变结构模糊神经网络在交流解耦变结构系统中的应用*

在感应电动机的控制中采用解耦变结构控制,有效地简化了控制器的设计,并提高了控制器的抗干扰性和鲁棒性,交流解耦变系统中应用变结构模糊神经网络一方面系统原来存在的抖振得以抑制,另一方面又使系统具有自学习和自调整模糊规则的能力,提高了控制系统的智能,改善了控制系统的性能。     

基于自回归小波神经网络的感应电动机滑模反推控制

为了提高感应电动机控制的鲁棒性, 提出了一种新颖的感应电动机解耦模型. 基于感应电动机的解耦模型, 利用滑模控制和反推控制设计电动机的虚拟转矩和磁链电压控制器. 滑模开关增益的大小是造成系统抖振的关键, 采用自回归小波神经网络(Self-recurrent wavelet neural networks, SRWNN)在线估计滑模开关增益的大小可以有效降低滑模控制造成的抖振. 仿真结果表明基于SRWNN在线估计滑模开关增益的滑模反推控制方案可以有效提高感应电动机控制的鲁棒性, 同时降低了滑模控制造成的抖振.     

感应电动机解耦变结构控制系统抖振抑制和消除的研究

本文在设计出一种新型的交流电动机控制系统--解耦变结构控制系统的基础上[1],对 其中滑模变结构带来抖振问题进行了研究,通过分析系统抖振产生的原因,提出了抖振抑制和 消除的方法,并对各种方法进行比较,选择了最适合本系统的小区间PI控制法.文中还给出 了仿真曲线和分析.     

感应电动机解耦变结构控制抖振抑制和消除的研究

本文在设计出一种新型的交流电动机控制系统－解耦变结构控制系统的基础上，对其中滑模变结构带来抖振问题进行了研究，通过分析系统抖振产生的原因，提出了抖振抑制和消除的方法，并对各种方法进行比较，选择了最适合本系统的小区间ＰＩ控制法。文中还给出了仿真曲线和分析。     

解耦变结构交流速度控制系统的研究

本文提出了一种新型的AC速度控制系统——解耦变结构控制系统。它利用解耦原理简化感应电动机的数学模型,然后采用变结构控制原理克服转子电阻随温度变化带来的不良影响,保证了系统的动态和静态性能。文中推导出解耦变结构速度控制系统的数学模型、滑模控制器结构,并给出仿真结果。     

无刷直流电动机积分反演模糊滑模控制

针对普通的无刷直流电动机控制策略受电动机本身因素影响,难以达到理想效果的问题,介绍了一种积分反演自适应滑模变结构控制和模糊控制相结合的控制器。该控制器在滑模面中加入积分项,实现了对速度信号的无静差跟踪,提高了系统的稳态精度;用模糊控制器来解决切换控制增益设定只能靠经验的问题;采用模糊控制算法对不确定性进行估计,有效地减小了滑模控制方法带来的抖振;为了进一步提高控制性能,重新设计了趋近律。仿真结果表明,该控制器能够大幅提升无刷直流电动机控制系统的性能。     

无刷直流电动机积分反演模糊滑模控制

针对普通的无刷直流电动机控制策略受电动机本身因素影响,难以达到理想效果的问题,介绍了一种积分反演自适应滑模变结构控制和模糊控制相结合的控制器。该控制器在滑模面中加入积分项,实现了对速度信号的无静差跟踪,提高了系统的稳态精度;用模糊控制器来解决切换控制增益设定只能靠经验的问题;采用模糊控制算法对不确定性进行估计,有效地减小了滑模控制方法带来的抖振;为了进一步提高控制性能,重新设计了趋近律。仿真结果表明,该控制器能够大幅提升无刷直流电动机控制系统的性能。     

变结构控制的抖振问题研究

变结构控制是一种鲁棒控制方法,它对系统参数的变化和外部干扰具有理论上的完全鲁棒性,然而,变结构控制系统在滑模面上的高频抖振是其工程应用的主要障碍.该文将抖振削弱方法分为两类：一类是传统控制方法,它通过改变变结构控制器的构造方式来削弱抖振;另外一类是组合控制方法,它通过引入其他先进控制理论（如智能控制、自适应控制等）来削弱抖振.目前,多种组合控制方法被广泛采用,但缺乏对结合方式的系统性分析,本文以模糊变结构组合控制方法为例,详细探讨了多种形式的结合方式.最后指出了处理抖振问题的发展方向.     

基于变结构控制发动机转速性能研究

在发动机转速性能优化过程中,针对于传统滑模变结构控制在发动机转速控制中出现的转速抖振现象造成系统不稳定。传统的滑模变结构控制方法不能解决高频抖动问题,无法直接应用到系统中。为解决上述问题,提出通过采用模糊滑模变结构(F-SMC)的控制方法,消除高频抖振对控制器性能的影响.首先,在变结构控制变量的基础上引入模糊控制分量;其次对模糊控制分量进行了设计,并在MATLAB软件上进行了计算机仿真.仿真结果表明,采用模糊滑模方法使汽车发动机转速控制器可以提高系统的鲁棒性。     

直流电动机的优化滑模变结构控制

为了改善直流电动机调速的动态性能,减少指数趋近率引起的抖振,提出了一种直流电动机调速的新方法,将滑模变结构控制策略应用于直流电动机调速控制系统.在给定的数学模型基础上,分别设计出了基于指数趋近率和改进的指数趋近率的滑模变结构控制器.通过Matlab中的Simulink工具对两种控制器仿真和比较表明,改进的控制率能够达到良好的速度与位置跟踪效果,其响应时间和调整时间均较小,并且可以进一步有效地削弱抖振.方法具有一定的实用价值.     

基于模糊神经网络的多变量解耦控制

针对焦炉集气管压力这类多变量非线性系统，提出了一种基于PID神经网络和RBF模糊神经网络的多变量解耦控制方案，RBF模糊神经网络对多变量对象解耦，PID神经网络控制器控制过程的动态特性。工程应用表明，提出的控制策略有效地解决了集气管压力这类复杂对象的过程控制问题。     

基于ANFIS的非线性控制系统鲁棒性

针对典型非线性对象-三容水箱液位系统的非线性、强耦合性提出一种新的解耦控制方法,利用模糊减法聚类技术建立初始模糊推理系统(FIS)结构,在此基础上利用自适应神经模糊推理系统(ANFIS)对模糊模型进行训练,得出ANFIS解耦控制器结构.针对系统的参数不确定性和扰动引起的不稳定性提出了NCD优化方法在线自整定PID参数的ANFIS解耦控制方法,研究结果表明该方法具有较好的抗干扰性能、鲁棒性较好,实用性较强.     

模糊神经网络在解耦控制中的研究

在工业生产过程中,针时纯迟延、时变、强耦合的多输入多输出现象,提出一种基于模糊神经网络解耦和PID控制相结合,对系统进行解耦控制的方法.这种方法不需要建立多变量对象精确的数学模型,通过对大迟延大惯性强耦合的循环流化床锅炉床温-主汽压力对象进行仿真,其结果表明,解耦控制效果很好,具有良好的静态性、动态性及鲁棒性.     

Fuzzy control of multivariable nonlinear servomechanisms withexplicit decoupling scheme

This paper deals with the problem of controlling multivariable nonlinear servomechanisms by means of fuzzy approaches. A specific system under consideration is a passive nonlinear line-of-sight (LOS) stabilization system with strong interactions between two channels. By using the concept of decentralized control, a control structure is developed that is composed of two control loops, each of which is associated with a single-variable fuzzy controller and a decoupling unit. A simplified fuzzy control algorithm is used to implement the fuzzy controller. We propose two novel approaches to designing the decoupling units. The first one is based on the theory of fuzzy reasoning whereas the second scheme relies on the principle of adaptation. Extensive simulation studies on the LOS system have demonstrated the feasibility and effectiveness of the proposed approach     

Multi‐Variable Direct Self‐Organizing Fuzzy Neural Network Control for Wastewater Treatment Process

A multi‐variable direct self‐organizing fuzzy neural network control (M‐DSNNC) method is proposed for the multi‐variable control of the wastewater treatment process (WWTP). In this paper, the proposed control system is an essential multi‐variable control method for the WWTP. No exact plant model is required, which avoids the difficulty of establishing the mathematics model of WWTP. The M‐DSNNC system is comprised of a fuzzy neural network controller and a compensation controller. The fuzzy neural network is used for approximating the ideal control law under a general nonlinear system. Moreover, the neural network is designed in a self‐organizing mode to adapt the uncertainty environment. Simulation results, based on the international benchmark simulation model No.1 (BSM1), demonstrate that the control accuracy is improved under the proposed M‐DSNNC method, and the controller has a much stronger decoupling ability.     

Comparative Study of Different Decoupling Schemes for TITO Binary Distillation Column via PI Controller

This paper presents a comparative study of different decoupling control schemes for a two-input, two-output (TITO) binary distillation column via proportional-integral (PI) controller. The key idea behind this paper is designing two novel fuzzy decoupling schemes that depend on human knowledge, instead of the system mathematical model used in conventional decoupling schemes. Based on conventional and inverted decoupling schemes, fuzzy and inverted fuzzy decoupling schemes are developed. The control effect is compared using simulation results for the proposed two schemes with conventional decoupling and inverted decoupling. The proposed fuzzy decoupling schemes are easy to realize and simple to design, besides they have a good decoupling capability. Two methods are used to prove asymptotic stability of each loop and the entire closed-loop system by applying the proposed fuzzy decoupling-based PI controller. The Wood and Berry model of a binary distillation column is used to illustrate the applicability of the proposed schemes.      

基于T-S模型的Chua混沌系统模糊变结构控制

针对Chua混沌系统这一复杂的非线性系统给出一种基于T-S模型的模糊变结构控制律设计。首先采用T-S模糊动态模型描述非线性系统,得到混沌系统的全局模糊模型;然后采用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,将模糊控制与成熟的线性变结构控制相结合,来解决非线性系统控制问题。仿真验证了方案的有效性。模糊控制器简单,规则少。