大时滞网络自适应预测PI主动队列管理算法

针对网络中存在的大时滞和网络参数时变问题，提出一种自适应预测PI主动队列管理算法．将Smith预估器与达林算法相结合，既克服了大时滞带来的不利影响，也减少了控制器参数整定数量．利用网络参数与控制参数所具有的确定关系，通过在线估计网络参数来实时调节控制参数，使得控制器能够适应网络参数的变化，同时采用线性化方法分析了系统局部稳定性．仿真结果表明，所提出的算法是可行而有效的。     

基于粒子群优化的一类模糊控制器设计

针对一般模糊控制器存在稳态性能与动态性能之间的矛盾,提出一种参数自整定模糊控制器.该控制器结构简单,算法简便,具有良好的动态特性,能有效消除静态偏差,且有一定的鲁棒性.为避免模糊控制器设计中参数调试的复杂性,获得最佳的控制性能,应用改进的自适应粒子群优化算法对模糊控制器参数进行优化设计.通过典型的被控对象的仿真研究,验证了所提出算法的有效性和适应性以及所设计控制器的优越性.     

一种基于改进遗传算法的模糊神经网络控制器及其在烧结终点控制中的应用

针对烧结过程这一复杂、多参数耦合的高度非线性系统,融合遗传算法、神经网络和模糊控制的优点,提出一种基于改进遗传算法的模糊神经网络控制方法,并应用于烧结过程终点控制．首先采用遗传算法对给定的模糊神经网络控制器结构参数进行离线优化,然后利用BP算法较强的局部搜索能力和对对象的适应能力,进一步进行参数的在线调整．同时,为解决传统遗传算法早熟和收敛速度慢的问题,从交叉和变异算子、适应度函数选取等方面对遗传算法进行改进．采用精英保留策略,提高了全局搜索性能和收敛速度．仿真结果表明,所提出的控制器优于常规的模糊神经网络控制器(Fuzzy Neural Network Controller, FNNC)．算法的实际应用效果良好,为解决烧结终点控制问题提供了一条新的途径．     

基于多模型粒子群优化的PID参数鲁棒整定

针对常规粒子群优化算法存在的鲁棒性能差的问题，提出一种基于多模型的粒子群优化方法．将其应用于对PID控制器参数的优化，有效地避免了PID控制器设计中复杂的参数调试．即使在模型失配的情况下，控制系统仍保持了良好的控制品质和鲁棒性．通过对几个典型被控对象的仿真实验，证明了所提出的优化算法的实用性、有效性和优越性．     

参数摄动机械臂鲁棒控制器的演化设

对于存在参数区间摄动的机械臂，提出了一种利用遗传算法进行鲁棒控制器演化设计的方法．将具有给定结构的控制器的参数编码后作为控制器种群，将机械臂的摄动参数编码后作为受控对象种群；对两个种群进行双向演化操作，得到对区间摄动系统具有足够鲁棒性的控制器和最差控制性能所对应的受控对象模型．对存在参数摄动的二自由度机械臂进行鲁棒控制器设计的结果表明，所提出的方法是有效的．     

ANFIS实现的模糊神经网络在交通信号配时优化中的应用

提出一种使用Matlab中的ANFIS模糊神经网络(FNN)工具箱来对传统的模糊控制器进行参数优化的方法，改善了控制器中的隶属度函数形状及分布，并应用于城市单交叉路口的多相位信号配时上．仿真实验证明所提出的算法可以降低车辆平均延误时间，保证车队更顺畅地通过交叉路口．     

利用T-S模糊自适应PSO算法优化PID参数

针对微粒群优化算法存在的早熟问题,提出了一种基于T-S模型的模糊自适应PSO算法（T-SPSO算法）。算法依据种群当前最优性能指标和惯性权重值所制定T-S规则,动态自适应惯性权重取值,改善了PSO算法的收敛性。将该算法应用于PID控制器的参数整定,可得到更优的控制器参数。仿真结果验证了所提出算法的有效性和所设计控制器的优越性。     

基于蚁群学习算法的模糊小波神经网络控制

通过对模糊小波神经网络控制器的研究,发现小波基函数的平移、伸缩因子和网络边的权值难以确定。于是提出采用蚁群算法对小波神经网络控制器中的各参数进行学习训练。仿真试验表明经过蚁群算法训练出来的参数正确率较高,训练时间较短,且所得到的模糊小波神经网络控制器具有较强的范化能力和自适应功能。     

基于混沌搜索的模糊控制器参数最优设计

基于混沌变量，本文提出一种模糊控制器最优设计方案．离线优化采用混沌算法，将混沌因子引入到模糊控制器参数域的优化搜索中，用载波方式将优化变量转变成混沌变量，再利用混沌运动的遍历性和随机性直接寻优，得到模糊控制器参数的全局次优解．在线优化采用共轭梯度下降法，把混沌搜索后得到的全局次优值作为梯度下降搜索的初始值，实现混沌全局粗搜索和梯度下降局部细搜索相结合的优化目的，能很快找到模糊控制器参数的全局最优解．最后对算法的收敛性进行了证明．     

一种混合有源电力滤波器的电流控制新方法

针对可控器件的死区和数字化控制器存在的延时对系统整体性能产生消极的影响,提出一种新的电流跟踪控制策略,该控制策略以一个基于改进的Ziegler-Nichols方法实现参数优化的PI控制器和π补偿Smith预估器为基础．其中实现电流跟踪控制的控制器算法是在Ziegler—Nichols方法优化PI控制参数的算法上的修正,较之传统的方法寻优PI控制器参数有着更好的控制效果;仃补偿预估器的引入则可以有效地补偿系统控制中的延时,提高系统的响应速度和稳定性能,并提高系统的控制精度;同时利用时间乘以误差绝对值积分（ITAE）准则给出π补偿预估器参数与PI控制器参数间的数学关系式,实现了预估器参数的辨识．仿真和实验验证了所提控制策略的有效性,与模糊PI控制效果进行比较,具有更好的滤波效果．     

基于逆系统方法的综放工作面控制系统的模糊控制器

对逆系统方法作为反馈线性化方法及其非线性本质进行深入的研究后,认知到逆系统方法建立的模糊控制器是一种变增益的非线性控制器,它与PID控制器有许多相似之处,进而设计出模糊PID复合控制器。模糊PID控制器在综放工作面中的应用的关键是模糊控制器的各个参数的整定。因此,我们用传统的方法首先设计一个PID控制器,在稳定时使模糊PID控制器的参数与PID控制器的对应参数相等,逐步调节、修改各个参数,从而可以得出模糊PID控制器的参数,模糊PID控制器在煤矿综放工作面上运用的结果令人满意。     

Application of game theory to the sensitivity design of optimal systems

The theory of games is applied to the design of systems with unknown plant parameters. It is assumed that a controller structure is known and furthermore that this controller is optimal when the controller parameters are equal to the plant parameters. The performance index then becomes a function of plant and controller parameters. This function is treated as a pay-off function with the antagonists represented by the controller and plant parameters. The theory is illustrated with some simple samples.     

参数自调整模糊控制器在便携式低氧环境控制系统中的应用

针对氧气浓度这样的具有非线性、大迟延的控制对象,在基本模糊控制器的基础上,设计了参数自调整模糊控制器,用以调节便携式常压低氧环境中的氧的浓度。实验结果表明,参数自调整模糊控制系统具有较快的响应速度和较小的稳态误差,同时对被控对象的参数变化有一定的自适应能力,控制效果比常规模糊控制系统有明显的改善。     

仿人智能PID控制器设计

PID控制算法简单 ,参数调整方便 ,应用广泛。但是常规的PID控制器参数往往整定不良、性能欠佳 ,对运行工况的适应性很差。该文设计的仿人智能PID控制器用正态函数拟和模糊控制规则 ,辅以根据误差和误差变化率的调整 ,能根据实际情况调整和完善PID参数 ,具有鲁棒性强 ,响应速度快 ,稳态精度高等优点。该方法在导弹自动驾驶仪的设计中有很好的应用效果。     

参数自调整的月球车路径跟踪模糊控制器设计

针对常规模糊控制器需要不断手动调整控制器参数才能获得更好控制效果的缺点,提出一种基于多目标遗传算法NSGA-II进行参数优化的路径跟踪模糊控制器。以CJ-1月球探测车原理型样机为研究对象,用模糊逻辑描述了月球探测车的路径跟踪问题,通过调整规则因子来达到调整模糊规则的目的;引入了积分器以达到较好的稳态性能;采用NSGA-II算法实现了控制器7个参数的优化选择,提高控制器的适应能力。仿真结果表明,在跟踪阶跃路径时,常规模糊控制器超调量达到4.25%,而所设计的参数自调整模糊控制器基本能平稳无超调地跟踪路径,获得更好的控制效果。     

On the use of bifurcation analysis for robust controller tuning for nonlinear systems

This paper presents a new approach to robust controller tuning for nonlinear systems. The main idea is to apply numerical bifurcation analysis to the closed-loop process, using the controller tuning parameters, the set points, and parameters describing model uncertainty (parametric as well as unmodeled dynamics) as bifurcation parameters. By analyzing the Hopf bifurcation and saddle-node bifurcation loci, bounds on the controller parameters are identified. These bounds depend upon the type as well as the degree of mismatch that exists between the plant and the model used for controller design.The method is illustrated by tuning a state feedback linearizing controller for an unstable reactor as well as by comparing a proportional-integral (PI) controller and a state feedback linearizing controller applied to a continuously operated fermenter. The feedback linearizing controller can result in better performance than the PI controller if a very accurate model of the process is known and if the operating conditions vary over a significant range. However, stability properties of systems controlled by feedback linearizing controllers can degrade significantly as the mismatch between the plant and the model increases. This is illustrated in the fermenter example by showing that bounds on the tuning parameter of the feedback linearizing controller are significantly tighter than the ones for the PI controller.     

一种改进的模糊免疫反馈PID控制器

针对P型免疫反馈控制器不能克服动态干扰和消除静态误差的问题,利用模糊控制系统的非线性逼近能力,提出了一种将P型免疫反馈控制器同常规PID控制器进行混合联结的模糊免疫PID控制器的设计方法。该控制器通过免疫反馈控制规律和模糊控制规则在线调整控制器的参数。为了选择一组较优的控制器参数,用免疫算法在全局范围内对控制参数进行离线优化。仿真结果表明,该控制器较常规控制器具有更好的动态、静态特性。     

PID参数整定法的仿真

PID调节器的控制品质,主要取决于调节器的参数整定.计算量大是用理论计算方法整定PID调节器参数要解决的难题之一.针对PID调节器参数整定过程中计算复杂、计算量大的问题,提出了一种基于Matlab的调节器参数衰减频率特性整定法.该方法以Matlab为工具,将理论计算与仿真分析结合起来,根据控制要求计算并绘制出控制器整定参数关系曲线,对计算结果进行仿真,分析整定参数在解平面上变化时闭环系统的响应,从而确定出最佳的调节器整定参数.结果表明,对于不同的被控对象参数或不同的整定要求,该方法都能方便地求得最佳的调节器整定参数,使得采用理论计算法整定调节器参数具有了工程实用价值.     

一种稳定的机器人神经网络控制器研究

研究一种稳定的机器人神经网络（ＮＮ）控制器，提出了由神经网络控制器和监督控制器构成的控制方案，给出了控制器的设计方法及ＮＮ学习自适应律，并基于Ｌｙａｐｕｎｏｖ方法证明了控制系统的稳定性和ＮＮ参数收敛性，仿真结果表明该控制方案具有良好的鲁棒性和参数收敛性，从而证明控制器的有效性。     

基于可变学习率BP算法的空调控制系统的研究

通过分析控制器参数学习率和控制器性能之间的关系,设计一种基于可变学习速率反向传播算法VLRBP和模糊神经元网络的变频空调控制系统.该系统不仅可以通过反传误差信号训练控制器参数,而且可以根据网络的当前状态朝最优化方向调整控制器参数的学习率.实验结果表明,该控制系统不仅比传统的空调PID控制器和模糊控制器具有更好的控制性能,而且相比基于标准BP算法和动量BP算法的模糊神经网络控制系统,也具有更快的收敛速度和更好的控制精确度.