基于数据融合的自适应神经网络模糊控制系统设计

基于数据融合的思想，提出一种非线性系统的自适应神经网络模糊控制器的设计方法。该方法利用数据融合技术降低了模糊控制器的输入维数，简化了模糊控制器的设计。用自适应神经模糊推理系统的神经网络自学习功能完成模糊控制器的设计。仿真结果表明，自适应神经网络模糊控制系统性能优于采用普通的模糊控制器的情况，为数据融合与智能系统技术在非线性系统中的应用作了有益的探索.     

一类非线性系统的模糊滑模控制

针对一类非线性不确定系统，提出了一种模糊滑模控制器的设计方法。采用模糊神经网络设计系统控制器，基于梯度符号变化的局部学习率自适应BP算法，对模糊神经网络的隶属函数中心、宽度和网络权值进行调节，使滑模等效控制的模糊系统后件参数是自适应的；在系统存在外部干扰并有界时，利用李亚普诺夫方法证明了系统控制的稳定性。通过Matlab仿真分析，表明了所设计的模糊滑模控制器不但具有鲁棒性，而且具有良好的跟踪性能。     

一种基于模糊逻辑神经网络的自适应控制及其应用

本文提出了一种模糊逻辑神经网络自适应控制器．这种控制器由一个模糊高斯神经网络和一个多层神经网络组成．它具有自适应和学习能力．计算机仿真和实际的伺服直流电机调速实验的结果表明本文提出的这种控制器是切实可行的，其系统响应和鲁棒性优于常规的Ｆｕｚｚｙ控制．     

非线性大系统的分散自适应模糊控制*

本文针对非线性大系统，利用模糊系统的逼近能力，提出了一种分散自适应模糊控制器设计的系统方法。控制结构中采用分散模糊系统去自适应补偿过程不确定性，同时用模糊控制器的输出代替常规变结构控制律中的符号函数。利用李亚普诺夫理论，证明了控制算法是全局稳定的，跟踪误差可收敛到零的一个领域内。     

基于在线系统辨识的DMFC模型预测与模糊控制

利用神经网络具有逼近任意复杂非线性函数的能力，以甲醇浓度为神经网络辨识模型的输入量，电池电压／电流密度为输出量．利用1000组实验数据，建立了DMFC电堆的神经网络模型。然后，基于电特性的输入输出关系设计了一个模糊控制器，且利用模糊控制器的输入输出样本训练神经网络。仿真结果表明，所设计的神经网络模糊控制器具有自学习、自适应等优点，达到了在线控制的目的。     

基于模糊神经网络的非线性大系统滑模自适应控制

针对一类非线性大系统，基于模糊神经网络，提出了一种分散滑模自适应控制方法。由模糊神经网络实现滑模控制，平滑了控制切换信号，消除了滑模控制中出现的颤动现象且使系统有强的鲁棒性，同时在控制器的设计中不需要知道系统中的不确定性和扰动的上界。利用Ｌｙａｐｕｎｏｖ稳定理论证明了闭环系统是稳定的且跟踪误差收敛到零的一个邻域内。     

基于系统辨识的燃料电池系统建模和自适应模糊控制

熔融碳酸盐燃料电池（MCFC）发电运行时，电堆的工作温度必须控制在一定的范 围内，否则将导致系统发电效率的降低或危及电堆寿命．因此，实现对MCFC运行温度的在线 控制势在必行．但由于MCFC系统的复杂性，已有模型均为复杂的非线性微分方程组描述的解 析模型，难以满足在线计算的实时控制的要求．因此，本文首先利用神经网络辨识技术基于 实验的输入（气体流量）输出（温度）数据建立起MCFC电堆的神经网络模型；然后，基于这 一电堆模型，设计了一个MCFC电堆工作温度的在线改进型自适应模糊控制器．该控制器对传 统的模糊控制方法存在的缺陷进行了改进，它一方面采用BP算法对模糊系统的参数进行修正 ，另一方面又通过聚类算法对模糊系统的结构进行自适应调整．最后，用神经网络辨识模型 代替实际的MCFC电堆进行了控制仿真，仿真结果证明对MCFC辨识电堆建模的有效性，以及所 设计的模糊控制器的性能优越性．     

神经网络自适应模糊控制在温度控制系统中的应用

把神经网络与模糊控制相结合，提出一种基于神经网络的自适应模糊控制器。这种控制器由模糊神经网络控制器和模型网络组成，采用快速的变斜率梯度下降算法学习，具有自适应学习功能，仿真结果及其应用于温度控制系统中，控制性能明显于一般Ｆｕｚｚｙ控制。     

一类非线性神经模糊控制系统

针对离散非线性系统,将神经网络和模糊技术有机结合,模糊神经网络与自适应控制方案相结合,设计了一种模糊神经网络自适应控制系统,它由模糊对向传播(FCP)网络辨识器和径向基函数(RBF)神经网络控制器组成,仿真结果表明了该方案的有效性。     

一类非线性神经模糊控制系统

针对离散非线性系统,将神经网络和模糊技术有机结合,模糊神经网络与自适应控制方案相结合,设计了一种模糊神经网络自适应控制系统,它由模糊对向传播（FCP）网络辨识器和径向基函数（RBF）神经网络控制器组成,仿真结果表明了该方案的有效性。     

分散自适应模糊滑模控制器的设计与分析

研究了一类具有函数控制增益的耦合大系统的分散自适应模糊控制问题 ,提出了能够利用专家的语言信息和数字信息的分散自适应模糊滑模控制器的设计方案 .通过理论分析 ,证明了分散自适应模糊控制系统是全局稳定的 ,跟踪误差可收敛到零的一个邻域内     

一类大系统的分散自适应模糊滑模控制

研究了一类具有未知函数控制增益的非线性大系统的分散模糊控制问题.基于滑模 控制原理和模糊集理论,提出了一种分散自适应模糊控制器的设计方法.通过理论分析,证明 了分散自适应模糊控制系统是全局稳定的,跟踪误差可收敛到零的一个领域内.     

分散混杂自适应模糊H∞控制器及其在自动化公路系统中的应用

本文针对一类SISO不确定非线性大系统,提出了一种混杂间接和直接自适应分散模糊H∞控制器.通过组合模糊系统和H∞跟踪技术开发的分散自适应模糊控制算法避免了控制设计中含有的符号函数.两种自适应模糊控制器的组合消除了它们各自均不能够同时融合被控对象知识与控制知识的局限.闭环大系统被证明是稳定的,且具有H∞跟踪性能.该算法应用于自动化公路系统中车辆的纵向跟随控制,仿真结果表明混杂自适应模糊H∞控制系统的跟踪性能更好而相应的控制幅值却更小.     

Robust decentralized direct adaptive output feedback fuzzy control for a class of large-sale nonaffine nonlinear systems

In the previous work of Huang et al., a decentralized direct adaptive fuzzy H_∞ tracking controller of large-scale nonaffine nonlinear systems is obtained predicated upon the assumption that the mismatching error dynamics stay squared integrable. In this note, we focus in the absence of the conservative assumption upon developing a robust decentralized direct adaptive output feedback fuzzy controller. By combination of a state observer, a fuzzy inference system and robust control technique, the previous controller design is modified and no a priori knowledge of bounds on lumped uncertainties is required. All the signals of the closed-loop large-scale system are proved to be uniformly ultimately bounded. The effectiveness of the developed scheme is demonstrated through the simulation results of interconnected inverted pendulums.     

高阶耦合机器人的自适应模糊滑模分散控制

针对一类存在模型不确定性和未知非线性扰动的机器人系统,考虑其不确定项和未知扰动项的上界是关于系统状态的普通高阶多项式,结合模糊系统的逼近能力,提出了一种基于滑模控制原理的自适应模糊分散控制方法.该方法不仅能够使得关节之间相互耦合的机器人各关节的控制器仅由本关节的信息就能完全确定,而且消除了现存文献在设计机器人分散控制器...     

基于一种修改的李亚普诺夫函数的自适应模糊滑模控制

针对一类不确定非线性系统,基于一种修改的李亚普诺夫函数并利用Ⅱ型模糊系统的 逼近能力,提出了一种稳定自适应模糊控制器设计的新方案.该方案能够避免现有的一些自适 应模糊/神经网络控制器设计中对控制增益一阶导数上界的要求.通过理论分析,证明了闭环模 糊控制系统是全局稳定的,跟踪误差收敛到零.     

Decentralized intelligent tracking control for uncertain high‐order stochastic nonlinear strong interconnected systems in drift and diffusion terms

This paper focuses mainly on decentralized intelligent tracking control for a class of high‐order stochastic nonlinear systems with unknown strong interconnected nonlinearity in the drift and diffusion terms. For the control of uncertain high‐order nonlinear systems, the approximation capability of RBF neural networks is utilized to deal with the difficulties caused by completely unknown system dynamics and stochastic disturbances, and only one adaptive parameter is constructed to overcome the overparameterization problem. Then, to address the problem from high‐order strong interconnected nonlinearities in the drift and diffusion terms with full states of the overall system, by using the monotonically increasing property of the bounding functions, the variable separation technique is achieved. Lastly, based on the Lyapunov stability theory, a decentralized adaptive neural control method is proposed to reduce the number of online adaptive learning parameters. It is shown that, for bounded initial conditions, the designed controller can ensure the semiglobally uniformly ultimate boundedness of the solution of the closed‐loop system and make the tracking errors eventually converge to a small neighborhood around the origin. Two simulation examples including a practical example are used to further illustrate the effectiveness of the design method.     

H∞ decentralized fuzzy model reference tracking controldesign for nonlinear interconnected systems

In general, due to the interactions among subsystems, it is difficult to design an H_∞ decentralized controller for nonlinear interconnected systems. The model reference tracking control problem of nonlinear interconnected systems is studied via H_∞ decentralized fuzzy control method. First, the nonlinear interconnected system is represented by an equivalent Takagi-Sugeno type fuzzy model. A state feedback decentralized fuzzy control scheme is developed to override the external disturbances such that the H∞ model reference tracking performance is achieved. Furthermore, the stability of the nonlinear interconnected systems is also guaranteed. If states are not all available, a decentralized fuzzy observer is proposed to estimate the states of each subsystem for decentralized control. Consequently, a fuzzy observer-based state feedback decentralized fuzzy controller is proposed to solve the H_∞ tracking control design problem for nonlinear interconnected systems. The problem of H _∞ decentralized fuzzy tracking control design for nonlinear interconnected systems is characterized in terms of solving an eigenvalue problem (EVP). The EVP can be solved very efficiently using convex optimization techniques. Finally, simulation examples are given to illustrate the tracking performance of the proposed methods     

Model reference output feedback fuzzy tracking control design for nonlinear discrete-time systems with time-delay

In this study, a model reference fuzzy tracking control design for nonlinear discrete-time systems with time-delay is introduced. First, the Takagi and Sugeno (TS) fuzzy model is employed to approximate a nonlinear discrete-time system with time-delay. Next, based on the fuzzy model, a fuzzy observer-based fuzzy controller is developed to reduce the tracking error as small as possible for all bounded reference inputs. The advantage of proposed tracking control design is that only a simple fuzzy observer-based controller is used in our approach without feedback linearization technique and complicated adaptive scheme. By the proposed method, the fuzzy tracking control design problem is parameterized in terms of a linear matrix inequality problem (LMIP). The LMIP can be efficiently solved using the convex optimization techniques. Simulation example is given to illustrate the design procedures and tracking performance of the proposed method.