一种基于微粒群算法的自适应滑模控制

提出了一种基于微粒群算法的自适应滑模控制方法,把微粒群算法运用于自适应滑模控制器设计中。首先利用一种自适应算法估计系统中总不确定量的上确界,然后利用微粒群算法对自适应滑模控制器的切换参数和自适应参数进行优化调节,在改善系统控制性能和鲁棒性的同时削弱了抖振。仿真研究结果证明了该方法的有效性。     

基于混沌粒子群优化的时变解耦模糊滑模控制

为确认单输入解耦模糊滑模算法是否具有稳定性,通过构造合适的Lyapunov函数,对该种算法进行稳定性分析,证明该算法具有渐近稳定性;为准确而快速的得到最佳控制增益,在基本粒子群算法的基础上,提出了用混沌粒子群算法选取其最佳控制增益,仿真研究表明：混沌粒子群算法较基本粒子群算法的收敛速度和优化效果都得到了提高.     

基于微粒群优化算法的T-S模糊建模

在传统T-S模糊模型的基础上,提出一种高次多项式T-S模糊辨识模型.将传统T-S模型规则后件中的线性模型用简单多项式模型代替,并进一步利用微粒群优化算法辨识规则后件参数.数值仿真表明:用该方案辨识得到的T-S模糊模型同传统的具有线性后件的T-S模型相比,能够显著减少模型规则条数而保持辨识精度不变,同时辨识时间也相应地缩短;且随着输入变量个数的增加,这一优势将更加明显.     

模糊交货期Flow-shop调度问题的改进微粒群算法

针对企业生产中由定单变化引起的具有模糊交货期性质的连续生产调度问题,提出一种改进的微粒群算法.通过对模糊交货期Flowshop调度问题的模糊机会约束设置惩罚函数,引入自适应变异和交叉等方法来改进算法,仿真结果表明算法具有较好的全局寻优和实用性,优于遗传算法和启发式算法.     

异步随机微粒群算法

在研究微粒群算法生物特征的基础上,提出了一种异步随机微粒群算法——ASPSO．该方法是在微粒的进化过程中,采用异步模式使全局最好位置信息以异步方式在种群中传播。从理论上证明了ASPSO与同步模式微粒群算法SPSO相比较具有更快的局部收敛速度,并对四个经典测试函数进行了仿真测试,测试结果表明：与SPSO相比,ASPSO算法具有更快的收敛速度。     

基于模糊逻辑的滑模控制及其应用

根据滑模控制原理,提出了一种基于模糊逻辑的滑模控制设计方法,此方法将滑模控制和模糊控制的长处综合在一起,不仅增强了系统的鲁棒性,同时削弱颤抖,仿真结果表明了这种算法的有效性和简洁性。     

基于并行文化微粒群优化算法的非线性方程组解法

并行文化微粒群优化算法是一种改进的微粒群优化算法,具有较强的全局搜索能力。将非线性方程组的求解问题转化为函数优化问题,应用并行文化微粒群优化算法求解非线性方程组的解。计算中不需要使用目标函数的导数信息和初始点信息,数值实验结果表明了该算法的有效性和可行性。     

基于微粒群算法的彩色图像增强研究

在增强彩色图像问题中,把图像增强看作最优化问题,提出了一种基于微粒群算法的彩色图像自适应增强方法．将在RGB空间表示的降质图像转换到与人类视觉系统特性相适应的HIS颜色空间进行增强,提出了应用于亮度1分量的新的目标函数．使用此方法可以自动地找出降质图像归一化的非完全口函数的最优参数值,对原始图像降质类型进行正确的推理．仿真结果表明所提出的方法在自动拟合灰度的广义变换上有很好的性能,图像增强效果显著．     

微粒群优化算法

微粒群算法是继蚁群算法之后提出的又一种新型的进化计算技术。具有典型的群体智能的特性．介绍了微粒群算法的基本原理及其改进算法。从群体组织与进化以及混合微粒群算法等方面对国内外微粒群算法的研究进展进行综述．     

分阶段模糊滑模控制在交流伺服系统中的应用

提出了一种应用在交流伺服系统上的模糊滑模控制策略，把模糊逻辑和滑模控制方法结合起，能够在不牺牲系统鲁棒性的同时达到削弱抖动的目的，并使系统响应速度快，无超调.利用模糊决策的作用决定控制量的一部分，来解决滑模控制中的抖动问题.这种控制方法适合应用在需要强抗干扰能力的伺服系统中，比如机器人，飞行器等.同时，通过分阶段的加入指数趋近控制方法，来加快系统响应.通过MATLAB6.5的仿真，验证了这种方法的可行性，并取得了很好的控制效果.     

多关节机器人的非奇异终端模糊滑模控制

针对多关节机械臂轨迹跟踪控制,提出了一种非奇异终端模糊滑模控制方法.采用模糊控制调节滑模控制的切换增益,改善了非奇异终端滑模控制的局限性,利用积分的方法自动对系统的建模误差和干扰的上界进行评估,实现了对建模误差和干扰的自动跟踪,削弱了抖振.文中利用李亚普诺夫定理证明了系统的稳定性,仿真结果证明了其有效性.     

模糊滑模变结构控制系统的研究

对于矢量控制的交流伺服系统,根据离散滑模控制理论和模糊控制理论,设计了一种离散模糊滑模控制器,即在离散滑模控制器后加一个积分环节再与模糊控制器相结合,有效地削弱了单纯滑模变结构控制系统的“抖振”。仿真实验结果表明由该离散模糊滑模控制器构成的交流位置伺服系统,具有良好的快速性和抗负载扰动、参数摄动的鲁棒性．     

模糊趋近律滑模变结构的二级倒立摆系统控制仿真

运用一种模糊趋近律滑模控制策略,将模糊逻辑控制与趋近律相结合,推导设计出模糊趋近律的滑模变结构控制器,并对二级倒立摆系统进行了有效控制.仿真结果表明这种控制方法既保证了趋近运动的快速性,又保留了滑膜控制系统的鲁棒性,同时有效地抑制了系统抖振.     

基于滑模-模糊逻辑系统的故障检测及容错控制

针对一类单输入单输出非线性不确定系统,提出了一种基于滑模-模糊逻辑系统的故障检测的方法。其中,利用模糊逻辑系统对被控对象中的未知函数进行逼近,用相同方法对故障项进行逼近;设计滑模观测器进行故障检测和诊断,然后基于Lyapunov函数综合设计方法对系统进行稳定性分析;当故障被检测出后,为保证系统稳定性重组控制器,设计控制器,实现容错控制。仿真结果验证了该方法的有效性。     

AGV建模和自适应模糊滑模跟踪控制研究

介绍了自动导引小车AGV的跟踪控制技术的研究现状;建立了AGV跟踪误差系统运动学和动力学的混合模型;针对AGV的初始位存在误差或给定轨迹不连续时,传统PID轨迹跟踪控制器会使其初始速度产生一个较大跳变的问题,将滑模变结构控制技术与自适应模糊控制技术相结合,提出了一种基于模糊滑模的AGV自适应模糊路径跟随和轨迹跟踪控制器。仿真和实验结果表明,给出的自适应模糊滑模控制器不仅有较好的轨迹跟踪控制效果,而且具有较强的鲁棒性。     

基于自适应模糊滑模的柔性机械臂控制

针对柔性关节机器人控制系统中存在的扰动力、摩擦力、参数变化以及建模误差等导致的控制器精度降低、鲁棒性差的问题,提出了1种基于自适应模糊滑模的鲁棒控制器.控制器由2部分组成,控制器的计算力矩和前馈补偿部分用于控制系统的标称部分,即机器人自身结构相关量、确定性扰动以及摩擦力的线性部分;控制器的自适应模糊滑模部分用于克服系统存在的不确定部分,包括外界不确定性扰动、摩擦力的非线性部分、参数变化以及建模误差等.最后在HIT四自由度柔性机械臂上进行了控制器的相关实验.实验结果表明该控制器具有良好的位置跟踪性能和较强的抗干扰能力.     

基于粒子群优化的板球系统双闭环滑模控制

板球系统是高阶、开环不稳定的非线性系统,本文基于板球系统简化模型,结合Lyapunov稳定性原理,在双闭环控制方案的基础上,设计滑模变结构位置控制器,并使用粒子群算法对滑模界面参数和滑模趋近律参数进行优化,提高了控制精度,减消了滑模抖振。仿真实验表明,与传统双闭环PID控制相比,滑模变结构控制算法响应速度更快,达到稳定状态时间更短,具有更好的跟踪与鲁棒性能。     

双连杆柔性臂自适应模糊滑模控制

为使控制系统在负载和杆长变化时仍能快速、准确地跟踪期望轨迹,基于奇异摄动模型将双连杆柔性臂系统分解为慢变、快变2个子系统,提出了一种慢变子系统采用自适应模糊滑模控制、快变子系统采用最优控制的混合控制方法。其中自适应算法在线估计未知参数,模糊控制用来抑制由滑模控制引起的振动。仿真结果表明,该方法不仅能实现柔性臂轨迹的快速、准确跟踪,而且能有效地抑制弹性振动,并且对系统参数的变化具有较强的鲁棒性。该方法的特点是对系统中各个等效的摄动参数分别进行自适应估计和补偿,因而控制算法简单,易于工程实现。     

Fuzzy Sliding Mode Control of Nonlinear Spacecraft

0mcoTheslidingmodecontiDlethibitSasbogrobustnessagainstsystemmede1unceItaintiesandextemaldistur-bancet0rqUessothatithasbeenaPpliedt0tLhespacecrafathtudecontrol.ButthechatteringPhenomenonWhichisinherenttoaslidingmedec0ntrolisinevitabletobringfa-talinLIluenceonthesystem.T0av0idthechattering,anewapproachisrecendypresentedinpaPers[l],[2],whichfusesthemeritS0ffuzZycontrolandslidingmedecontrOl.ButthiskindoffuZZyslidingmedec0ntrolalgOrithm['~2JistoocomPlicatedtobeaPpliedtothespacecrafcontIDl…