大射电望远镜馈源轨迹跟踪的模糊预测控制

针对新一代大射电镜望远镜悬索馈源系统为时变大滞后的被控对象，并充分考虑易于实现的工程要求，提出一种由模糊预测器和模糊控制器组成的馈源轨迹跟踪自适应模糊预测控制方案。数值仿真证明了该方案的有效性。     

基于NNP预测和FNNC控制的交流伺服系统研究

提出了采用动态BP神经网络预测器(NNP)预测系统输出和基于正态型激活函数的模糊神经网络控制器(FNNC)对交流伺服系统进行控制的思想,对预测器、控制器及其程序设计进行分析。仿真表明该方法具有良好的控制效果。     

基于数据驱动的气动柔性关节Takagi–Sugeno模糊系统建模与预测控制

针对气动柔性关节动态特性复杂、难以实现高精度控制的问题,提出一种基于Takagi–Sugeno (T–S)模糊系统的预测控制方法.首先,应用MBGD–RDA算法对T–S模糊系统进行离线训练,该算法结合了机器学习中的小批量梯度下降算法、正则化、Droprule和AdaBound算法.其次,基于模糊集相似性度量方法,对训练得到的T–S模糊系统的模糊集进行剪枝,对模糊规则进行合并,简化T–S模糊系统结构.最后,设计了基于T–S模糊系统的单层神经网络预测控制器. T–S模糊系统参数和预测控制器参数均能实现在线更新,且基于李雅普诺夫理论的稳定性分析保证了系统的稳定性.仿真结果验证了基于数据驱动的T–S模糊系统的高精度预测性能,且结构简化后的T–S模糊系统在规则数减少的情况下仍能维持较高的预测精度.实际实验中,所提控制方法最大跟踪误差小于3°,而传统的模糊逻辑控制器最大跟踪误差大于5°,这表明所提控制算法显著提升了对柔性关节的跟踪控制精度.     

变风量空调系统优化控制策略研究

变风量空调系统是多变量,大滞后、非线性和不确定性的系统,普通的模糊神经网络控制已难以满足其多变量动态控制的要求,为改善变风量空调系统控制性能,本文提出了一种小波模糊神经网络预测控制方法,实现变风量空调的温湿度有效控制.通过小波神经网络预测器在线建立被控对象的数学模型,并用模糊RBF神经网络控制器对所得到的信息在线修正,优化控制器参数,从而改善系统的控制效果.仿真结果表明,小波模糊神经网络预测控制具有很强的鲁棒性和自适应能力,控制精度高,控制效果好,安全可靠等优点,具有广泛的应用价值.     

非线性系统模糊神经网络变结构自适应控制

在非线性系统的模糊动力学模型基础上,提出一种模糊神经网络变结构自适应控制器;网络的结构根据非线性系统特性动态构成,基于该网络提出非线性预测器,基于梯度法提出了一种网络参数学习算法,并分析了收敛性及其性质。将网络预测器与参数学习算法相结合,构成自适应控制算法,证明了算法的收敛性。仿真结果证实了算法的有效性。     

基于最优保留遗传算法的非线性模糊预测控制

针对传统的模型预测控制不能很好解决具有严重非线性、不确定性的对象或过程的控制问题，提出将模糊模型用于描述对象的非线性动态特性，通过将模糊模型的输出反馈作为模型输入，从而构成了模糊多步预测器。采用一种收敛精度高、速度快的具有最优保留特性遗传算法(EGA)，依据模型预测输出在线滚动求解控制律的非线性预测控制算法。仿真结果表明该算法对一类非线性系统具有较快的响应速度和较强的抗干扰能力。     

基于有序神经网络的神经模糊预测控制

本文使用有序神经网络和改进的模糊控制器构成了一种新型的神经模糊预测控制方法，有序网络学习速度快，所需神经数目少，用事先训练好的有序网络代替传统的预测模型，以期增强输出预测的准确性；同时，用一种改进的模糊控制器原有的PID控制器，增强系统的鲁棒性。仿真结果表明，所提出的神经模糊预测控制方法可以获得理想的控制效果。     

基于最优保留遗传算法的非线性模糊预测控制

针对传统的模型预测控制不能很好解决具有严重非线性、不确定性的对象或过程的控制问题。提出将模糊模型用于描述对象的非线性动态特性。通过将模糊模型的输出反馈回来作为模型输入，从而构成了模糊多步预测器，采用一种收敛精度高、速度快的具有最优保留特性遗传算法(EGA)依据模型预测输出在线滚动求解控制律的非线性预测控制算法。仿真结果表明该算法对一类非线性系统具有较快的响应速度和较强的抗干扰能力。     

氧乐果合成过程温度模糊预测学习控制研究

根据氧乐果合成反应过程分批重复进行且温度控制对象参数时变、时滞后的特点,将迭代学习控制方法应用于氧乐果合成反应过程温度控制。为了消除滞后产生的影响,采用T-S模糊预测模型,在原有反馈-前馈迭代学习算法基础上引入预测思想,研究了基于模糊预测的迭代学习算法,并设计了氧乐果合成过程温度模糊预测学习控制器。实验和仿真结果表明,该控制器能取得比较满意的控制效果。     

基于遗传算法和神经网络预测的再励学习

提出一种基于遗传算法和神经网络预测法相结合的再励学习方法,利用遗传算法对全局进行最优解搜索,将进化过程中产生的数据用来训练神经网络预测器,当再励学习逼近最优解时,利用预测网络估计动作网络的参数、结构与系统响应之间的映射关系,用预测网络逼近最优解的能力引导遗传算法在局部向最优解快速逼近,以解决遗传算法局部振荡问题,从而实现快速学习的能力。将其应用于矢量控制交流电机的速度环控制器自学习中,仿真实验验证了该算法的有效性。     

基于模糊预测PID算法的地下空间湿度控制

根据防护工程地下空间空调系统的时滞以及非线性特性,结合预测控制和模糊控制两种方法,设计了基于模糊预测PID算法的控制器.建立了系统的数学模型,并基于所提出的控制方法对其进行仿真研究,结果显示该控制器抗干扰能力较好,相较于传统PID控制,该控制器调节时间更快,控制效果更佳.     

Self-tuning of 2 DOF control based on evolving fuzzy model

In this paper we present a self-tuning of two degrees-of-freedom control algorithm that is designed for use on a non-linear single-input single-output system. The control algorithm is developed based on the Takagi-Sugeno fuzzy model, and it consists of two loops: a feedforward loop and feedback loop. The feedforward part of the controller should drive the system output to the vicinity of the reference signal. It is developed from the inversion of the T-S fuzzy model. To achieve accurate error-free reference tracking a feedback part of the controller is added. A time-varying error-model predictive controller is used in the feedback loop. The error-model is obtained from the T-S fuzzy model. The T-S fuzzy model of the system, required in the controller, is obtained with evolving fuzzy modelling, which is based on recursive Gustafson-Kessel clustering algorithm and recursive fuzzy least squares. It employs evolving mechanisms for adding, removing, merging and splitting the clusters.The presented control approach was experimentally validated on a non-linear second-order SISO system helio-crane in simulation and real environment. Several criteria functions were defined to evaluate the reference-tracking and disturbance rejection performance of the control algorithm. The presented control approach was compared to another fuzzy control algorithm. The experimental results confirm the applicability of the approach.     

大时滞系统自适应模糊Smith控制

针对大时滞对象，把史密斯（Smith）预估控制原理和模糊控制器参数的自适应调整方法结合起来，即在Smith预估控制系统中，利用自适应机制在线整定模糊控制器的参数，即根据控制系统在各个阶段呈现出的不同特点来适时调节模糊控制器的量化和比例因子，以适应对象特性的变化。仿真研究表明，所提方法能有效克服普通模糊控制算法不适应大时滞系统控制和常规Smith算法过于依赖模型精度的缺陷，提高了普通模糊控制器对大滞后系统的控制能力。同时该算法还具有很强的鲁棒性和良好的控制品质。     

空调蒸发器的自适应预测控制策略

针对空调蒸发器运行状态,提出一种基于模糊神经模型的自适应单神经元预测控制器,该控制器具有结构简单、易于操作、控制器参数可在线调节的特点.离线建立空调蒸发器的模糊神经模型,再利用模型的梯度信息在线调节单神经元控制器参数,使控制系统较快地趋于稳定.仿真结果表明,提出的自适应单神经元预测控制器具有较好的动态性能和稳态性能,并能够成功地应用到空调蒸发器的控制中.     

GA-based nonlinear predictive switching control for a boiler-turbine system

In this paper,the problem of designing a controller for a highly coupled constrained nonlinear boilerturbine system is addressed with a predictive controller.First,a nonlinear predictive control is imp...     

Real-time control of a water-gas shift reactor by a model-based fuzzy gain scheduling technique

A model-based fuzzy gain scheduling technique is proposed. Fuzzy gain scheduling is a form of variable gain scheduling which involves implementing several linear controllers over a partitioned process space. A higher-level rule-based controller determines which local controller is executed. Unlike conventional gain scheduling, a controller with fuzzy gain scheduling uses fuzzy logic to dynamically interpolate controller parameters near region boundaries based on known local controller parameters. Model-based fuzzy gain scheduling (MFGS) was applied to PID controllers to control a laboratory-scale water-gas shift reactor. The experimental results were compared with those obtained by PID with standard fuzzy gain scheduling, PID with conventional gain scheduling, simple PID and a nonlinear model predictive control (NMPC) strategy. The MFGS technique performed comparably to the NMPC method. It exhibited excellent control behaviour over the desired operating space, which spanned a wide temperature range. The other three PID-based techniques were adequate only within a limited range of the same operating space. Due to the simple algorithm involved, the MFGS technique provides a low cost alternative to other computationally intensive control algorithms such as NMPC.     

基于跟踪误差调节的非线性自适应模糊预测控制

将模糊逻辑系统引入预测控制，对一类非线性离散系统提出了直接自适应模糊预测控制的方法，此方法首先建立被控对象的预测模型;然后基于此模型直接利用模糊逻辑系统设计预测控制器，并基于跟踪误差对控制器参数中的未知向量进行自适应调整;最后证明了此方法可使跟踪误差收敛到原点的一个小邻域内。     

大滞后系统模糊自适应PI-Smith控制

工业过程中普遍存在大时滞对象,为了解决大时滞系统控制中超调量大和调节时间长等问题,将史密斯(Smith)预估控制原理和模糊PI控制器参数的自适应调整方法结合起来,在Smith预估控制系统中,用模糊PI控制器代替传统的PID控制器,根据模糊控制原理对PI的2个参数进行在线整定,提出一种大时滞系统的模糊自适应PI-Smith控制方法.通过对电加热炉的仿真研究,结果表明该方法具有调节时间短、无超调量、控制精度高、无稳态偏差的优点,同时对系统模型变化具有良好的适应性.