基于模糊滑模的不确定混沌系统控制

提出了一种利用直接自适应模糊神经网络控制与模糊滑膜控制相结合来控制一类不确定非线性混沌系统的新方法。应用Takagi-Sugeno模糊逻辑系统设计系统控制律和参数在线调整规则,使控制系统能准确的跟踪给定信号,同时具有较强的抑制系统参数摄动的能力以及抑制随机噪声的能力。仿真实验结果表明,此算法有效地实现了不确定混沌系统的追踪控制,使系统的跟踪误差减小,提高了系统的鲁棒性,应用前景十分广阔。     

基于自适应神经网络的不确定非线性系统的模糊跟踪控制

提出了一种基于模糊模型和自适应神经网络的跟踪控制方法.在系统具有未知不确定非线性特性的情况下,首先利用T＿S模糊模型对系统的已知特性进行近似建模,对基于模糊模型的模糊H∞跟踪控制律进行输出跟踪控制.并在此基础上,进一步采用RBF神经网络完全自适应控制,通过在线自适应调整RBF神经网络的权重、函数中心和宽度,从而有效地消除系统的未知不确定性和模糊建模误差的影响,保证了非线性闭环系统的稳定性和系统的H∞跟踪性能,而不要求系统的不确定项和模糊建模误差满足任何匹配条件或约束.最后,将所提出的方法应用到一非线性混沌系统,仿真结果表明了所提出的方案不仅能够有效地稳定该混沌系统,而且能使系统输出跟踪期望输出.     

不确定混沌系统的模糊自适应控制

根据动态系统的输入输出数据，研究不确定混沌系统的建模及控制问题。利用高斯模糊隶属函数和最小二乘法，提出一种新的不确定混沌系统的智能模糊建模及其自适应控制策略。理论分析和仿真结果表明，采用所提出的控制方法建模拟合精度高，控制响应速度快，且具有良好的鲁棒性。     

自适应模糊控制理论的研究综述

针对近10年来自适应模糊控制的主要研究成果,从模糊系统、模糊控制、稳定性、模糊逼近和神经网络等方面较详细地概括与分析了自适应模糊控制理论的研究与进展,特别是在Lyapunov稳定性理论下,基于模糊模型的自适应模糊控制与鲁棒控制、滑模控制等传统方法的结合与互补为非线性系统建模与控制提供了强有力的工具.最后对自适应模糊控制新的研究方向进行了展望,模糊建模与自适应控制的研究具有重要的理论和实际意义.     

非线性互联系统的分散混合自适应智能控制

针对一类高阶互联MIMO非线性系统，利用TS模糊系统和神经网络的通用逼近能力，在神经网络控制器中引入模糊基函数，提出一种分散混合自适应智能控制器设计的新方案．基于等价控制思想，设计分散自适应控制器，无需计算TS模型．通过对不确定项进行自适应估计，取消了其存在已知上界的假设．通过理论分析，证明了闭环智能控制系统所有信号有界，跟踪误差收敛到零．     

不确定混沌系统的差分进化小波神经网络控制

提出一种基于小生境自适应差分进化小波神经网络（NADE-WNN）的方法对不确定混沌系统进行控制。该方法利用小波神经网络学习未知模型混沌系统的动态特性并实施控制,为提高神经网络的学习精度和收敛速度,采用小生境自适应差分进化算法同时优化小波神经网络的结构和参数,简化网络结构,提高网络的学习精度和全局收敛性。仿真实验结果表明,在有外部干扰和参数摄动的情况下,NADE-WNN仍能对不确定混沌系统进行有效控制,且网络结构、控制精度和收敛速度都优于传统神经网络。     

基于模糊神经网络的通用模型自适应控制

自适应控制是一种提高系统鲁棒性的有效方法。模糊神经网络具有了模糊逻辑和神经网络两者的优点,结合模糊神经网络（Fuzzy Neural Network—FNN）自适应控制策略和通用模型控制（Common Model Control—CMC）方法,以此来实现被控对象的逆控制,提出了基于模糊神经网络的通用模型自适应控制（FNNC—CMAC）。此控制方法参考轨迹是一条典型二阶曲线,仿真结果验证了鲁棒性,与基于模糊神经网络的通用模型控制及基于模糊逻辑的通用模型自适应控制相比,其控制性能更好。     

不确定时滞系统的模糊神经网络自适应PID控制

对于不确定时滞对象，提出了一种模糊神经网络自适应调整PID参数的控制方法，利用模糊逻辑实现了模糊化，利用多层BP神经网络来实现模糊推理。该网络通过学习并记忆PID参数调整规则，实现了在线调整PID参数。通过对一类不确定时滞系统的仿真，验证了该方法具有较好的控制效果。     

一类模型未知系统的辨识和混沌化控制

对于一类模型未知的非混沌系统采用模糊神经网络辨识其动力学特性, 将得到的模糊神经网络辨识模型应用于逆系统方法中, 实现了一类模型未知非混沌系统的混沌化控制. 该方法不依赖于被控对象的数学模型, 就可以进行有效控制. 研究了模糊神经网络辨识误差对控制精度的影响, 证明了适当设计参数可以使由辨识误差引起的控制误差小于辨识误差. 针对连续和离散两类系统的仿真研究证明了该方法的有效性.     

基于快速算法的模糊神经网络自适应控制

针对过程控制中被控对象常具有非线性、不确定性及参数时变等复杂因素,而难以建立精确的数学模型的情况,提出了一种基于快速学习算法的模糊神经网络自适应预测控制方案。该方案用神经网络作辨识器,模糊神经网络作控制器来实现非线性系统的自适应预测控制。为了克服传统的梯度下降法收敛速度慢、容易陷入局部极小值的缺点,该方案采用递推最小二乘法训练模糊神经网络。仿真结果表明,该方案可以实现模糊控制和神经网络的优势互补,对不确定非线性系统具有很好的控制效果。     

基于D-FNN的混沌铁磁谐振系统非线性补偿控制方法

针对电网混沌铁磁谐振系统产生的混沌现象,提出基于动态模糊神经网络的混沌铁磁谐振系统非线性补偿控制方法。该方法采用动态模糊神经网络来逼近系统的非线性部分,消除了过电压的混沌现象,将系统稳定到目标位置,实现了对系统的非线性补偿控制。Matlab仿真结果表明,基于动态模糊神经网络的非线性补偿控制方法控制结果正确,响应快速。     

基于干扰观测器的一类不确定非线性系统自适应二阶动态terminal滑模控制

针对一类不确定非线性系统的跟踪控制问题,在考虑建模误差、参数不确定和外部干扰情况下,以其拥有良好的跟踪性能以及强鲁棒性为目标,提出基于回归扰动模糊神经网络干扰观测器(recurrent perturbation fuzzy neural networks disturbance observer,RPFNNDO)的鲁棒自适应二阶动态terminal滑模控制策略.将回归网络、模糊神经网络和sine-cosine扰动函数各自优势相结合,给出一种回归扰动模糊神经网络结构,提出RPFNNDO设计方法,保证干扰估计准确性;构造基于带有指数函数滑模面的二阶快速terminal滑模面,给出其控制器设计过程,避免了滑模到达阶段、传统滑模的抖振问题,采用具有指数收敛的鲁棒项抑制干扰估计误差对系统跟踪性能的影响,利用Lyapunov理论证明闭环系统的稳定性;将该方法应用于混沌陀螺系统同步控制仿真实验,结果表明所提方法的有效性.     

不确定非线性系统的模糊鲁棒跟踪控制

提出了一种基于T-S模糊型的鲁捧自适应跟踪控制方法.整个控制方案在结合所有 的局部线性状态反馈控制器的基础上,引入了基于自适应神经网络的鲁棒控制器.所提出的 模糊自适应鲁棒控制器设计方法不需要求取李亚普诺夫方程的公共解,不要求系统的不确定 性项满足任何匹配条件或约束条件所提出的带有补偿项的完全自适应RBF神经网络,通过 在线自适应调整RBF神经网络的权重、函数中心和宽度,提高了神经网络的学习能力,可以 有效地对消系统的未知不确定性的影响.同时通过自适应补偿项来在线估计神经网络的近似 误差边界,弥补了神经网络的不足.所提出的方案保证了闭环系统的稳定性,有效地提高了 系统的鲁棒性和跟踪性能.仿真实例表明了所提出方法的有效性.     

基于模糊神经网络的积分自适应控制

将模糊神经网络应用于传统线性积分自适应控制,构造了一类模糊神经自适应方法,用于消除非线性系统响应偏差.模糊神经网构成直接非线性自适应控制器.对线性及非线性对象的仿真控制以及与经典自适应控制的比较,表明了模糊神经自适应控制器的有效性.     

不确定超混沌系统的反同步研究

研究了具有相同结构的超混沌系统的反同步问题。基于Lyapunov稳定性理论和自适应控制方法,给出了系统参数不确定时系统反同步的自适应控制律;通过对超混沌LV系统的数值仿真,验证了提出方案的有效性。     

一类受迫振荡混沌系统的自适应控制

针对一类受迫振荡混沌系统,提出了一种普遍适用的自适应控制方法,给出了自适应控制器及参数自适应律的设计方法.基于Lyapunov稳定性理论,证明了系统的稳定性.仿真实验表明,本文所提方法避免了混沌系统中除受迫振荡项外的不确定参数的影响,实现了一类混沌系统的有效控制及受迫振荡项参数的准确辨识,方法具有良好的可实现性和工程应用价值.     

基于模糊模型和神经网络的多时滞不确定非线性系统的鲁棒H∞控制

针对一类具有多时滞的不确定非线性系统,提出了一种基于模糊模型和神经网络的组 合控制方法.利用具有多时滞的模糊T-S模型对系统进行近似建模并给出基于线性矩阵不等式 (LMI)的模糊H∞控制律.提出完全自适应RBF神经网络控制方法,通过在线自适应调整RBF 神经网络的权重、函数中心和宽度,来对消系统的未知不确定性和模糊建模误差的影响,不要求 系统的不确定项和模糊建模误差满足任何匹配条件或约束,并证明了闭环系统的稳定性.最后, 将所提出的方法应用到一具有多时滞的非线性混沌系统,仿真结果表明了该方法的有效性.     

基于自适应模糊滑模控制的分数阶混沌系统的投影同步

基于模糊控制理论和滑模控制理论以及自适应控制理论,研究了一类含有外部扰动的不确定分数阶混沌系统的混合投影同步问题.提出了一种自适应模糊滑模控制的分数阶混沌系统投影同步方法.模糊逻辑系统用来逼近未知的非线性函数和外部扰动,并且对逼近误差采用了自适应控制,同时构造了一种具有较强鲁棒性的分数阶积分滑模面.应用分数阶Barbalat引理设计了自适应模糊滑模控制器和参数自适应律.最后数值仿真结果验证了所提控制方法的有效性.     

基于自组织模糊CMAC神经网络的不确定系统的H∞鲁棒自适应控制

针对一类不确定系统，提出一种基于自组织模糊小脑模型（SOFCMAC）神经网络的H∞鲁棒自适应控制方法，通过设计标称系统的H∞控制器，并采用SOFCMAC神经网络在线对消系统的建模不确定性产生的误差，可保证不确定闭环稳定并具有H∞性能，证明了SOFCMAC神经网络H∞鲁棒自适应控制系统的稳定性，仿真算例表明了该方法的有效性。     

模糊神经网络在转台系统中的应用研究

在自动飞行控制系统与惯性导航系统模拟试验中,飞行仿真转台控制系统性能的优劣严重影响了试验结果.为了研究自动飞行控制系统和惯性导航系统,将模糊神经网络自适应控制方法应用于飞行仿真转台中.该方法通过神经网络来实现模糊推理,利用神经网络的学习能力调整模糊隶属函数和控制规则,从而克服模糊控制精度不高和自适应能力差的缺点.仿真结果表明,该方法可以使飞行仿真转台具有高的定位能力和控制精度,操作失真度小及具有良好的动态性.