气动加载系统的模糊自适应逆控制方法

气动加载系统具有时滞、时变及强非线性等特点,为了提高气动加载系统的控制精度,克服传统PI控制算法的不足,提出一种气动压力加载系统的模糊自适应逆控制方案。利用模糊辨识理论对气动加载系统进行离线逆建模,得到初始逆模型,并将该初始逆模型作为初始控制器,控制气动加载系统的输出压力,运行过程中采用最小方均根(Least mean square,LMS)滤波算法在线修正控制器的参数。基于VC++6.0软件开发平台设计系统实时控制程序,在一套电气比例压力阀控气动加载系统上进行试验研究。通过与PI控制算法、模糊比例积分微分(Proportion,integration,differentiation,PID)控制算法进行比较,结果表明设计的气动加载系统控制器控制精度高、响应速度快、抗扰能力强。     

基于逆系统的非线性自适应逆控制

针对非线性系统自适应逆控制的不完善,本文引入逆系统方法将非线性系统转化为伪线性系统,然后使用最小二乘支持向量机(LS-SVM)建立了逆系统模型,最后利用成熟的线性系统自适应逆控制理论实现非线性系统的自适应逆控制。引入逆系统方法后实现了两大功能:其一,消除了非线性系统的干扰,而且不需要设计逆对象模型:其二,实现了多变量(n维变量)之间的解耦,而且节省了3n(n-1)个线性滤波器的设计。本文针对一个典型多变量二阶系统实现了非线性系统的自适应逆控制,仿真试验表明该方法不但能够很好地消除非线性系统的干扰,而且还实现多变量的解耦控制。     

一种基于模糊神经网络的模型参考自适应转速辨识方法

该文提出了异步电动机矢量控制系统的一种基于模糊神经网络模型参考自适应转速辨识方法,建立了瞬时无功功率模型参考自适应方法与模糊神经网络相结合的转速估计模型。仿真结果表明,这种转速估计模型动态性能好,能准确跟踪电机转速的变化。     

基于模糊模型的车辆稳定性控制方法研究

采用系统辨识的方法建立车辆的模糊模型，从而将车辆非线性系统模型通过模糊化方法分解为若干线性子系统，系统的输出是这些线性子系统输出的加权和，提出了基于梯度下降法的模糊模型辨识算法。根据所建立的模糊模型推导了广义预测控制模型(CARIMA)，为车辆的稳定性控制问题的研究提供了新方法。运用该方法对车辆的制动转向工况进行了仿真研究，结果表明，基于模糊模型的广义预测控制能有效改善车辆的稳定性。     

一种新型的自适应逆扰动消除器

在自适应逆控制中,原有的扰动消除方案对于消除对象输出噪声工作的较好,但当采取抖动信号为对象建模时,在系统输出端将附加抖动噪声,当系统的增益比较大时,这种抖动噪声就愈加明显.原有的扰动消除方案不能消除这一噪声,提出了一种新型的自适应逆扰动消除方案,不仅能有效地消除对象输出加性噪声,而且能消除由于采取抖动信号建模所产生的抖动噪声.提高了系统的抗干扰能力.     

具有迟滞和蠕变特性压电作动器的模糊自适应逆控制方法

针对具有迟滞和蠕变特性的压电作动器非线性模型,提出了一种前馈控制和反馈控制相结合的自适应模糊逆控制方案。在前馈控制器中压电作动器的迟滞和蠕变非线性特性的逆模型由自适应模糊逻辑系统近似;在反馈控制器中比例控制器用来调节压电作动器的输出误差。该方法可以实时补偿压电作动器的迟滞和蠕变特性,减少作动器跟踪误差。仿真计算结果表明了该方法的有效性。     

基于机器人逆运动学的模糊辨识

本文所研究的机器人是SCARA型教学机器人,它是一个四自由度机器人．有三个旋转关节,一个滑动关节。论文研究了采用模糊逻辑系统作为未知非线性对象的辨识器的方法来建立机器人的逆运动学方程．由此建立的机器人结构系统动力学模型的动态特性与实验测试结果具有较好的一致性。     

基于神经网络的通用模型自适应控制

应用复合正交神经网络来实现过程的自适应逆控制方法,和通用模型控制器策略相结合,提出了一种基于神经网络的通用模型自适应控制方法,将非线性过程模型应用逆系统的方法可以在控制算法中直接嵌入过程模型,从而保证通用模型控制策略的可实现性.另一方面,在自适应逆控制中采用复合正交神经网络具有算法简单、学习收敛速度快等优点,可以克服常用的BP和RBF神经网络一些缺点.基于神经网络的通用模型自适应控制方法中的参考轨迹是一条典型的二阶曲线,该控制器参数具有明显的物理意义,参数整定方便.仿真验证了该控制策略的有效性.     

电动独轮车的模糊自适应控制

针对电动独轮车稳态性能差和抗负载转矩扰动能力差的问题,将自适应模糊PD控制技术应用到电动独轮车的姿态控制中。该系统是以加速度计、陀螺仪为姿态传感器,永磁无刷直流电机为执行机构的单轮平衡车,在分析骑行过程中电动独轮车姿态变化的基础上,推导了系统对应的动态模型,建立了电动独轮车的姿态信息与电机输出转矩之间的关系,并结合传统PD控制和模糊控制的相关理论,提出采用自适应模糊PD控制的方法实现电动独轮车的姿态控制。在实验室搭建的电动独轮车上,分别采用传统PD控制和自适应模糊PD控制方法进行了试验比较。研究结果表明,相比于传统的PD控制器,自适应模糊PD控制在不同的运行环境都可以获得良好的控制效果,可以提高系统的动静态性能。     

稳定平台的自适应逆控制

稳定平台严格来说是一个复杂的非线性的控制系统,常规的PID控制很难满足其高精度、快响应的特点。本文采用模型参考自适应逆作为控制器来完成稳定平台转轴的控制,尝试利用其开环特性来改进稳定平台的控制性能。稳定平台模型辨识和控制器的设计算法上都采用最小二乘法（LMS）,仿真结果表明采用自适应逆控制的稳定平台具有响应快、无超调、抗干扰能力强以及稳态误差小等优点,其动、静态性能均优于常规的PID控制     

一种肌电假手的自适应模糊控制方法

针对肌电假手的力控制问题,提出了一种基于肌电信号自适应学习的动作识别方法,同时结合模糊神经网络PID控制算法实现肌电信号对假手的控制.设计的肌电信号自适应学习动作识别方法在时域内进行,减小运算复杂度和计算量的同时保证了动作识别精度.采用模糊神经网络PID算法设计了假手握力控制器,在没有位置传感器的情况下保证了假手握力的控制精度.进行了肌电信号动作识别跟踪实验、假手握力跟踪实验、肌电信号控制假手抓取实验,实验结果证明了肌电信号自适应学习动作识别方法和模糊神经网络PID握力控制方法在肌电假手控制中的有效性.     

Adaptive model reference control based on Takagi-Sugeno fuzzy models with applications to flexible joint manipulators

The control scheme using fuzzy modeling and Parallel Distributed Compensation (PDC) concept is proposed to provide asymptotic tracking of a reference signal for the flexible joint manipulators with uncertain parameters. From Lyapunov stability analysis and simulation results, the developed control law and adaptive law guarantee the boundedness of all signals in the closed-loop multi-input/multi-output system. In addition, the plant state tracks the state of the reference model asymptotically with time for any bounded reference input signal.     

基于matlab仿真模块的自适应有源噪声逆控制研究

运用matlab仿真模块对自适应有源逆控制中的两种算法:滤波-ULMS算法和改进的滤波-ULMS算法进行了仿真研究.并对两种算法的消声效果进行了比较,验证了改进的滤波-ULMS算法有着更为优越的动态性能.     

一种基于信号模型的自适应采样方式

通过采用坐标变换推导出了自适应采样频率与信号瞬时频率之间的关系,利用二阶预测模型获得了信号瞬时频率的估算表达式,从而提出了一种基于信号模型的自适应采样方式:通过实验验证了该自适应采样方式的可行性;同时针对其计算量、收敛速度进行了分析,结果表明:基于信号模型的自适应采样无论是计算量还是收敛速度都有明显的改善.     

基于模糊控制的位置精度补偿方法

针对半闭环伺服系统在使用过程中,由于机械传动系统劣化而导致的位置精度降低、动态响应特性下降的现象,提出了基于模糊控制的位置精度补偿方法。以测量得到的小样本位置误差数据为源数据,利用支持向量机对位置误差进行劣化建模,实现对位置误差的预测,并将位置误差预测值用于伺服系统的误差补偿。利用模糊比例—积分—微分控制器控制能有效改善系统动态响应的特性,通过改进模糊控制规则,使模糊控制与位置误差预测补偿有效结合,提高伺服系统位置精度和动态响应特性。     

一种基于特征的自适应地形模型简化方法

经研究提出了一种新的根据地形特征自适应确定误差评价函数和表面细分策略的模型简化方法.为了降低特征提取给算法带来的额外开销,建立了细节层次结构,并且提出了与层次结构相结合的特征点选择算法.根据特征点构造了与层次结构中节点相关的特征域,从而限定了特征搜索范围,提高了特征提取的效率.在此基础上建立了特征域的匹配度函数,实现了地势起伏相似区域的合并,最后根据特征域匹配情况自适应选择误差计算方法和阈值.最终达到了提高模型精度和算法效率的双重目的.文中方法在多个基准数据上均进行了实验研究,结果表明与经典层次细分方法相比,算法效率和模型精度均得到显著提高.     

可变论域的模糊自整定控制方法

该文将模糊控制中的“可变论域”思想和参数模糊自整定方法相结合，提出一种“可变论域”的模糊自整定控制方法，并将它成功应用在转台的速率控制中，为模糊控制在工程中的应用提供了一种新的、简单易行的途径。     

Cost prediction method based on an improved fuzzy model

Scientific cost prediction is the foundation for formulating a business plan, which helps enterprises to determine the target costs and to control the operating costs. In today’s world, quantitative methods are crucial for prediction purposes in cost management. On the basis of studying some typical methods of cost prediction, we propose a cost prediction method based on an improved fuzzy model. Firstly, owning to the inefficiency of existing fuzzifier, such that it is difficult to determine the number of fuzzy rules, we present an improved fuzzy c-means (FCM) fuzzifier to solve this problem referring to “granulation–degranulation” strategy and sample error function. Secondly, a fuzzy model based on the improved FCM fuzzifier is constructed through combining Takagi–Sugen–Kang fuzzy inference system. The algorithm of the improved fuzzy model is also realized by this study. Finally, through a series of experimental analyses for steel number product and steel class product of certain machinery enterprise, the results have demonstrated that the proposed method has the better prediction accuracy, which can be used effectively and practically in real-world cost prediction.