基于LS-SVM的船舶航向模型预测控制

针对船舶动态性能具有较强的非线性、大惯性及时变性的特点,采用具有RBF核函数的最小二乘支持向量机(LS-SVM),利用其可以任意逼近非线性模型的良好特性实现对船舶模型有效辨识,得到船舶航向控制系统的非线性逼近模型,并将其与模型预测控制方法相结合,将最小二乘支持向量机辨识得到的系统模型作为预测模型,并将系统模型进行线性化并用线性预测控制方法求得解析的控制律,实现对船舶航向的预测控制,达到良好航向保持目的。仿真结果表明,最小二乘支持向量机降低了计算复杂度,且有较快计算速度,在小样本情况下具有良好的泛化能力;基于最小二乘支持向量机的船舶航向预测控制系统对外界干扰及模型参数摄动均具有较好的适应能力以及良好的控制性能。     

航向保持鲁棒最小二乘支持向量机控制

考虑到船舶航向控制中,存在的大量不确定因素及对控制系统的实时性要求,提出一种基于鲁棒最小二乘支持向量机(RLSSVM)的船舶航向保持控制方案.该控制策略充分利用最小二乘支持向量机良好的非线性映射能力、自学习适应能力和并行信息处理能力,并与H~2/H~∞鲁棒控制算法相结合,优势互补,形成闭环控制.仿真结果表明,该系统对海情的变化有良好的自适应能力,鲁棒性强,实现了航向保持精确控制.     

支持向量机的多层动态自适应参数优化

首先提出了基于多层动态自适应搜索技术的最小二乘支持向量机参数优化方法，然后采用最小二乘支持向量机对典型非线性控制系统的辨识进行了研究．辨识结果表明，最小二乘支持向量机可以用于非线性控制系统辨识，多层动态自适应搜索方法确定了最优支持向量机参数，从而获得精确的非线性控制系统辨识结果．     

气垫船航向的智能控制及仿真研究

研究气垫船航向优化控制问题,航向受到多种影响,具有非线性、时变等特点,常规PID难以建立精确的控制模型,控制精度低,影响航向控制.为了提高气垫船航向控制精度,提出一种粒子群优化算法、最小二乘支持向量机和常规PID相融合的气垫船航向控制算法(PSO-LSSVM-liD).采用粒子群算法对气垫船PID参数进行在线整定,同时采用最小二乘支持向量机对航向变化进行预测,然后PID根据预测结果对气垫船航向进行超前控制.仿真结果表明,PSO-LSSVM-PID提高了气垫船航向控制精度,克服了常规PID控制算法存的缺陷,环境适应能力更强,可以保证气垫船安全航行.     

满秩分解最小二乘法船舶航向模型辨识

为了解决标准遗忘因子最小二乘法在线辨识船舶航向模型参数漂移和发散问题,考虑到船舶在实际航行中存在海洋环境扰动和数据欠激励的情况,提出并验证了一种基于满秩分解的递推最小二乘法.用实船数据进行船舶航向模型参数辨识,将辨识结果与标准遗忘因子最小二乘算法、多新息最小二乘法、最小二乘支持向量机的辨识结果进行对比,验证了满秩分解有...     

混沌最小二乘支持向量机的AUV航向预测控制

针对AUV航向控制中存在不确定因素,尝试提出一种混沌最小二乘支持向量机(Chaos-LSSVM)的航向预测控制方案。由于AUV是典型的非线性系统,利用LSSVM解决航向非线性建模问题,采用Chaos算法在线优化LSSVM模型参数,预测控制AUV的航向,保证了航向预测控制的精度。最后Chaos-LSSVM与Fuzzy-PID预测控制器仿真结果对比表明,文中方法有效地提高了模型预测控制的精确性,且对于有海流海浪干扰及模型参数摄动具有较好的自适应抗干扰能力。     

基于LS-SVM预报的动态矩阵预测控制

针对实际工业过程中的非线性及时变特性,传统预测控制算法就难于建立精确的数学模型,从而提出了一种基于最小二乘支持向量机预报的动态矩阵预测控制模型.在整个过程中,首先建立基于最小二乘支持向量机的非线性动态矩阵预测控制结构,通过利用最小二乘支持向量机辨识被控对象模型,同时预测对象的未来输出,然后用动态矩阵控制算法进行滚动优化和反馈校正.仿真实例表明该模型对预测结果有很好的控制作用,有效消除输入干扰的影响,从而提高了预测精度.     

基于自适应遗传算法LS-SVM的网络流量预测

网络流量受众多因素的影响并且具有复杂的非线性特点,因此网络流量的预测和分析是一个很复杂的问题,最小二乘支持向量机能够成功地解决非线性问题并应用于网络流量的预测和分析.提出一种最小二乘支持向量机模型,将自适应遗传算法用于最小二乘支持向量机参数寻优,并将该模型用于网络流量的预测和分析.对比实验表明,基于最小二乘支持向量机的网络预测模型具有更强的预测能力,在网络流量预测中有一定的实用价值.经实例验证,该模型预测精度高.     

基于L S-SVM 的非线性预测控制技术

探讨了利用最小二乘支持向量机(LS—SVM)进行非线性系统辨识的方法，LS—SVM用等式约束代替传统支持向量机中不等式约束，求解过程从解QP问题变成解一组等式方程，将得到的LS—SVM模型应用到非线性预测控制，提出了基于LS—SVM模型的非线性预测控制算法，通过CSTR过程仿真表明，最小二乘支持向量机学习速度快，在小样本情况下具有良好的非线性建模和泛化能力，基于LS—SVM的预测控制算法具有很好的控制性能。     

最小二乘支持向量机用于水量预测

针对标准支持向量机建模时间长的缺点,为了城市用水量准确预测,需建立有效的预测模型.采用的最小二乘支持向量机基于结构风险最小化,并在支持向量机的基础上,将求解二次规划问题转化线性方程组,采用径向基核函数,使最小二乘支持向量机模型的待定参数比标准支持向量机少,可大大加快建模速度,同时还采用了人工免疫系统的自适应动态克隆选择算法,在寻优过程中能够准确、快速地搜索最小二乘支持向量机的最优参数.把上述模型用于城市日用水量预测,具有学习速度快.也具有良好的非线性建模和泛化能力,而且预测精度较高.     

Hybrid control of a pneumatic artificial muscle (PAM) robot arm using an inverse NARX fuzzy model

We investigated the possibility of applying a hybrid feed-forward inverse nonlinear autoregressive with exogenous input (NARX) fuzzy model-PID controller to a nonlinear pneumatic artificial muscle (PAM) robot arm to improve its joint angle position output performance. The proposed hybrid inverse NARX fuzzy-PID controller is implemented to control a PAM robot arm that is subjected to nonlinear systematic features and load variations in real time. First the inverse NARX fuzzy model is modeled and identified by a modified genetic algorithm (MGA) based on input/output training data gathered experimentally from the PAM system. Second the performance of the optimized inverse NARX fuzzy model is experimentally demonstrated in a novel hybrid inverse NARX fuzzy-PID position controller of the PAM robot arm. The results of these experiments demonstrate the feasibility and benefits of the proposed control approach compared to traditional PID control strategies. Consequently, the good performance of the MGA-based inverse NARX fuzzy model in the proposed hybrid inverse NARX fuzzy-PID position control of the PAM robot arm is demonstrated. These results are also applied to model and to control other highly nonlinear systems.     

Dynamic positioning of drilling vessels with a fuzzy logic controller

A fuzzy logic controller for dynamic positioning of drilling vessels in deep water is presented. The core of the fuzzy controller is a set of fuzzy associative memory (FAM) rules that correlate each group of fuzzy control input sets to a fuzzy control output set. A FAM rule is a logical if-then-type statement based on one's sense of realism and experience or can be provided by an expert operator. The design of the fuzzy controller is very simple and does not require mathematical modelling of the complicated nonlinear system based on first principles. The fuzzy controller uses measured vessel heading, yaw rate, distance and velocity of the vessel relative to the desired position (location and heading) to generate the control outputs to bring the vessel to and maintain it in the desired position. The control outputs include the rudder angle, propeller thrust and lateral bow thrust. The effectiveness and robustness of the fuzzy controller are demonstrated through numerical time-domain simulations of the dynamic positioning of a drill ship of Mariner Class hull with use of nonlinear ship equations of motions.     

Interval type-2 fuzzy inverse controller design in nonlinear IMC structure

In the recent years it has been demonstrated that type-2 fuzzy logic systems are more effective in modeling and control of complex nonlinear systems compared to type-1 fuzzy logic systems. An inverse controller based on type-2 fuzzy model can be proposed since inverse model controllers provide an efficient way to control nonlinear processes. Even though various fuzzy inversion methods have been devised for type-1 fuzzy logic systems up to now, there does not exist any method for type-2 fuzzy logic systems. In this study, a systematic method has been proposed to form the inverse of the interval type-2 Takagi-Sugeno fuzzy model based on a pure analytical method. The calculation of inverse model is done based on simple manipulations of the antecedent and consequence parts of the fuzzy model. Moreover, the type-2 fuzzy model and its inverse as the primary controller are embedded into a nonlinear internal model control structure to provide an effective and robust control performance. Finally, the proposed control scheme has been implemented on an experimental pH neutralization process where the beneficial sides are shown clearly.     

基于逆系统的赖氨酸发酵多变量解耦内模控制

针对赖氨酸发酵过程的时变、非线性和高耦合性,提出基于逆系统的赖氨酸发酵多变量解耦内模控制方法。根据动态递归模糊神经网络(DRFNN)的非线性辨识原理离线建立发酵过程的逆模型,将得到的逆模型串联在发酵系统之前,实现了发酵过程输入输出解耦线性化,从而得到伪线性系统;对复合后的伪线性系统采用内模控制。仿真结果表明,该方法能够适应赖氨酸发酵过程模型的不确定性和参数的时变性,具有较强的鲁棒性,且结构简单,易于实现。     

基于ANN逆模型补偿的复合控制系统仿真

为对复杂非线性系统进行辨识建模和实施有效控制，分析了基于神经网络的非线性系统逆模型的辨识和控制原理，研究了基于神经网络的非线性系统逆模型补偿的复合控制方法。基于复合控制思想，时常规PID控制器＋前馈神经网络逆模型补偿的复合控制结构方案进行了仿真。仿真结果表明，基于神经网络的非线性系统逆模型补偿的复合控制结构方案是有效的、相对简单的网络结构，可提高逆模型的泛化能力和非线性系统的控制精度。     

T–S fuzzy model with nonlinear consequence and PDC controller for a class of nonlinear control systems

In this paper a new Takagi–Sugeno (T–S) fuzzy model with nonlinear consequence (TSFMNC) is presented which can approximate a class of smooth nonlinear systems, nonlinear dynamical systems and nonlinear control systems. It is also proved that Takagi–Sugeno fuzzy controller with nonlinear consequence (TSFCNC) can be used to approximate a class of nonlinear state-feedback controllers using the so-called parallel distributed compensation (PDC) method. The inverted pendulum problem has been simulated with TSFCNC and compared with Takagi–Sugeno fuzzy controller with linear consequence (TSFCLC) and the results show that TSFCNC performs better than TSFCLC. A real-life example of dynamic positioning of ship is simulated and the results also show that TSFCNC performs better than TSFCLC.     

基于模糊模型的非线性内模控制策略研究

针对一类非线性动态过程提出了基于模糊模型的非线性内模控制算法(NFIMC)。NFIMC控制器包括逆模糊模型控制器和滤波器。过程的模糊模型和逆模糊模型均可由模糊辨识获得。CSTR的仿真结果表明:该算法可以对强非线性过程实现有效控制,并且具有结构简单、计算效率高等优点,有利于在线应用。     

一种基于遗传算法的模糊内模控制方法

针对一类非线性过程,提出了基于T-S模糊模型的非线性内模控制方法.使用遗传算法和模糊聚类方法进行模糊建模,解决了非线性内模控制方法中建立精确的模型及其逆模型困难的问题.通过模糊辨识获得过程的T-S模型及逆模型,并以此设计了内模控制器.最后,将该方法应用于一类非线性过程的控制,仿真结果表明该方法的有效性.     

基于自适应模糊滑模控制的船舶航向控制器设计

针对船舶运动系统中固有的非线性、模型不确定性和风、浪、流等的干扰.提出了自适应模糊滑模控制(AFSMC)策略解决船舶的航向控制问题.通过采用模糊逻辑系统逼近系统未知函数,将滑模控制技术与自适应模糊控制技术相结合,设计了船舶航向AFSMC控制器.在滑模边界层内应用PI (proportional-integral)控制代替滑模控制中的切换项,削弱了滑模控制带来的抖振现象.借助李亚普诺夫函数证明了船舶运动系统中的信号都一致有界并利用Barbalat引理证明了跟踪误差渐近收敛到零.在参数摄动和外界干扰情况下进行了航向保持与改变仿真试验,采用AFSMC控制器得到了与无摄动和无干扰情况下相似的输出响应.实验结果表明,所提控制器能有效地处理系统不确定性和外界干扰,控制性能良好,具有很强的鲁棒性.     

拓扑切换下IT2 T-S模糊非线性多智能体系统全局逆最优控制

针对连续非线性多智能体系统的全局最优协同控制问题,本文提出了模糊输出反馈和逆最优方法的分布式一致性最优控制律和相应的控制策略.首先,通过一种区间2型T-S (interval type 2 Takagi-Sugeno IT2 T-S)模糊模型将非线性系统等价转化为线性系统.其次,基于逆最优方法设计了全局最优协同控制律和相应的模糊输出反馈控制策略,智能体间仅仅通过局部通信,即可实现拓扑切换下非线性多智能体系统的二次性能全局最优控制,且系统的收敛速度大大提高.基于局部稳定性理论给出了全局逆最优控制的充要条件.最后,通过MATLAB算例验证所提方法的正确性和可行性.