基于T-S模型的非线性系统的最终滑动模态控制

采用T_S模糊动态模型逼近非线性系统, 将非线性系统模糊化为局部线性模型. 用Lyapunov稳定性理论设计出确保T-S模型全局渐近稳定的变结构控制器. 采用单位向量控制形式的最终滑动模态控制器, 对满足匹配条件和不满足匹配条件的不确定性均适用. 以倒立摆为模型的仿真实验, 验证了方案的有效性.     

非线性系统基于HM模型的自适应鲁棒跟踪控制

研究了非线性系统的跟踪控制问题，基于HM模型对非线性系统进行描述，并将全局模糊模型表示成不确定系统形式。在满足匹配条件下，针对未知不确定界，采用自适应鲁棒控制器，利用自适应变量信息来补偿系统的不确定性信息，实现了非线性系统的渐近跟踪控制。一级倒立摆仿真实验，验证了方案的有效性。控制器结构简单，规则少，具有应用价值。     

一种模糊滑模变结构控制方案及其在混沌系统控制中的应用

采用模糊动态模型逼近非线性系统，将非线性 系统模糊化为局部线性模型．用Lyapunov稳定性理论设计出确保模糊动态模型全局渐近稳 定的变结构控制器．应用到两类混沌系统的稳定控制中，验证了方案的有效性．模糊控制器 简单，规则少．     

基于多模型的非线性系统广义预测控制

对于复杂的离散时间非线性系统，提出一种基于多模型的广义预测控制方法．通过在平衡点附近建立线性模型，并用径向基函数神经网络来补偿匹配误差，形成了非线性系统的多模型表示，然后采用模糊识别方法作为切换法则，并结合广义预测控制构成了多模型广义预测控制器．通过对连续发酵过程的计算机仿真，表明了该方法的有效性．     

含有输入时滞的不确定T-S模糊系统的滑模控制

研究同时包含输入时滞和状态时滞的不确定T-S模糊系统的滑模控制问题,其中非线性不确定项是未知的,并且不满足匹配条件.针对被控对象的T-S模糊模型,设计一种基于积分型切换面的滑模控制器,并利用线性矩阵不等式技术和李亚普诺夫稳定性理论,给出滑模动态渐近稳定的充分条件,设计滑模控制律使系统状态保持在切换面上.仿真结果表明,该方法能有效消除非线性不确定性和输入时滞给系统带来的影响.     

基于Popov超稳定性理论的模糊自适应控制器设计方法

对一类常见的非线性系统,利用Popov超稳定性理论得到一种模糊自适应控制方 案,该方案在模型匹配的条件下能保证闭环系统的(渐近)稳定性.当模型匹配条件不满足时, 通过引入一个辅助控制量使系统仍保持稳定.因此,文中提出的方法普遍适用于一类非线性 离散或连续控制系统的设计.     

基于T-S模型的模糊神经网络PID控制

针对在非线性、时变不确定系统中，常规PID控制器难以获得满意效果的问题，仿照传统PID控制器结构，设计了一种基于T-S模型的模糊神经网络PID控制器。该控制器基于T-S模糊模型，将PID结构融入模糊控制中，充分发挥了模糊系统非线性、可解释性的特点；然后又利用神经网络的学习算法，实现了对模糊控制器的参数调整，使控制器具有了适应时变、不确定系统的自学习和自组织能力。针对非线性、时变系统，将此控制器与传统PID控制器对比进行了仿真研究，并应用于啤酒发酵领域，其结果表明，该控制器取得了令人满意的效果。     

一类基于模糊逻辑系统的非线性系统自适应跟踪控制

利用非线性不确定系统的动态数学模型和模糊逻辑系统，对不确定性的输出信息，设计出被控系统的自适应鲁棒跟踪控制器和模糊逻辑系统参数估计的自适应律．在较弱的假设条件下，证明了这种控制器能使被控系统的状态及参数估计误差一致终极有界．仿真实例表明，所提出的方法是有效的．     

奇异摄动系统的边界层鲁椿控制研究及应用

研究一类非线性奇异摄动系统的边界层鲁棒控制问题。该类系统边界层的不确定项不满足一般匹配条件。鲁棒控制器的设计分为伪名义边界层和整个边界层系统两步进行。在满足某些条件时，设计的控制器可使该类系统的边界层仍保持渐近稳定特性，将此方法用于中程空地导弹的中制导系统，仿真结果验证了该设计方法的有效性。     

含不匹配扰动非严格反馈系统的输出反馈补偿控制

针对一类非严格反馈非线性系统,系统中包含不确定函数和未知外部扰动,提出一种带不匹配扰动补偿的输出反馈模糊控制器.采用模糊逻辑系统逼近未知的非线性函数,同时构造模糊状态观测器观测系统未知状态.考虑观测器和控制器会受到外部扰动和模糊逼近误差构成的不匹配总扰动信号影响,采用改进的扰动观测器对不匹配扰动进行估计和补偿,使扰动观测误差能够在有限时间内平缓地收敛到任意小的范围,消除不匹配扰动信号对模糊观测器设计的影响.同时在控制器设计中进行扰动的精确补偿,提高系统的抗扰动性.通过Lyapunov函数证明了闭环系统所有信号都是有界的.最后,通过数值仿真进一步验证了所提出方法的有效性.     

直升机的TSK模糊控制

针对直升机动力学为非线性的特点,且存在不确定因数和状态变化,利用线性控制很难得到好的控制结果,提出利用TSK(Takagi-Sugeno-Kang)模糊系统控制小模型直升机.所设计的TSK模糊控制器是一个基于TSK模糊模型的非线性控制器,能保证闭环控制系统的稳定性.直升机数学模型中线性部分设计状态反馈控制器非线性部分先求TSK模糊模型,然后设计TSK模糊控制器.仿真和实验结果表明,所设计的TSK模糊控制器比线性控制器对直升机控制具有良好的动态响应和稳定性,是一种非常有效的控制方法.     

Fuzzy model based adaptive control for a class of nonlinear systems

A fuzzy model based adaptive control algorithm for a class of continuous-time nonlinear dynamic systems is presented. The fuzzy model consisting of a set of linear fuzzy local models that are combined using a fuzzy inference mechanism is used to model a class of nonlinear systems. Each fuzzy local model represents a linearized model corresponding to the operating point of the controlled nonlinear system. The proposed control algorithm employs the fuzzy controller that is designed by considering the linear state feedback controller corresponding to the fuzzy local model with the maximum weight and the switching-σ modification adaptive controller to adaptively compensate for the plant nonlinearities. Stability robustness of the closed-loop system is analyzed in Lyapunov sense. It is shown, that the proposed control algorithm guarantees global stability of the system with the output of the system approaching the origin if there are no disturbances and uncertainties, converging to the neighborhood of the origin for all realizations of uncertainties and disturbances. The simulation examples for controlling inverted pendulum system are given to illustrate the effectiveness of the proposed method     

Direct adaptive fuzzy control for nonlinear systems with time-varying delays

This paper focuses on the problem of direct adaptive fuzzy control for nonlinear strict-feedback systems with time-varying delays. Based on the Razumikhin function approach, a novel adaptive fuzzy controller is designed. The proposed controller guarantees that the system output converges to a small neighborhood of the reference signal and all the signals in the closed-loop system remain bounded. Different from the existing adaptive fuzzy control methodology, the fuzzy logic systems are used to model the desired but unknown control signals rather than the unknown nonlinear functions in the systems. As a result, the proposed adaptive controller has a simpler form and requires fewer adaptation parameters.     

利用模糊系统的自适应模糊控制器

针对非线性系统控制,设计了利用TSK(Takagi-Sugeno-Kang)模糊系统的自适应模糊控制器。所设计的自适应控制方法是参考模型自适应控制方法,而且利用Lyapunov函数保证了闭环系统的稳定性,同时推导了最优的自适应控制规律。首先,根据控制对象的输入输出数据建立TSK模糊模型,然后,由TSK模糊模型设计初期的TSK模糊控制器,并根据自适应规律随时调整模糊控制器参数。倒立摆系统的仿真实验验证了所设计的自适应模糊控制器的有效性。     

非线性模糊时滞系统鲁棒自适应控制

研究一类基于模糊T-S模型的非线性时滞系统鲁棒镇定问题．基于记忆型状态反馈策略，首先给出由T-S模糊模型描述的非线性时滞系统在时滞精确已知情况下的鲁棒镇定准则；然后给出非线性时滞系统在时滞未知情况下的鲁棒自适应控制策略．所设计的控制器可确保闭环系统渐近稳定，且具有良好的可操作性．最后通过仿真实例证明了该方法的正确性和有效性．     

Sliding mode neural network inference fuzzy logic control foractive suspension systems

In the automotive industry, suspension systems are designed to provide desirable vehicle ride and handling properties. This paper presents the development of a robust intelligent nonlinear controller for active suspension systems based on a comprehensive and realistic nonlinear model. The inherent complex nonlinear system model's structure, and the presence of parameter uncertainties, have increased the difficulties of applying conventional linear and nonlinear control techniques. Recently, the combination of sliding mode, fuzzy logic, and neural network methodologies has emerged as a promising technique for dealing with complex uncertain systems. In this paper, a sliding mode neural network inference fuzzy logic controller is designed for automotive suspension systems in order to enhance the ride and comfort. Extensive simulations are performed on a quarter-car model, and the results show that the proposed controller outperforms existing conventional controllers with regard to body acceleration, suspension deflection, and tire deflection     

一类非线性系统的模糊变结构控制

研究了一类非线性系统的模糊变结构控制问题，并给出了稳定性证明。通过将非线性系统化为多个精确T—S模型来建立非线性系统精确的T—S模糊模型，将模糊理论与成熟的线性变结构控制理论相结合设计一种模糊变结构控制器，用Lyapunov稳定性理论证明该控制器能确保模糊动态模型全局渐近稳定，从而使非线性系统稳定。仿真结果表明了该设计方法的有效性。     

基于LMI的非线性时滞系统的输出反馈控制

利用模糊T—S模型对一类不确定非线性时滞系统进行模糊建模，在此基础上研究基于观测器的模糊动态输出反馈控制，利用矩阵不等式(LMI)算法给出了模糊闭环系统稳定的充分条件及其反馈控制增益和观测器增益的求法，以及输出反馈控制器的设计方法。最后仿真结果证明所提出的控制方法是有效的。     

卡车的TSK模糊控制

针对在保证一定精度的条件下,要求一次性完成卡车的倒车的情况,利用TSK (Takagi-Sugeno-Kang)模糊系统控制卡车,在TSK模糊控制器作用下让卡车从任意的初始位置一次性倒车到指定的位置。在卡车数学模型中,线性部分设计线性状态反馈控制器,非线性部分先求TSK模糊模型,然后设计基于TSK模糊模型的TSK模糊控制器。它是一个非线性控制器,可保证闭环系统的稳定性。仿真实验结果表明,所设计的TSK模糊控制器对卡车的倒车控制是非常有效的。