基于修正因子模糊PID控制在升力鳍系统中的应用

应用基于量化因子和决策因子自修正的模糊PID控制算法来改进升力控制减摇鳍系统,并利用子模糊系统自动调整量化因子和决策因子,从而改善基本模糊控制器的稳态和动态性能.模糊控制算法与传统PID控制的有机结合,使升力鳍系统控制精度、鲁棒性以及自适应性得到显著改善.基于该算法的某型船舶仿真结果表明,该复合控制算法使升力鳍系统能够在各种海况下均具有良好的减摇效果.     

一种精英退火微粒群算法

提出一种针对部分较优微粒进行退火操作的精英退火微粒群算法.在退火操作中,结合Logistic方程的特点设计了一种新的错位调整方式,对当前已知最优区域重点搜索.该算法能增强算法的探索和开发能力,避免计算量过度增加.典型测试函数结果显示,该方法可同时提高算法的搜索速度和搜索精度.将基于该方法的PID控制器应用于发电机电压调节系统(AVR)计算结果表明,该PID控制器可以获得更为满意的控制性能指标.

     

一种PID模糊控制器(fuzzy PI + fuzzy ID型)

提出一种二维PID模糊控制器,其结构形式简称为fuzzy PI + fuzzy ID型.根据fuzzy PI 和fuzzy ID控制器的图解说明,确定该 fuzzy ID控制器的模糊控制规则的相似性.理论分析表明,该PID模糊控制器除具有常规PID性能外,还具有非线性等特点.仿真结果表明,与常规PID和fuzzy PI 控制相比性能更优.

     

基于搜索空间可调的自适应粒子群优化算法与仿真

针对收缩因子粒子群优化(CPSP)算法易陷入局部最优和发生过早收敛的问题.提出了基于搜索空间可调的自适应粒子群优化(APSO)算法. 该算法根据种群早熟收敛程度和个体适应值,在 算法停滞时,将全部粒子有效地划分在3 类不同的搜索空间,使种群始终保持搜索空间的多样性,易于跳出局部最优,从而有效地改善了算法后期的寻优能力.

     

控制增益符号未知的MIMO 时滞系统自适应控制

针对一类带有死区模型并具有未知函数控制增益的不确定MIMO 非线性时滞系统,基于滑模控制原理和Nussbaum函数的性质,提出了一种稳定的自适应神经网络控制方案 .该方案放宽了对函数控制增益上界为未知常数的假设,并通过使用Lyapunov0Krasovski 泛函抵消了因未知时变时滞带来的系统不确定性. 理论分析证明,闭环系统是半全局一致终结有界.仿真结果表明了该方法的有效性.

     

一种参数优化的非线性离散系统鲁棒迭代学习控制方法

针对带有扰动的一类离散非线性系统的鲁棒迭代学习控制问题, 设计一种基于参数优化的迭代学习控制算法. 该算法能够保证在有初始状态误差和状态、输出扰动的情况下使闭环系统具有鲁棒BIBO 稳定性, 系统输出能够单调收敛于给定输出轨迹的邻域内; 在没有初始状态误差和扰动的情况下能够以零稳态误差跟踪给定输出轨迹. 最后通过仿真分析验证了所提出算法的有效性.

     

LED 晶圆贴片过程中压力的二阶段模糊决策与控制

针对LED 晶圆贴片过程, 设计一种利用阀门的开关和开度控制气缸内气压的压力控制系统, 提出一种多目标分阶段决策和控制的方法, 实现活塞运动和加压控制. 根据活塞的位移和压力, 采用逻辑决策方法, 选择需要控制的阀门. 根据规划压力与实测压力的差值及其差值变化率, 利用模糊自适应PID 控制方法控制阀门的开度. 采用半张量积的方法将逻辑决策和模糊控制中的推理转变成矩阵形式, 以简化运算量, 提高运算速度和控制精确度.

     

适 应 性 粒 子 群 寻 优 算 法

社会性的群体寻优是秩序与混沌之间的平衡,适应性微粒群寻优算法(APSO)是在标准PSO 上添加反映适应性的随机项,并引入小概率因子,使微粒飞行到粒子群的中心,平衡秩序和随机两个行为 .APSO算法的本质是在有序的决策中始终引入随机的,不可预测的决定,从而使得寻优的决策尽可能模拟社会性群体寻优的复杂行为. 典型复杂函数优化的仿真结果表明,APSO算法具有较好的稳定性.

     

考虑输入饱和的离散最优积分滑模控制

针对含有匹配有界干扰的线性离散系统, 提出一类最优积分滑模控制算法. 在系统开环极点位于单位圆内(上) 的前提下, 考虑输入饱和, 可以实现系统状态的半全局稳定. 该算法是低增益反馈和积分滑模的有益结合, 通过低增益反馈使输入饱和得到满足, 通过滑模控制增强了系统对干扰的鲁棒性; 另外, 该算法可以使特定的性能指标达到最优, 使系统稳态误差达到??(??²) 的量级. 仿真结果验证了所提出算法的有效性.

     

基于移动机器人路径规划的鼠群算法

研究静态环境下机器人路径规划问题,并根据老鼠觅食行为提出一种鼠群算法.该算法引入环境因子和经验因子,每次搜索后对路径进行经验因子更新,通过迭代的方式寻找静态环境下机器人最佳路径.同时提出一种禁忌策略,有效地避免了路径死锁问题.理论分析和实验结果表明,该算法能使机器人在有较多障碍的环境下迅速找到一条优化路径,而且安全避碰,与同类算法相比具有一定的优越性.

     

基于观测器的飞行器时变控制效益估计算法

研究飞行器时变控制效益的在线估计方法,证明了系统控制效益可估计的充分条件. 针对效益矩阵分段连续时变的情形,给出了基于观测器,方程求解和最小二乘法的在线估计方法,分析和证明了算法的收敛性。 数值仿真结果表明,该算法能快速估计时变控制效益,具有良好的稳定性和鲁棒性。

     

基于Ｔ-Ｓ模型的非线性网络控制系统的量化保成本控制

研究一类非线性网络控制系统的量化保成本控制问题．首先在考虑量化因素的影响下,基于Ｔ-Ｓ模糊模型方法建立包含时延、丢包和量化信息的新的非线性网络控制系统模型;其次运用Ｌｙａｐｕｎｏｖ稳定性理论和并行分布式补偿（ＰＤＣ）方法给出系统稳定性条件,运用锥补方法和线性矩阵不等式（ＬＭＩ）技术求解量化保成本控制器．仿真结果和横向比较结果验证了该方法的有效性．

     

一种动态数据流的实时趋势分析算法

有效的趋势提取可提供监控对象早期预警,评估监控对象状态和决策支持信息. 基于增量递推最小二乘回归参数估计和广义似然比变化点检测算法,提出一种动态数据流趋势分析算法 .其计算实时性和分析精度均比现有算法有明显的改进 .仿真实验结果验证了该算法的有效性.

     

深海ROV伺服控制方法研究及其仿真

针对深海水下机器人(ROV) 处于深海环境中受到外界干扰的伺服控制这一问题, 首先建立推进器推力分配结构, 推导得出作用在ROV本体上相应的实际推力; 然后依据PID 原理和模糊规则, 构造模糊PID 控制器, 实现ROV消除外界干扰恢复静止稳定状态的伺服控制; 最后通过仿真实验表明了所构造的模糊PID 控制具有较好的动态性能和稳态性能, 显示出良好的伺服控制性能.

     

基于多面体不变集的离线鲁棒预测控制器综合

提出一种基于多面体不变集的离线鲁棒预测控制器综合算法.该算法离线确定一组反馈控制律及其对应的不变集,在线控制时根据当前状态所处的位置选择相应的控制律,不仅扩大了初始可行域,还能在一定程度上改善控制性能.仿真结果表明了采用多面体不变集的优越性.

     

基于自适应观测器控制系统的快速故障调节

针对基于自适应观测器故障调节设计中的两个难点,即系统满足严格正实(SPR)条件与故障估计的准确性和快速性,首先引入适当的坐标变换,有效地放松了严格SPR 条件,适用于一大类控制系统的故障诊断;其次,针对变换后的系统,提出一种快速故障估计的设计方法,明显改善了故障估计的性能;再次,基于故障估计值修正控制律以补偿故障所带来的影响,使故障调节后的系统稳定;最后通过仿真实验验证了该方法的有效性.

     

三角模糊数互补判断矩阵排序的最小方差法

研究偏好信息为三角模糊数互补判断矩阵形式给出的方案排序方法 .根据三角模糊数互补判断矩阵完全一致性的概念,建立了一个基于最小方差的非线性规划模型. 通过求解该模型,得到三角模糊数互补判断矩阵的权重向量,并利用三角模糊数排序公式对决策方案进行排序 .最后通过算例分析表明了所提出的方法是可行而有效的.

     

一类新的粒子群算法

提出一种新的模糊粒子群优化算法---收敛模糊粒子群优化算法.重点研究了收敛因子的确定和模糊隶属度函数的选择对算法性能的影响.在考虑计算效率的同时,提高了算法的精度.利用4个基准函数测试了收敛模糊粒子群优化算法的性能,并与模糊粒子群优化算法$收敛粒子群优化算法以及基本粒子群优化算法进行了对比.实验结果表明#新算法具有很好的性能.

     

基于NEI 调节机制的非线性智能优化控制器

基于神经内分泌系统的整体调节机制,提出一种非线性优化智能控制器. 该控制器由提呈单元#抗体控制单元,主控单元,优化单元和辨识单元组成 .提呈单元根据免疫提呈机制对控制偏差进行动态处理,抗体控制单元通过调整控制实体的数量来消除控制偏差,主控单元调整提呈单元和抗体控制单元的控制作用,优化单元和辨识单元优化提呈单元和抗体控制单元的参数 .仿真结果表明,相对于传统的PID 控制,该智能控制器具有较好的控制性能.

     

二型模糊系统的规则提取算法

模糊规则提取是建立二型模糊系统需要解决的关键问题.提出一种改进的基于c均值模糊聚类算法(FCM)的二型模糊规则提取方法.该方法借助于二型模糊集主隶属度函数的期望与次隶属度函数值之间的联系,能克服已有算法忽略二型模糊集次隶属度函数对模糊聚类结果的影响.仿真实例表明,该算法能成功地提取二型模糊规则,比FCMV算法具有更好的性能和收敛性.