卡车的TSK模糊控制

针对在保证一定精度的条件下,要求一次性完成卡车的倒车的情况,利用TSK (Takagi-Sugeno-Kang)模糊系统控制卡车,在TSK模糊控制器作用下让卡车从任意的初始位置一次性倒车到指定的位置。在卡车数学模型中,线性部分设计线性状态反馈控制器,非线性部分先求TSK模糊模型,然后设计基于TSK模糊模型的TSK模糊控制器。它是一个非线性控制器,可保证闭环系统的稳定性。仿真实验结果表明,所设计的TSK模糊控制器对卡车的倒车控制是非常有效的。     

利用模糊系统的自适应模糊控制器

针对非线性系统控制,设计了利用TSK(Takagi-Sugeno-Kang)模糊系统的自适应模糊控制器。所设计的自适应控制方法是参考模型自适应控制方法,而且利用Lyapunov函数保证了闭环系统的稳定性,同时推导了最优的自适应控制规律。首先,根据控制对象的输入输出数据建立TSK模糊模型,然后,由TSK模糊模型设计初期的TSK模糊控制器,并根据自适应规律随时调整模糊控制器参数。倒立摆系统的仿真实验验证了所设计的自适应模糊控制器的有效性。     

利用模糊系统的直升机的自适应控制

针对直升机动力学为非线性,且存在不确定因素和状态变化,设计利用模糊系统的自适应控制器.设计的控制器是系统的输出跟踪参考模型输出的直接调整模糊控制器参数的自适应控制器.又利用Lyapunov函数保证了闭环控制系统的稳定性并推导最优的自适应规律.实验结果表明,有外部扰动的情况下所设计的自适应控制器比模糊控制器对直升机控制具有良好的动态响应和稳定性,是一种非常有效的控制方法.     

非线性离散系统的自适应PID控制器

针对非线性离散系统设计了利用TSK(Takagi Sugeno Kang)模糊模型的自适应PID控制器。利用模糊模型预测控制信号误差,通过控制信号误差自适应PID控制器参数。比较系统输出和模糊模型输出自适应模糊模型的参数。该方法可以弥补系统参数的模糊性、数学模型的模型误差和系统参数的变化。非线性离散系统的仿真实验验证了所设计的自适应PID控制器对非线性离散系统控制的有效性。     

直升机飞行控制器设计与仿真

为了改善直升机飞行控制系统的性能,研究了其在前飞状态下的模糊平滑切换控制方法和仿真验证问题。以ADS-33D水平1操纵品质要求为设计目标,建立直升机不同平衡点的线性子模型,采用基于遗传算法的H∞控制器设计方法设计各局部控制器,应用模糊平滑切换策略设计全局控制器,实现直升机在不同速度下的飞行控制,保证了控制过程的平滑性,并用数学方法证明了系统的稳定性。仿真结果表明,所设计的直升机飞行控制器达到了ADS-33D水平1操纵品质要求。     

基于支持向量机的TSK模糊模型辨识与控制

研究非线性系统TSK模糊模型的辨识与控制,利用TSK模型,可以将线性控制理论应用于非线性系统控制。基于支持向量机和递推最小二乘法,辨识出TSK模糊模型,并且通过遗传算法优化隶属度函数参数,最小化辨识误差。针对TSK模型进行控制,控制器包括两个部分：权重最大子系统反馈控制及其监督控制,监督控制保证了系统的稳定性。辨识和控制仿真结果证明了算法的有效性。     

离散T-S模糊系统的部分状态反馈H∞控制

基于部分状态信息的控制器是一类特殊的静态输出反馈控制器,一般难以利用线性矩阵不等式工具求解.本文研究离散T-S模糊系统的部分状态反馈镇定及部分状态反馈H∞控制问题.通过引入松弛变量,将离散T-S模糊系统的部分状态反馈镇定问题转换成求解一组线性矩阵不等式（LMI）,并给出基于LMI的部分状态反馈H∞控制器设计方法.通过数值算例验证了所给方法的有效性.     

基于部分状态信息的模糊控制器设计

基于部分状态信息的控制器是一类特殊的静态输出反馈控制器,一般难以利用线性矩阵不等式工具求解.该文研究了Takagi-Sugeno模糊模型的部分状态反馈控制问题,设计问题可以归结为求解一组双线性矩阵不等式.通过使控制器增益由全状态反馈变化为部分状态反馈,这类双线性矩阵不等式可以利用同伦算法求解.从而,镇定模糊部分状态反馈控制器可以通过迭代方法得到.仿真例子验证了算法的有效性.     

直升机系统离散模糊建模与姿态稳定控制

关于直升机姿态稳定性控制问题,由于直升机系统具有非线性,外部环境多变的干扰影响姿态稳定性.传统的建模与控制方法,面临构造Lyapunov函数难、控制稳定性难度大的问题.为解决上述问题,提出直升机系统离散模糊建模与姿态稳定控制方法.根据直升机系统姿态动力学模型,建立其连续、离散时间模糊模型.采用线性矩阵不等式(LMI)方法,提出离散模糊状态反馈控制方法.所得控制率,不仅使闭环系统渐进稳定且能够获得较好的控制性能.改进方法具有响应速度快、过度过程时间短、无超调、能有效抑制外部干扰等优点,表明了改进方法的有效性.     

基于模糊PID的直升机模型飞行姿态控制

针对微型无人直升机具有非线性、多变量耦合等特性,利用模糊组合PID控制方法研究直升机模型飞行控制系统的姿态控制问题。首先以三自由度直升机模型为控制对象,建立动力学方程。然后对PID控制方法采用模糊控制算法进行改进。为使直升机模型能够平稳飞行,且具有较强的鲁棒性,基于解耦的直升机模型分别设计模糊-PID阈值切换和加权控制方法,对直升机模型的俯仰轴和横侧轴进行控制。最后将所提出的控制方法应用于直升机模型本体实现姿态优化,实时仿真效果说明所设计方法的可行性和有效性。     

一种线性化模糊内模自适应控制算法

针对非线性对象，提出一种线性化模糊内模自适应控制算法。该算法以一组模糊规则作为非线性对象内部模型，一条模糊规则表示一个局部线性系统；根据对象输入与输出测量值，利用TSK建模方法在线辨识局部模糊内部模型；同时依据辨识模型设计局部H2最优模糊控制规则，所有规则构成H2最优模糊控制器。仿真实验显示：该算法适用于非线性对象的控制，具有较好的鲁棒性和抗干扰能力。     

一类非线性系统的模糊变结构控制

研究了一类非线性系统的模糊变结构控制问题，并给出了稳定性证明。通过将非线性系统化为多个精确T—S模型来建立非线性系统精确的T—S模糊模型，将模糊理论与成熟的线性变结构控制理论相结合设计一种模糊变结构控制器，用Lyapunov稳定性理论证明该控制器能确保模糊动态模型全局渐近稳定，从而使非线性系统稳定。仿真结果表明了该设计方法的有效性。     

一种基于T-S模糊模型的混沌控制方法

用T-S模糊系统来逼近非线性系统,它的IF-THEN规则后件由线性状态空间子系统构成,进而可以应用模糊系统的控制理论求得模糊控制器,用此非线性控制器来控制非线性系统,以求良好的控制效果;将模糊控制技术应用于混沌控制中,可以克服反馈线性化等传统方法对参数完全精确已知的限制;模糊规则后件部分以局部线性方程形式给出的T-S模糊模型可以通过调整相关参数很好地逼近混沌系统,基于该模型采用平行分散补偿技术设计出具有相同规则数目的模糊控制器,控制器所有参数可以通过求解一组线性矩阵不等式一次性得到。仿真结果验证了该方法的有效性。     

Feedback linearization of the nonlinear model of a small-scale helicopter

In order to design a nonlinear controller for small-scale autonomous helicopters, the dynamic characteristics of a model helicopter are investigated, and an integrated nonlinear model of a small-scale helicopter for hovering control is presented. It is proved that the nonlinear system of the small-scale helicopter can be transformed to a linear system using the dynamic feedback linearization technique. Finally, simulations are carried out to validate the nonlinear controller.     

Incremental Evolutionary Design of TSK Fuzzy Controllers

This paper proposes a novel method for the incremental design and optimization of first order Tagaki-Sugeno-Kang (TSK) fuzzy controllers by means of an evolutionary algorithm. Starting with a single linear control law, the controller structure is gradually refined during the evolution. Structural augmentation is intertwined with evolutionary adaptation of the additional parameters with the objective not only to improve the control performance but also to maximize the stability region of the nonlinear system. From the viewpoint of optimization the proposed method follows a divide-and-conquer approach. Additional rules and their parameters are introduced into the controller structure in a neutral fashion, such that the adaptations of the less complex controller in the previous stage are initially preserved. The proposed scheme is evaluated at the task of TSK fuzzy controller design for the upswing and stabilization of a rotational inverted pendulum. In the first case, the objective is a time optimal controller that upswings the pendulum in to the upper equilibrium point in shortest time. The stabilizing controller is designed as a state optimal controller. In a second application the optimization method is applied to the design of a fuzzy controller for vision-based mobile robot navigation. The results demonstrate that the incremental scheme generates solutions that are similar in control performance to pure parameter optimization of only the gains of a TSK system. Even more important, whereas direct optimization of control systems with more than 35 rules fails to identify a stabilizing control law, the incremental scheme optimizes fuzzy state-space partitions and gains for hundreds of rules.