基于主动悬架的模糊神经网络控制的研究

传统的被动悬架由于阻尼参数不可任意选择和调节,减振性能不好,不能满足乘客的乘坐舒适性;而主动悬架可通过改变减振器的阻尼特性而适应不同的道路和行驶状况,改善乘坐舒适性和操纵稳定性;以汽车主动悬架为研究对象,建立了汽车二自由度1/4车体模型,提出了一种汽车主动悬架模糊神经网络控制方法,设计了模糊神经网络控制器;以B级路面作为随机路面输入,并利用Matlab进行仿真;通过动态仿真对被动悬架和主动悬架的特性进行了对比,仿真结果表明,该模糊神经网络控制器对车身加速度、悬架动挠度和轮胎动载荷都有很好的抑制。     

基于模糊神经网络的滑模控制

研究了一类不确定性非线性系统的滑模变结构控制,提出了一种基于模糊神经网络（Ｆｕｚｚｙ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋｓ）的滑模变结构设计方法,设计了控制器的结构,利用动态反向传播算法实现滑模控制,这种方法与一般变结构控制相比不但具有强的鲁棒性而且还能有效地消除抖动现象,同时在设计中不需要知识系统中不确定性和扰动的上界,另外还运用Ｌｙａｐｕｎｏｖ函数从理论上分析上了系统的稳定性。仿真结果说明了本文所提     

具有电液执行器的主动悬架神经网滑模控制

提出了一种新型兼顾乘坐舒适性和操纵稳定性的主动悬架自适应神经网络滑模控制器。首先建立了考虑电液执行器动力学特性的非线性悬架模型。由于执行器具有未知时变的非线性,该控制器被分为两个回路。在内环,采用自适应径向基函数（Radial Basis Function,RBF）神经网络使具有控制器对不确定性的鲁棒性,并根据李雅普诺夫稳定性理论得到的更新律在线调整自校正加权向量。在外环,结合了天棚地棚混合控制策略设计了一个模型参考滑模控制器（Model Reference Sliding Mode Control,MRSMC）来跟踪混合参考模型的状态。此外,还为估计不可测信号设计了基于无迹卡尔曼滤波(Unscented Kalman Filter,UKF)的状态观测器。仿真结果表明,即使存在不确定性,控制器也可以精确地跟踪所受的力。仿真结果表明,该方法在存在未知因素时能够有效地提高悬架性能。     

基于动态神经网络自适应控制的主动悬架系统

主动悬挂系统中的液压执行器伺服系统是典型的仿射非线性系统，其参数也是时变的，要建立其准确的数学模型是很困难的。在该文中将主动悬架系统看作是一未知系统，利用动态神经网络对未知系统进行辨识，根据建模误差和参数的不确定性来调整网络的参数和结构并用动态神经网络的优化能力得出系统的控制率。在仿真试验中用动态神经网络所得到的控制算法对模型的输出进行跟踪控制，从仿真结果图可以看出这种控制器能获得较好的控制效果。     

基于模糊PID控制的列车主动悬架振动控制研究

为了研究高速列车主动悬架系统横向振动控制,将研究对象简化为二自由度1/4车悬挂模型,研究了高速列车车体的横移、侧滚为变量的列车悬挂控制系统,采用德国轨道谱作为列车的激励拟合。算法控制器选择方面,在PID控制和模糊控制的基础上,建立模糊PID控制,并建立了基于模糊PID控制的高速列车主动悬架横向振动控制系统,通过MATLAB仿真生成关系曲线,验证了模糊PID控制算法具有更好的控制效果。     

基于输入输出模型的模糊神经网络滑模控制

1　引言在实际系统中,一般难以取到系统的状态.因此,如何仅利用输入输出模型来控制系统一直是控制理论工作者关注的话题.Narendra等人[1]通过加入两个‘状态’滤波器设计了一种基于输入输出的模型参考自适应控制方案,提出了一个很好的思想.在其后的数十年中,基于输入输出?..     

基于模糊神经网络的机器人滑模自适应控制

滑模控制（SMC）响应快,对系统参数和外部扰动呈不变性,可保证系统的渐近稳定性,但其缺点是控制存在很强的抖动;而模糊神经网络（FNN）具有模糊系统和神经网络共同的特点。将滑模控制和模糊神经网络控制有机结合,利用简单得到的学习信号对模糊神经网络进行在线学习,通过平滑切换函数实现直接自适应控制策略。对两连杆机械手的仿真研究表明,在存在模型误差和外部扰动的情况下,该方案既能达到高精度快速跟踪的目的,又能有效减小滑模控制的抖动问题。     

车辆主动悬架模糊控制器的设计及其仿真分析

该文通过车辆悬架系统和路面输入模型的建立，应用模糊逻辑控制理论，进行了车辆主动悬架模糊控制器的设计，并在Matlab/Sirmulink环境中对此模糊控制器进行了仿真，把它与传统的被动悬架和用LQG控制器控制的主动悬架作了比较及性能分析，仿真结果证明了相对于其它两种悬架来说，具有模糊控制器作用的主动悬架在降低车身加速度、改善车辆的行驶平顺性和乘坐舒适性上有显著的效果。     

基于模糊滑模控制的主动队列管理算法的研究

针对网络拥寒问题,提出一种基于模糊滑模控制的主动队列管理算法,能得到快速反应能力和良好的鲁棒性。模糊滑模控制算法用队列长度和微分作为主动队列的输入,通过动态测量包丢失率来调整模糊规则。与一些典型的主动队列算法相比,模糊滑模控制算法用较少的队列延迟交换吞吐量,而且能达到一个更高的吞吐量。并且,本算法可以在最少的模糊规则下被执行。     

AUV深度的模糊神经网络滑模控制

本文设计了一个模糊神经网络滑模变结构控制器，通过模糊神经网络对滑模控制律 的控制增益进行在线调整，并在海浪干扰条件下，用此控制器对AUV进行深度控制．仿真结 果验证了该智能控制方法具有很好的控制性能和鲁棒牲．     

Fuzzy Sliding Mode Control for Active Suspension System with Proportional Differential Sliding Mode Observer

In this paper, a generalized augmented transformation is considered for the quarter active suspension system with uncertainties. Specifically, the model uncertainties are converted to the augmented states and a new proportion differential sliding mode observer is used to estimate state variables and model uncertainties. A differential geometric method is applied to linearize the nonlinear suspension model. In order to weaken the vibration effect of sliding mode control force and reduce energy consumption, a fuzzy sliding mode controller is designed for the active suspension system and the fuzzy controller is applied to adjust switching control gain according to the reaching condition of sliding mode surface. The simulations are conducted to illustrate the effectiveness and advantages of this proposed observer and control strategy.     

基于FNN的滑模自适应控制

研究一类不确定性非线性系统的直接自适应控制方法。该方法由滑模控制器和模糊神经网络构成，通过平滑切换实现自适应控制策略。仿真结果表明，这种方法既有强鲁棒性，又能有效地消除高频颤动。     

神经网络滑模变结构控制研究综述

综述了近年来将人工神经网络控制和滑模变结构控制相结合的研究工作．从神经网络在滑模变结构控制中不同的应用方式出发，论述了神经网络在提高和改善滑模变结构系统性能方面的理论和方法，分析了它们各自的特点与相互之间的联系．最后展望了该领域未来的研究方向．     

基于模糊神经网络的温度控制系统设计

实验室温度控制系统要求精度高,并且具有非线性、大惯性及数学模型难建立等特性,这使得用常规PID控制器以及一般模糊控制器无法很好地满足系统要求,而本文在一般模糊控制器的基础上,融合神经网络技术,设计出模糊神经网络控制器,它既有模糊控制鲁棒性好、动态响应好、上升时间快、超调小的优点,又具有神经网络的在线自学习能力,可以实现温度的智能控制,在实际应用中取得良好的效果。     

基于神经网络的不确定机器人自适应滑模控制

提出一种机器人轨迹跟踪的自适应神经滑模控制。该控制方案将神经网络的非线性映射能力与变结构控制理论相结合,利用RBF网络自适应学习系统不确定性的未知上界,神经网络的输出用于自适应修正控制律的切换增益。这种新型控制器能保证机械手位置和速度跟踪误差渐近收敛于零。仿真结果表明了该方案的有效性。     

一类非线性神经模糊控制系统

针对离散非线性系统,将神经网络和模糊技术有机结合,模糊神经网络与自适应控制方案相结合,设计了一种模糊神经网络自适应控制系统,它由模糊对向传播(FCP)网络辨识器和径向基函数(RBF)神经网络控制器组成,仿真结果表明了该方案的有效性。     

基于神经网络的机器人二阶滑模控制

本文提出了一种基于神经网络与二阶滑模控制融合的控制策略用于非线性机器人控制,设计了一种新颖简易的二阶滑模控制方法,有效地避免了常规变结构控制的抖震问题,并采用神经网络辨识未知的机器人的非线性模型,通过Lyapunov直接法设计网络的权值更新率,确保了系统闭环全局渐近稳定性。最后,通过仿真验证了算法的有效性。