一种新型的间接自适应模糊控制器

自适应模糊控制为复杂对象的控制提供了有效途径,引起控制领域的广泛关注。针对一类单输入单输出非线性不确定对象,利用Popov超稳定理论提出了一种新型的间接自适应模糊控制器设计方案。该方案首先采用对象模型构成理想的控制器,利用模糊系统的万能逼近特性构造若干模糊系统在线逼近未知的对象模型,然后将闭环系统转换为1个线性定常的前向环节和1个非线性时变的反馈环节组成的等效误差模型,通过Popov超稳定理论推导出稳定的参数自适应律。该方案能确保系统的输出渐近收敛到给定的参考信号,同时放宽了对最小逼近误差的限制,并且具有更广泛和灵活的参数调节形式。仿真结果验证了方案对非线性对象的有效性。     

一种自适应神经网络控制器的研究

在非线性系统的神经网络模型基础上,以Ｌａｒｋｅ一阶条件为目标函数,运用线性化方法提出了一种自适应预测控制算法。由于利用了神经网络良好的非线性逼近能力和学习特性,所设计的控制器具有较强的自适应能力,能够实现对非线性系统的有效控制,通过仿真证明了算法的有效性。     

基于模糊神经网络滑模控制器的一类非线性系统自适应控制

虽然滑模控制具有控制简单和对不确定性与扰动不灵敏等优点，但是控制信号中的颤动是其应用中需解决的主要问题。该文首先针对一类非线性系统提出了一个新型控制器-模糊神经网络滑模控制器。新控制器不仅能消除颤动，而且比一般滑模控制器具有更强的鲁棒性。然而它与一般滑模控制器相比有较大的跟踪误差。为了解决这个问题，提出了结合滑控制器和模糊神经网络滑模控制器的自适应控制方法。这种自适应控制方案可以减小跟踪误差，增强系统的鲁棒性和消除控制信号中的颤动。仿真结果说明了控制方案的有效性。     

一种自适应模糊控制器的设计方法

本文通过对基本模糊控制器的分析,给出了一种自适应模糊控制器的设计方法。该控制器能够根据系统的误差、误差变化及误差积分值自动调整控制器的控制参数,使模糊控制器具有自适应的能力。     

基于规则的自组织模糊控制器

本文对模糊控制器中使用的一些模糊集的隶属度函数做一些假定后,给出了一种基于规则的自组织模糊控制算法。模糊控制器本身采用数学方法来设计,以一组语言规则来决定控制表的修改,再通过一组语言规则调整控制器参数。最后,给出了对电液伺服系统进行仿真的结果。     

基于RBF神经网络的模糊自适应控制

在对一些复杂系统进行模糊控制时,由于对系统的不了解,很难得到适合的控制规则。基于模糊控制器的一种解析结构,提出了模糊控制器与径向基函数（Radial Basis Function)神经网络相结合的方法。由RBF神经网络对系统进行辨识,并为学习系统提供必要的信息,根据信息对经验规则进行修改,从而改善模糊控制系统动态响应。仿真结果表明该控制器对模型参数变化具有较好的适应能力,能够较快地修改系统的原控制规则,使对象输出较快地跟踪系统的输入。     

基于模糊神经网络的温度控制器研制

本文提出一种基于模糊神经网络的智能温度控制器，给出了模糊神经网络模糊帮一种快速的学习算法，并通过自学习砂断修正模糊控制器的隶属函数和权值，实现了模糊逻辑规则的自动更新。     

一种新的自适应模糊伺服控制器

本文设计了一种新的模型参考自适应模糊控制器。实验表明，该控制器作用于步行机器人速度伺服系统时，较好解决了转速给定变化范围在和被控对象增益时变问题，改善了控制系统的鲁棒性和动态响应特性。     

模糊神经网络辨识和控制在非线性系统中的应用研究

针对生成过程中存在大量的非线性系统,采用传统的控制方法不能达到满意的控制效果的实际情况,提出一种基于模糊神经网络(FuzzyNeuralNetwork:FNN)的控制策略,融合模糊控制和神经网络的优点,根据过程变量的动态变化实施控制器的在线参数调整使非线性系统的控制获得了良好的效果,仿真表明了该控制方案的优越性。     

一种新型模糊PID控制器在伺服系统的应用

为了提高伺服系统的快速动态特性,抑制电机参数变化和负载大范围变化对系统性能的影响.提出了一种新颖的基于平滑切换的模糊PID控制的切换算法.在此基础上设计了相应的控制器,并应用于永磁同步电机(Permanent Magnet Synchronous Motor,简称PMSM)伺服系统控制.仿真和实验结果表明,该控制器同时具备模糊控制和PID控制的优点,切换平滑,加快了误差收敛的速度,提高了系统的动态性能,保证了系统的稳定性.     

Reference Model with an Adaptive Hermite Fuzzy Neural Network Controller for Tracking a Synchronous Reluctance Motor

This article presents a reference adaptive Hermite fuzzy neural network controller for a synchronous reluctance motor. Although synchronous reluctance motors are mathematically and structurally simple, they perform poorly under dynamic modes of operation because certain parameters, such as the external load and non-linear friction, are difficult to control. The proposed adaptive Hermite fuzzy neural network controller overcomes this problem, as using the Hermite function instead of the conventional Gaussian function shortens the training time. Furthermore, the proposed adaptive Hermite fuzzy neural network controller uses an online self-tuning fuzzy neural network to estimate the system's lumped uncertainty. The estimation method involves a fuzzy controller with expert knowledge of the initial weight of the neural network. Finally, the Lyapunov stability theory and adaptive update law were applied to guarantee system convergence. In this article, the responsiveness of the adaptive Hermite fuzzy neural network controller and an adaptive reference sliding-mode controller is compared. The experimental results show that the adaptive Hermite fuzzy neural network controller markedly improved the system's lumped uncertainty and external load response.     

基于模型参考模糊自适应控制的永磁同步电机控制器设计

基于模型参考模糊自适应控制（MRFAC）方法设计永磁同步电机（PMSM）速度控制器。该控制器具有传统模型参考自适应控制构架。传统模型参考自适应控制系统中的反馈控制器和常规自适应机构分别由主模糊控制器、模糊自适应机构替代，模糊逆模型结合自适应调整算法构成的模糊自适应机构对主控制器参数进行实时调整，以达到快速适应对象参数和状态变化的目的。利用模块化建模工具Matlab／Simulink建立PMSM控制系统模型。仿真结果表明了所设计控制器运行平稳，具有良好的动、静态特性。     

基于模型参考模糊自适应控制的永磁同步电机控制器设计

基于模型参考模糊自适应控制(MRFAC)方法设计永磁同步电机(PMSM)速度控制器.该控制器具有传统模型参考自适应控制构架.传统模型参考自适应控制系统中的反馈控制器和常规自适应机构分别由主模糊控制器、模糊自适应机构替代,模糊逆模型结合自适应调整算法构成的模糊自适应机构对主控制器参数进行实时调整,以达到快速适应对象参数和状态变化的目的.利用模块化建模工具Matlab/SimuIink建立PMSM控制系统模型.仿真结果表明了所设计控制器运行平稳,具有良好的动、静态特性.     

自适应模糊控制器在锅炉系统中的应用

以锅炉动态热平衡为基础，结合智能控制理论，提出一种自适应模糊控制器，并应用于中小型电站锅炉系统，实现电站锅炉系统的高效燃烧。     

ANFIS在短期负荷预测中的应用

为使负荷预测更精确,鉴于预测对象的不确定性和非线性,采用ANFIS预测电力系统短期负荷。ANFIS将模糊理论与神经网络融合,利用神经网络实现系统的模糊逻辑推理,采用混合学习算法调整前提参数和结论参数,自动产生模糊规则。该系统具有非线性映射和自学习能力,不基于数学模型,用独特的空间分层方法建立若干模糊推理系统,依靠专家经验获取控制信息,能用于负荷预测的非线性建模,获取负荷数据的最佳估计,克服数据处理过程中存在的不确定性和不完备性。所用ANFIS模型为2输出1输入5层1阶Sugeuo模糊系统。利用某局网负荷数据训练和检测ANFIS网络模型后预测负荷,结果表明该算法鲁棒性好,抗干扰能力强,能有效补偿对象的大纯滞后。     

无刷直流电机神经网络内模自适应控制器设计

将H∞优化控制理论用于无刷直流电机速度控制系统,可建立神经网络内模自适应速度控制器,利用神经网络逼近系统的速度控制器和标称模型。离线仿真和实验结果证明,设计的神经网络内模自适应控制系统有很强的自适应能力,当模型参数发生变化时,系统具有很强的鲁棒性,依然可以获得很好的动、静态特性。     

改进的神经网络自学习鲁棒自适应控制器及性能分析

介绍了神经网络自学习鲁棒白适应控制器,该控制器可以应用在模型未知的控制系统中。针对该控制器所存在的问题进行改进,选用具有自适应能力的PID替代固定增益比例的RC控制器,而且对控制方式进行调整,并对改进后的控制器进行了性能分析。分析结果说明,改进后的控制器鲁棒性、自适应更强。     

基于自适应神经网络的PMLSM速度控制研究

针对永磁直线同步电机(PMLSM)直接驱动系统的非线性与电机参数时变、易受扰动的特性,提出一种基于BP神经网络的自适应神经网络速度控制器.该控制器由一个传统的PID位置控制器、神经网络控制器(NNC)和神经网络辨识器(NNM)组成.仿真结果表明,当突加负载扰动或参数突变时,系统具有较好的动态性能和较强的鲁棒性,能够满足工业场合高精度、微进给的需求.     

新型VSC-HVDC控制器设计

针对电压源型高压直流输电(voltage sourceconverter-high voltage derect current,VSC-HVDC)控制中各阶段的特点,将控制过程分为启动和非启动2个阶段,对非启动阶段中暂态阶段采用模糊控制,当系统进入稳态时,切换成常规比例–积分控制,以减小传统模糊控制而出现的抖振现象。同时配合使用反馈线性化理论对内电流环进行了建模,最终为VSC-HVDC设计了新型的控制器。实现了MATLAB与PSCAD仿真软件的互连,并进行了仿真,结果表明提出的控制策略具有良好的控制效果。