基于线性T-S模糊系统的自适应系统的设计和稳定性分析

提出了一种新型的模糊自适应控制器.其中系统的未知函数由线性T-S模糊系统估计,模糊规则的后件是线性可调的.因线性T-S模糊系统较之Mamdani模糊系统具有更好的估计性能,我们可以获得更小的跟踪误差.由于采用李亚普诺夫合成方法来设计控制器,整个闭环系统全局稳定,所有的信号有界.对倒立摆的仿真验证了这一点.     

直升机的TSK模糊控制

针对直升机动力学为非线性的特点,且存在不确定因数和状态变化,利用线性控制很难得到好的控制结果,提出利用TSK(Takagi-Sugeno-Kang)模糊系统控制小模型直升机.所设计的TSK模糊控制器是一个基于TSK模糊模型的非线性控制器,能保证闭环控制系统的稳定性.直升机数学模型中线性部分设计状态反馈控制器非线性部分先求TSK模糊模型,然后设计TSK模糊控制器.仿真和实验结果表明,所设计的TSK模糊控制器比线性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.     

基于T-S模糊模型的非线性预测控制策略

提出了一种新的基于T-S模糊模型的非线性预测控制策略. T-S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报器. 由于T-S模糊模型每条规则的结论部分是一个线性模型, 因此整个模糊模型可以看作一个线性时变系统, 从而将模糊预测控制器中的非线性优化问题转化为一个线性二次寻优问题, 以方便求解. pH中和过程的仿真结果表明其性能优于传统的动态矩阵控制器.     

基于模糊树模型的间接自适应模糊控制

提出了一种基于模糊树模型的间接自适应模糊控制器的设计方法. 采用模糊树辨识方法离线辨识系统中的未知非线性函数, 得到初始的控制器, 然后在线调节模糊树模型中的线性参数, 改善控制器的性能, 实现对有界参考信号的跟踪控制. 通过对倒立摆系统进行数值仿真, 验证了所提方法的有效性和优越性.     

基于T-S模糊模型的离散混沌系统变结构控制

研究了离散混沌系统模糊变结构控制问题.采用T-S模糊模型描述离散混沌系统,将离散混沌系统模糊化为局部线性模型.依据Lyapunov稳定性定理和线性系统变结构控制趋近律设计方法,设计了一种新型的离散变结构控制器,该控制器不仅能保证局部线性模型渐近稳定,而且能确保模糊动态模型全局渐近稳定.利用Matlab对确定Henon系统和不确定Henon系统进行数值仿真,结果表明所设计的控制器不但有效,而且具备很强的鲁棒性.     

模糊PID控制器的稳定性分析

构造出一种PID型模糊控制器，并证明了这种模糊控制器近似于一种变参数的PID控制器，以PID模型为基础，基于无源性定量对模型PID控制器的稳定性进行分析，导出了使模糊PID控制器稳定的充分条件，为设计稳定的模糊PID控制器提供了理论指导。     

基于模糊双曲正切模型的H2 和H∞控制

针对模糊双曲正切模型提出一种非线性二次性指标,并给出使该性能指标最小的最优控制器的设计方法。同时扩展了线性Ｈ∞控制的概念,给出基于模糊双曲正切模型Ｈ∞控制器的设计方法。     

使用鲁棒控制器稳定模糊系统模型

将非线性系统用T-S模糊动态模型描述,并将全局模糊系统模型表示成不确定系统形式采用新的鲁棒控制器设计方法,设计出使全局模糊系统模型渐近稳定的线性控制器避免了并行分配补偿法中求解公共矩阵P的困难.一级倒立摆的模糊控制器设计实例,证明了方案的简洁有效.     

一类非线性系统的建模、辨识与控制研究

提出一种新型的双曲正切模型,这种模型是一种模糊模型,可以很容易由几条模型规则得出,同时此模型也是一和中神经网络模型,因此模型参数可以通过网络学习获得,而且这种模型可以看作是线性模型的扩展,因此许多线性控制理论的结果可用来分析闭环系统稳定性。最后给出了基于此模型的稳定H∞控制器的设计方法。仿真结果表明这了种模型的有效笥及其控制器设计方法的优良性能。     

非线性系统广义模糊跟踪控制

研究一种给定 H∞ 模型参考跟踪特性的非线性系统的 T-S 广义模糊跟踪控制问题. 通过把一般的模糊模型等价变换到广义模糊模型, 引入了松弛变量, 并基于线性矩阵不等式 (LMI) 给出了新的 H∞ 跟踪控制器设计方法. 控制器参数在一组线性矩阵不等式中同时得到求解, 避免了原有方法分步求解的困难, 方法简单易行且具有鲁棒性. 两个算例表明了结论的有效性.     

Modeling, identification, and control of a class of nonlinearsystems

In this paper, we propose a new fuzzy hyperbolic model for a class of complex systems, which is difficult to model. The fuzzy hyperbolic model is a nonlinear model in nature and can be easily derived from a set of fuzzy rules. It can also be seen as a feedforward neural network model and so we can identify the model parameters by BP-algorithm. We prove that the stable controller can be designed based on linear system theory. Two methods of designing the controller for the fuzzy hyperbolic model are proposed. The results of simulation support the effectiveness of the model and the control scheme     

Non-fragile guaranteed cost control for Takagi–Sugeno fuzzy hyperbolic systems

This paper concerns the problems of non-fragile guaranteed cost control (GCC) for nonlinear systems with or without parameter uncertainties. The Takagi–Sugeno (T–S) fuzzy hyperbolic model is employed to represent the nonlinear system. The non-fragile controller is designed by parallel distributed compensation (PDC) method, and some sufficient conditions are formulated via linear matrix inequalities (LMIs) such that the system is asymptotically stable and the cost function satisfies an upper bound in the presence of the additive controller perturbations. The above approach is also extended to the non-fragile GCC of T–S fuzzy hyperbolic system with parameter uncertainties, and the robust non-fragile GCC scheme is obtained. The main advantage of the non-fragile GCC based on the T–S fuzzy hyperbolic model is that it can achieve small control amplitude via ‘soft’ constraint approach. Finally, a numerical example and the Van de Vusse example are given to illustrate the effectiveness and feasibility of the proposed approach.     

Hyperbolic optimal control and fuzzy control

In this paper, we consider a new approach to fuzzy control which entails the formulation of a novel state-space representation and a new form of optimal control problem. Basically, in this new formulation, linear functions in the conventional state-space representation and cost functional are replaced by hyperbolic functions. We give a solution for this new, infinite-time, optimal control problem, which we call hyperbolic optimal control. Furthermore, we show that the resulting optimal controller is in fact a Mamdani-type fuzzy controller with Gaussian membership functions and center of gravity defuzzification. These results enable us to investigate analytically important issues, such as stability and robustness, pertaining to fuzzy controllers as well as add a powerful theoretical framework to the field of fuzzy control     

基于模糊双曲模型的可靠控制器设计

考虑执行器出现故障,提出一种基于模糊双曲模型(FHM)的可靠保性能控制策略.首先用模糊双曲模型表述一类离散非线性系统,建立基于模糊双曲模型的控制器;然后通过LMI方法设计该控制器,以保证系统在正常状况和执行器出现故障时都是渐近稳定的,并通过求解一个基于LMI的优化问题,得到最优的控制器增益矩阵,使得保性能指标的上界最小.仿真结果表明了该方法的有效性.     

一类非线性系统的广义模糊双曲正切模型自适应控制器设计

针对一类非线性系统的稳定控制器设计问题, 根据广义模糊双曲正切模型的万能逼近性质, 提出一种带有可调参数的广义模糊双曲正切模型的自适应控制器设计方法. 该设计方法的优点是使得自适应律的个数不依赖于广义模糊双曲正切模型的线性基函数的输出形式, 可以有效减少在线估计的参数数目, 并且能够保证被控系统的状态一致终极有界. 最后通过数值算例表明了所提出的设计方法的有效性.

     

基于广义双曲正切模型的机器人模糊自适应控制

利用广义模糊双曲正切模型的全局逼近特点,设计一种直接模糊自适应控制器用于机器人轨迹跟踪控制．模糊控制器的输入变量经过平移变化后得到的广义输入变量能够覆盖整个输入空间,因此,模糊控制器能以任意精度逼近系统的最优控制;由于双曲正切模型的特殊结构,在保证跟踪精度的同时,避免了因模糊子集数目增加而带来的计算负担的增加,满足了机器人实时控制的需要．仿真结果表明,该控制算法具有较强的鲁棒性和较好的跟踪性．     

基于广义双曲正切模型的机器人鲁棒模糊自适应控制

利用广义模糊双曲正切模型的全局逼近特点,设计一种模糊自适应控制器用于机器人轨迹跟踪控制.广义双曲正切模型利用输入变量的平移能以任意精度逼近系统的不确定动态.对于系统不确定外界干扰和模糊系统的逼近误差,通过求解一个线性矩阵不等式来保证闭环系统的鲁棒稳定性.对比传统的模糊基函数,在保证系统跟踪精度的前提下,双曲正切模糊基函数的自适应调整参数大大减少,仿真表明该控制算法具有较强的鲁棒性能和较好的跟踪性能.