基于T-S模型的非线性多变量系统快速GPC控制

把T-S模糊模型辨识非线性对象和预测控制技术相结合,提出一种基于T-S模型的非线性耦合多输入多输出系统快速广义预测控制(GPC)方法,并给出了简化的规则选择方法.该方法在线调节参数少、计算量小.仿真结果表明具有控制平稳、超调小、跟踪快的特点.能够对非线性耦合多变量系统进行良好控制,适合工业过程在线应用.     

基于T-S模型的自适应模糊预测函数控制

针对多变量非线性系统，提出一种基于Takagi-Sugeno(T-S)模型的自适应模糊预测函数控制方法.在T-S模糊模型结构已确定情况下，利用加权递推最小二乘法对T-S模糊模型后件参数进行在线辨识.对模糊模型在每一采样点进行线性化，将描述非线性系统的T-S模型转化为线性时变的状态空间模型，并假设输入基函数为阶跃函数，推导出预测控制律的解析式.仿真结果表明，该方法在求解控制律时，无需求解非线性优化问题，并且有效克服了模型失配对系统控制性能的影响，增强了系统的跟踪性能和鲁棒性.     

基于输出误差预测的模糊预测PID控制及应用

针对实际工业过程中普遍存在的非线性特性,采用T-S模糊模型来描述复杂的非线性系统.利用模糊聚类算法在线竞争学习模糊规则的输入区域中心,并按预先规定的规则之间的重叠度在线确定每条规则的输入区域半径,而模糊规则结论中的参数则由递推最小二乘(RLS)算法得到,得到的模糊局部线性化模型作为每个时刻的受控自回归积分滑动平均(CARIMA)模型.结合广义预测控制(GPC)的思想和有限脉冲响应滤波器,提出了一类新型的模糊预测PID控制器的实现方法,解决了一般预测PID控制器设计当中对系统模型阶次的限制问题.仿真算例说明了该方法的有效性和实用性.     

基于线性反馈的倒立摆模糊控制系统仿真

基于系统的线性化模型,利用线性反馈矩阵对模糊控制器输入变量进行了综合,所设计的简化模糊控制系统同时实现了摆杆角度和小车位移的稳定控制.仿真结果表明,该方法是有效可行的,并且具有很好的抗干扰能力.     

移动机器人数学模型的近似线性化

针对机器人控制领域中一类多输入多输出(MIMO)仿射非线性系统，提出了一种基于平衡流形的近似线性化状态反馈镇定算法，并用此算法解决了一类完整约束轮式移动机器人(WMR)的镇定问题.仿真分析表明，此方法不仅能够实现系统的镇定，而且降低了因平衡工作点变动给系统稳定性带来的影响，同时也大大地简化了对非线性系统的综合设计过程，具有良好的控制效果和实用性.     

基于LS-SVM与GPC算法的锅炉燃烧优化控制

基于LS-SVM算法和反馈网络建立了非线性对象全参数动态模型,实现了对非线性系统动态特性的多步预测;考虑控制的实时性,研究了将非线性LS-SVM动态模型在线线性化和构造对象实时线性CARIMA动态模型的方法;并结合GPC算法,提出了LSSVM-GPC动态优化控制策略。文中验证了LSSVM-GPC动态优化控制算法的跟踪能力和抗干扰能力,通过仿真试验给出了该算法对电站锅炉燃烧系统具有优秀的动态调节性能。     

基于TS模型的非线性系统模糊辨识算法

对一类采样数据较均匀的非线性系统,提出一种基于TS模型的系统辨识算法.首先利用等分区间法对输入空间进行前提结构的划分,并根据所选定的隶属度函数确定每个输入变量在各个模糊子空间中的隶属度,然后利用卡尔曼滤波算法来辨识模型的后件参数.与模糊聚类等辨识算法相比,该算法计算量较小,适用于系统的在线辨识,仿真研究表明该算法具有较高的辨识精度.     

锅炉-汽轮机对象的多变量状态反馈线性化

锅炉 汽轮机对象是一个典型的多输入多输出仿射非线性系统。本文利用多输入多输出状态反馈线性化理论,首先将其转化为一个线性系统,然后为该线性系统选择合适的极点,应用多变量极点配置方法对其进行控制。该方法克服了局部线性化方法工作范围小的缺点。仿真结果证明了该方法具有较好的控制效果。     

基于解耦矢量云模型的智能控制器设计

为了解决设计模糊逻辑控制器中的一些问题,提出一种采用解耦矢量云模型的智能控制方法.通过云模型的定性控制机理,给出定性语言的定量化表示,保证自然语言的不确定性传递.利用解耦矢量算法将复杂非线性控制系统的多个输入变量融合为单个输入变量,使得云模型控制规则得到简化,并保证了闭环系统的稳定性.将所设计的解耦矢量云控制器用于球棒系统的控制,仿真结果验证了设计方法的有效性.     

移动机器人数学模型的近似线性化及状态反馈镇定研究

针对机器人控制领域中一类多输入多输出(MIMO)仿射非线性系统，提出了一种基于平衡流形的近似线性化状态反馈镇定算法，并用此算法解决了一类完整约束轮式移动机器人(WMR)的镇定问题．仿真分析表明，此方法不仅能够实现系统的镇定，而且降低了因平衡工作点变动给系统稳定性带来的影响，同时也大大地简化了对非线性系统的综合设计过程，具有良好的控制效果和实用性．     

输入受限的广义预测控制快速算法

针对传统约束广义预测控制算法的计算量大这一缺陷,通过只精确计算当前时刻的控制作用,而对未来时刻的控制序列进行离线近似计算,提出了一种输入受限的广义预测控制快速算法。该算法简单,不必求解Diophantine方程和逆矩阵,大大减小了在线计算量。并且,能够将输入很好地控制在约束范围之内,并具有良好的控制性能。仿真结果表明了该算法的可行性和有效性。     

基于模糊补偿的广义预测控制

针对在广义预测控制中采用在线辨识模型参数来克服模型失配的影响的情况 ,提出了用模糊推理对控制量进行补偿的解决方案。仿真结果表明 ,该方案非常有效 ,适合用于具有时滞的复杂工业系统。     

基于Fuzzy预测器的非线性网络控制系统的时延补偿

网络控制系统中时延是影响控制性能的一个主要因素，本文提出了一种基于Fuzzy预测器的非线性网络控制系统的时延补偿方法。首先通过输入输出缓冲使时延固定，然后以对象的数学模型为基础对时延进行预测，通过Fuzzy控制器、观测器和预测器得到经过时延补偿后的控制量，最后采用分离性定理证明了基于模糊观测器、预测器及控制器设计的闭环控制系统的稳定性。仿真结果验证了算法的有效性。     

神经网络GPC在非线性三容水箱系统中的应用

从一个单输入单输出的非线性三容水箱实验过程出发，研究非线性控制问题，当前研究的目标是设计并实现一个基于神经网络广义预测控制的合适算法。仿真和对比的结果表明，对于此模型，神经网络广义预测控制优于神经网络直接逆控制，产者将应用在实际的三容水箱系统。     

非线性系统模糊预测控制研究

研究了非线性系统模糊预测控制的结构原理和算法原理。推导了相应的模糊预测控制算法,提出了模糊模型的在线速推修正公式,并对典型的非线性系统模糊预测控制进行了仿真研究。研究结果表明,所提出的非线性系统模糊预测控制算法,具有软件实现简易、系统性能优良等优点。     

不确定约束T-S模糊系统的鲁棒最优控制

针对带有时域约束(包括控制输入约束与状态约束)和不确定性的T-S模糊系统,研究了其鲁棒最优控制问题。利用S-Procesure导出了求解状态反馈控制器的充分条件。该控制问题最后归结为求解在一组非线性不等式族约束条件下的优化问题,本文给出了该优化问题的迭代求解步骤。在倒立摆系统中应用的仿真结果表明,本文所提方法是有效的。     

基于遗传模糊算法的足球机器人射门动作控制

为了提高足球机器人的射门成功率，给出了一种基于遗传模糊算法的足球机器人射门实现方法。通过建立一个多输入多输出模糊控制器，用一套模糊控制规则控制足球机器人在实时、动态环境中完成射门动作，并采用遗传算法优化模糊规则和隶属度函数，增强了模糊控制系统适应动态变化环境的能力。考虑了轮式移动机器人的运动模型，将更符合实际情况的左右轮速度作为模糊规则内输出。在仿真和全局视觉足球机器人平台上对该算法进行了验证，实验结果证明了方法的正确性。     

考虑时域硬约束的T-S模糊系统最优控制

针对带有时域硬约束(控制输入约束和状态约束)的T-S模糊系统,提出了一种基于状态反馈的优化控制算法。在系统初始状态小于某个界的情况下,将性能输出的能量作为优化的性能指标,通过最小化系统的不变椭圆域来实现系统优化控制,同时得到依赖于该不变域的满足时域硬约束的充分条件。该多目标控制问题最后归结为求解在一组非线性不等式约束条件下的优化问题,本文给出了该优化问题的解决方法,并分析了该方法的可行性。在倒立摆系统中应用的仿真结果验证了该方法的有效性。     

基于系统辨识与T-S模糊神经网络的磨矿分级控制

针对磨矿分级过程控制中具有的慢时变、非线性特征,提出了一种基于系统辨识的自适应模糊推理网络模型,并应用于磨矿控制领域.利用模糊聚类法对现有数据样本进行系统辨识,自动获取模糊规则库和相应的初始参数.依据得到的模糊系统构建基于Takage-Sugeno推理模型的自适应模糊神经网络推理系统,获得比传统的模糊神经网络具有更强的...