一类基于FNN的非线性系统自适应控制

模糊神经网络用于控制,主要是为了解决复杂的非线性、不确定、不确知系统的控制问题。由于模糊神经网络具有学习能力和自适应性,使得其能对变化的环境有自适应性,控制器也基本上不依赖于模型,针对一类非线性系统,利用模糊神经网络对系统进行建模提出一种鲁棒自适应控制方法。首先利用李雅普诺夫定理证明在一定的条件下,闭环系统必能稳定,并证明这个条件即非线性函数f(x)中的x必落入某一紧集中成立,同时考虑其控制性能,选择鲁棒控制量,使跟踪误差达到要求的性能指标。理论分析和仿真结果说明了该控制算法的可行性和有效性。     

蓄热式加热炉的神经网络燃烧控制

蓄热式加热炉温度对象具有非线性、大滞后的特点，本文运用神经网络的控制方法，在被控对象进行在线辨识的基础上，对神经网络权系数进行实时调整，使系统具有自学习、自适应性，仿真效果表明其控制效果优于一般PID控制。     

具有死区输入的不确定混沌系统控制

死区输入存在于大部分工业控制系统中,对控制系统的性能有较大的影响。针对具有死区、非线性控制输入的不确定混沌系统,利用模糊神经网络的逼近能力,在对不确定混沌系统进行辨识的同时,自适应地补偿其非光滑、非线性的特性。为了提高模糊神经网络的性能,使辨识误差最小,利用粒子群优化算法对模糊神经网络的参数进行优化,从而使逼近误差达到最小。在系统的控制部分,采用滑模控制对输入的信号进行跟踪控制。最后对Duffing系统进行仿真,并与传统控制方法做比较,证明了该方法的有效性和优越性。     

帆船的模糊自适应控制方法研究

针对非线性、时变的帆船航行系统,提出了一种基于T-S模糊模型的帆船模糊自适应控制新方法.该方法采用T-S模糊模型,将舵角的非线性控制局部线性化,设计相应的局部线性控制器,通过模糊推理综合各局部线性控制器的输出,得到全局控制量.利用线性神经网络技术的自学习技术,获取模糊推理规则,优化模糊控制器的参数,提高系统的自适应性.仿真结果表明,该方法能实现对帆船航向的智能控制,具有一定的实际应用价值.     

智能阀门定位器PID单参数模糊自适应控制设计

阀门定位器是一个非线性、时变及未知模型系统,普通PID无法满足应用过程中快速、高精度要求.文中提出将常规PID控制方法和模糊技术相结合的的控制方式.在分析系统满足Ziegler-Nichols条件的基础上,运用其设定方法对PID参数进行了归一化处理,并对处理后的单个参数设计了模糊自适应控制算法.实验证明该控制算法控制效果明显优于普通PID.算法计算量小、调节可靠、自适应性强,能够满足工业应用需要.     

基于模糊神经网络的PID温度控制系统

应用模糊神经网络PID控制技术，建立了高分子聚合物反应温度控制系统。该系统利用模糊神经网络调整PID参数，进一步完善了PID控制的自适应性能，自行设计了该控制系统的硬件和软件部分，可以接入8点热电阻信号，具有显示温度、自动控温、声光报警等功能，应用结果说明，该温度控制系统充分利用了模糊神经网络和PID控制的优点，具有良好的动、静态特性和自适应性。     

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。     

基于聚类有效性神经网络的模糊规则提取方法

模糊控制以其自适应性、鲁棒性和易于实现等优点得到广泛应用．然而模糊控制规则的获取通常由专家根据经验给出，这就存在诸如规则不够客观，专家经验难以获取等问题．为此，本文给出一种其于聚类有效性神经网络的模糊规则提取的新方法．该方法采取了对训练样本预划分子集聚类，模糊语言量的自动确定，模糊隶属度函数自适应调整等策略，克服了以往规则提取法在训练样本不充分时，规则提取不足及规则数目难以确定等缺点，并结合神经网络技术使所提取的控制规则的质量得到提高，改善了模糊控制器的性能，最后，以倒车系统为例证明了该方法的有效性．     

SRC的一种神经网络自适应控制

在开关磁阻可逆变器原有常规控制反馈方案的基础上,利用神经网络管理非线性系统的能力,建立了ＳＲＣ的神经网络模型参考自适应控制,替代了原有的常规反馈控制。仿真实践证明：此控制方案的控制效果优于原控制方案,并使系统具有自适应性。     

控制方向未知的非线性系统的自适应评价设计

针对一类具有未知控制方向的非仿射非线性系统,提出一种新型的基于模糊小波神经网络的鲁棒自适应评价设计.利用中值定理和Nussbaum函数处理非线性函数隐含控制输入及控制方向未知问题.采用2个具有相同模糊基函数的模糊小波神经网络(fuzzy wavelet networks, FWNs)分别实现控制单元和评价单元,FWNs的权值、扩张参数及平移参数均在线调节.为了抑制FWNs近似误差,利用自适应界化技术设计一个鲁棒项.该设计不需要控制方向及不确定项上界的先验知识.通过 Lyapunov 理论严格证明闭环系统的半全局一致最终有界稳定性.仿真结果验证所提出设计的有效性.     

采用高木—关野模糊系统的自适应控制器

采用神经网络 ＢＰ算法提供信息对经验规则进行修改,用 Ｐｉ－Ｓｉｇｍａ神经网络表示的高木－关野模糊系统作为模糊控制器。对于对象模型参数变化的自适应性及系统控制规则参数的修改使控制输出能较快地跟踪系统输入。     

电液伺服系统神经网络辨识及控制器设计

针对阀控缸电液位置伺服系统非线性建模问题,采用神经网络进行系统模型辨识。采用LM遗传算法对三层BP神经网络的权值和阈值进行修正,通过训练系统的输入/输出数据建立非线性系统辨识模型。基于此模型,设计模糊PI控制器,利用智能权函数在线自动调整和修改模糊控制器的规则。利用x PC技术建立阀控缸伺服实验台,以实验台阶跃输出信号作为改进BP神经网络辨识信号,以实验台正弦输出信号作为验证信号。实验表明:该神经网络辨识模型的可信性得以验证;通过对比智能权函数模糊PI控制器和模糊控制器的实验曲线,表明前者控制效果更好。     

一类非线性系统基于Backstepping的自适应稳定控制

针对一类未知高阶非线性系统，提出了一种基于Backstepping和神经网络的自适应稳定控制方法。利用RBF神经网络逼近未知非线性函数，不需要满足匹配条件，基于Backstepping方法调节网络权值。在控制律中引入非线性衰减项和σ-修正项保证了网络权值的稳定性，阻止了参数漂移。通过Lyapunov直接方法，证明了整个闭环系统的最终一致有界性。该方法扩展了自适应Backstepping和自适应NN控制的应用范围，适于并行计算，仿真结果表明了该算法的有效性。     

一类非线性不确定时滞系统的模糊跟踪控制

考虑了当系统存在不确定和外界干扰的情况下，一类非线性不确定时变时滞系统的日。跟踪控制的设计问题．首先利用T-S时滞模糊模型对非线性不确定时滞系统进行建模，在不确定性满足增益有界条件下，通过LMI（Linear Matrix Inequalities）方法的计算，即可得到基于模糊模型的模糊H∞跟踪控制律．基于Lyapunov稳定原理，证明了在此控制律作用下，不仅保证了闭环系统稳定，而且满足日。跟踪性能指标．最后利用提出的控制方案设计了空天飞行器高超声速飞行纵向通道的控制系统，并进行了仿真验证．仿真结果表明了控制方案的有效性．     

基于系统辨识与T-S模糊神经网络的磨矿分级控制

针对磨矿分级过程控制中具有的慢时变、非线性特征,提出了一种基于系统辨识的自适应模糊推理网络模型,并应用于磨矿控制领域.利用模糊聚类法对现有数据样本进行系统辨识,自动获取模糊规则库和相应的初始参数.依据得到的模糊系统构建基于Takage-Sugeno推理模型的自适应模糊神经网络推理系统,获得比传统的模糊神经网络具有更强的...     

一类非线性系统的自适应模糊滑模控制设计

针对一类含非匹配不确定项的非线性系统提出一种稳定的自适应模糊滑模控制方法。构造线性切换面确保滑动运动稳定，利用趋近率构造理想控制，用监督控制确保系统状态有界，用模糊逻辑系统逼近其连续项，用补偿切换来消除逼近误差，该方法有效地结合了自适应模糊控制和滑板控制的优点，控制器构造简单，稳定条件弱，控制性能好，仿真结果也证明了此方法的有效性。     

一种非线性模糊自适应控制方法

利用模糊逻辑,提出了一种非线性模糊自适应控制方法,其特点是利用非线性系统的估计模型已知,存在模糊逻辑系统来描述误差模型及控制作用的条件来设计控制方案及自适应调节律,在模糊逻辑系统中参数都是任意可调的,并证明了在一定条件下,该控制器能跟踪所给定的有界信号。     

基于优化模糊RBF神经网络的挖掘机铲斗轨迹控制研究

针对挖掘机电液伺服控制系统中存在的非线性和时变性问题,本文结合RBF神经网络和模糊控制各自的优点提出一种基于模糊RBF神经网络PID控制方法。利用K-means层次聚类法确定模糊神经网络的结构参数,并采用改进SSA算法优化训练模糊神经网络。本文还建立了挖掘机铲斗系统的AMESim模型和电控系统的Simulink控制策略模型,并进行联合仿真分析。仿真结果表明：与一般模糊RBF神经网络相比,本文优化后的模糊RBF神经网络在铲斗系统空载时,能将控制精度提升33.7%,在铲斗系统满载时,能将控制精度提升36.2%。     

变风量空调系统的模糊神经网络预测控制

针对变风量中央空调系统具有多变量、大滞后和非线性的系统特性及常规控制算法系统响应慢、控制精度不高等问题,提出了模糊神经网络预测控制策略.该方法将模糊神经网络控制与预测控制技术相结合,建立了模糊神经网络与预测控制结合的复合控制器模型,通过优化变风量控制方式,有效地实现了中央空调系统的预测控制.结果表明,该控制方法能使系统具有良好的动态性能和稳态性能,控制精度高,节能效果显著,具有广泛的应用前景.     

非线性系统自适应鲁棒控制器设计

针对非线性系统模型参数具有不确定性的问题,利用二型模糊逻辑控制器特别适合于解决不确定性问题的优点和特点,提出二型模糊自适应滑模控制方法,设计了具有自适应和鲁棒性的非线性系统控制器。首先对非线性系统进行精确线性化,然后选取合适的滑模面,并设计了二型模糊逻辑系统,通过李亚普诺夫稳定性理论分析,得到自适应控制律。通过仿真实例验证,对比分析并验证了该控制方法能够克服不确定性参数的干扰,从而更好地控制非线性系统,使其具有一定的自适应性和鲁棒性。