模糊预测控制机理研究

探讨了模糊预测控制机理，提出了两种模糊预测模型，并利用泛布简化法对它们进行了处理，得到了模糊预测模型规范化模式，在此基础上研究一套完整的模糊预测控制算法，并将此控制算法进行了仿真研究和比较性研究，研究结果表明，模糊预测控制优于其它常规控制。     

预测控制滚动优化模型及优化参数的选取

对预测控制模型的建立、滚动优化计算及优化参数的选取进行了理论探讨。     

基于模糊神经网络的非线性系统预测函数控制研究

针对预测函数控制难以很好地实现非线性系统控制的问题,将模糊神经网络与预测函数控制相结合,设计一种基于模糊神经网络的非线性系统的预测函数控制器。用模糊神经网络辨识非线性系统的模型,辨识结果送到预测函数控制中,从而得到预测模型,最终得到最优的控制量。通过Matlab计算机仿真,可以看出此控制器对于非线性系统具有良好的控制效果和鲁棒性。     

非线性系统模糊预测控制研究

研究了非线性系统模糊预测控制的结构原理和算法原理。推导了相应的模糊预测控制算法,提出了模糊模型的在线递推修正公式,并对典型的非线性系统模糊预测控制进行了仿真研究。研究结果表明,所提出的非线性系统模糊预测控制算法,具有软件实现简易、系统性能优良等优点。     

非线性系统模糊预测控制研究

研究了非线性系统模糊预测控制的结构原理和算法原理。推导了相应的模糊预测控制算法,提出了模糊模型的在线速推修正公式,并对典型的非线性系统模糊预测控制进行了仿真研究。研究结果表明,所提出的非线性系统模糊预测控制算法,具有软件实现简易、系统性能优良等优点。     

模型不确定非线性系统的自适应模糊Backstepping预测控制

为解决一类模型不确定严格反馈非线性系统的跟踪控制问题,提出一种使闭环系统稳定且滚动时域性能指标在线最小化的自适应模糊反步预测控制策略。模糊系统用来逼近该设计过程中的未知非线性项,自适应参数直接用来估计最优逼近权值向量范数的平方,从而只有一个自适应参数需要在线调节;同时考虑模糊基函数的性质,所设计的控制律与自适应律均不含模糊基函数项,理论证明该方法设计的控制器保证闭环系统所有信号是半全局有界的,并且跟踪误差收敛于零的某一邻域。该方法所设计的控制器形式简单,计算量小,更易于实际应用,仿真算例验证提出算法的有效性。     

禁忌搜索算法在预测控制中的应用

滚动优化是预测控制的核心,探讨了一种寻优能力强的算法--禁忌搜索算法,并将其用于滚动优化中。它将滚动优化中的目标函数值作为禁忌对象,将控制量取值范围进行邻域划分为几个超矩形空间,使用两重准则来判断各点是否被禁忌,并提出相应的特赦准则和终止原则,使滚动优化转化为一般无约束的优化问题。最后通过对三角波和随机信号的跟踪仿真验证了其有效性。     

基于模糊模式识别在暴雨滑坡预测中的研究

本文通过对滑坡灾害预测常用方法的研究,得出回归拟合模型和灰色模型的不足之处,进而利用模糊模式识别的方法进行系统建模,说明模糊识别方法在滑坡灾害预测方面较优于其他两种方法。     

基于RBF和模糊预测的AGV轨迹跟踪控制

针对AGV系统存在初始位姿误差,而且给定轨迹又不连续时,应用传统的轨迹跟踪控制方法,就会使其初始速度产生较大跳变的问题,基于径向基函数(RBF)神经网络的非线性动态系统在线建模,将模糊控制技术与预测控制技术相结合,提出基于反演(Backstepping)方法的速度控制器和基于RBF的模糊预测转矩控制器,实施AGV路径跟随和轨迹跟踪控制.仿真和实验结果表明,设计的速度控制器和转矩控制器使AGV系统不仅有较好的动态性能,而且具有较强的鲁棒性.     

预测模糊控制在足球机器人底层动作优化中的应用

根据足球机器人的运动学模型，考虑到系统的时滞性、非线性等特点，采用预测模糊控制优化机器人的底层动作，详细介绍了足球机器人预测模糊控制系统的设计过程，并通过实验验证了该方法的可行性。     

Neuro-fuzzy predictive control for nonlinear application

Aiming at the unsatisfactory dynamic performances of conventional model predictive control （MPC） in a highly nonlinear process, a scheme employed the fuzzy neural network to realize the nonlinear process is proposed. The neuro-fuzzy predictor has the capability of achieving high predictive accuracy due to its nonlinear mapping and interpolation features, and adaptively updating network parameters by a learning procedure to reduce the model errors caused by changes of the process under control. To cope with the difficult problem of nonlinear optimization, Pepanaqi method was applied to search the optimal or suboptimal solution. Comparisons were made among the objective function values of alternatives in initial space. The search was then confined to shrink the smaller region according to results of comparisons. The convergent point was finally approached to be considered as the optimal or suboptimal solution. Experimental results of the neuro-fuzzy predictive control for drier application reveal that the proposed control scheme has less tracking errors and can smooth control actions, which is applicable to changes of drying condition.     

分布式模型预测电压控制方法研究

针对集中式模型预测控制应用于大型电力系统长期电压稳定控制中存在滚动优化计算量大的问题,提出了一种分布式模型预测电压控制算法,即将一个复杂大规模系统分解为若干区,从而将求解全网大型在线滚动优化问题分解为求解各个区的在线滚动优化问题,并通过通信网络实现各个区之间信息交换,降低问题的规模和复杂性。分别采用集中式和分布式模型预测控制方法,对New England 10机39节点设计电压控制器,通过仿真和对比分析证实分布式模型预测是可行的且在计算速度方面具有优势。     

基于模糊数和插值原理的模糊控制

本文通过对大量数字仿真结果的分析,阐述了基于模糊数和插值原理的模糊控制方法(简称插值法)的优越性。     

基于模型参考模糊自适应的多缸同步控制

针对各通道间存在的耦合和外力扰动作用,以及工况和负载的复杂多变性,以四缸同步系统为例,应用了模型参考模糊自适应控制。根据被控对象和参考模型的输出偏差和偏差的变化来调整PI控制器的比例系数和积分系数,即通过模糊推理实时地调节PI参数,使受控系统的输出趋近于参考模型输出。仿真结果表明：该方法比传统PID控制能更有效的抑制各通道间的耦合和外力扰动作用,提高了系统的鲁棒性和同步精度。     

AGV建模和自适应模糊滑模跟踪控制研究

介绍了自动导引小车AGV的跟踪控制技术的研究现状;建立了AGV跟踪误差系统运动学和动力学的混合模型;针对AGV的初始位存在误差或给定轨迹不连续时,传统PID轨迹跟踪控制器会使其初始速度产生一个较大跳变的问题,将滑模变结构控制技术与自适应模糊控制技术相结合,提出了一种基于模糊滑模的AGV自适应模糊路径跟随和轨迹跟踪控制器。仿真和实验结果表明,给出的自适应模糊滑模控制器不仅有较好的轨迹跟踪控制效果,而且具有较强的鲁棒性。     

基于参考模型的自适应模糊控制系统设计与仿真

参考模型自适应控制可以应用于各种不同类型的模糊控制系统。介绍了基于参考模型的自适应模糊控制系统的结构,设计了模糊自适应控制器,并进行了仿真。仿真结果表明,基于参考模型的自适应模糊控制系统有良好的控制性能。     

The Development of a Fuzzy Predictive Control System for Automotive Anti-lock Braking System

This paper presents the model of one-tire kinetics、tires、the braking system and the model of control system. On virtual road, this paper builds a fuzzy predictive control system to insure the best attachment coefficient between tires and road. And it turns out to be that this fuzzy predictive control method has achieved good performances.