基于产生式系统的模糊认知图建模方法及其在控制中的应用

介绍了模糊认知图的基本原理,首次在FCM（fuzzy cognitive map）建模阶段引入产生式系统提出基于产生式系统的FCM建模方法,然后结合智能控制理论提出了基于FCM的控制框架以解决多输入变量系统的控制问题,并以混液池密度控制问题为例对其进行了检验。研究结果表明：FCM与产生式系统的结合弥补了传统FCM建模方法在专家知识整合上的缺陷、基于FCM的控制框架是解决多输入多输出控制问题的一条新途径。     

考虑重要输入变量选择的非线性系统模糊辨识

针对有数百个可能输入的复杂非线性动态系统模糊建模问题,本文提出一种新的考虑重要输入变量选择的模糊辨识方法.首先采用两阶段模糊曲线方法(TSFC)从大量可选择的输入变量中给出各输入变量与输出之间的关联度权重,根据输入变量指标快速选择出重要的输入变量,然后采用模糊聚类(FCM)和高斯(Gaussian)型隶属函数确定模糊模...     

输入变量关联约束对约束优化控制的影响特性分析

过程工业控制中除了存在常见的输入变量和输出变量幅值高低限约束, 由于工艺或者控制的需要也可能具有关于输入变量线性函数的关联约束. 不同约束条件之间的矛盾可能会造成约束条件无法全部满足, 失去了实施预测控制的基础. 从凸体顶点角度, 将具有输入关联约束的约束优化控制的可行性判定转化为凸多面集是否非空的问题. 为保证具有输入关联约束预测控制的有效实施, 本文将输入关联约束纳入到预测控制控制律的求解当中. 基于Newton控制框架, 考虑具有输入关联约束条件下, 得到基于区间控制思想的预测控制律的解析表达式, 从而分析输入关联约束条件对控制的影响. 通过典型系统模型的控制仿真实验, 验证以上方法的有效性.     

基于神经网络模块SN9701开发多变量系统解耦控制器

基于单输入单输出的具有自学习功能的神经网络模块SN9701开发出了多变量系统的解耦控制器,计算机仿真结果表明,用4块SN9701可以完成双输入双输出系统的解耦控制。介绍了该多变量系统解耦控制原理以及解耦控制系统中SN9701的训练。     

基于自适应分布式滤波观测器的多智能体系统编队控制

本文考虑了全局指令系统输出信息受到信道扰动情况下线性多智能体系统的编队控制问题.首先,基于协作式输出调节理论框架对线性多智能体系统的编队控制问题进行数学建模.其次,针对受到信道扰动的全局指令系统输出信息,提出了一类基于受扰输出的自适应分布式滤波观测器,在降低网络信息交换量的同时消除扰动的影响.最后,设计了输出反馈确定等价控制律,解决了线性多智能体系统的分布式编队控制问题.给出了数值仿真结果检验控制性能.     

MIMO大滞后控制系统的设计与应用

介绍了Smith预估补偿控制的基本原理,针对多输入多输出（MIMO）控制系统中存在的大滞后问题,给出了Smith预估补偿的设计方法及计算机控制系统的设计流程,并结合二输入二输出多变量液位控制系统进行仿真验证,结果表明Smith预估控制能够解决MIMO控制系统中的大滞后问题,且能满足控制质量性能要求,具有较好的控制效果,有一定的应用价值。     

基于事件的设计与控制技术及其在机器人系统中的应用

基于事件的设计与控制技术已经引起人们的广泛关注,其基本思想就是引入与系统输出相关的运动参考变量(action reference),在任意时刻使系统给定量的输入以及系统的设计都转化为这个参考变量的函数,使系统的设计部分与控制器一样成为系统的决策部件,从而使系统具备处理突发性、不确定性事件的能力,可以根据系统的实际输出来实时、自动地调整系统的输入,实现对系统的实时控制．机器人系统是一个智能控制系统．机器人间的协调协作是其智能性的主要表现．本文首先对基于事件的控制理论及其发展做了回顾,然后介绍了基于事件的控制技术在机器人队形保持、机器制造、多机器人协作等系统智能控制中的应用,实验证明该方法可以取得很好的智能控制效果,提高系统的控制性能．最后探讨了这一研究领域的发展方向．     

神经网络建模的变量聚类分析方法

针对神经网络建模需尽量减少输入变量及输入变量要充分解释输出变量的问题，研究了变量聚类分析方法，提出了变量选取原则并对这些原则进行了基于信息论的理论推导，开发了基于聚类分析的神经网络软件。实际应用表明，这种基于精确数学分析进行的神经网络变量的选取是行之有效的。     

油水分离过程多变量分散型预测控制

研究了多变量分散型预测控制应用,解决了多变量过程控制中采用子系统分散建模,分散预测控制在油水分离过程中的应用问题;给出了基于状态反馈的联合站油水分离过程的多变量分散预测控制算法,其工程应用的优点是建模简单、优化计算量小并且保证控制的安全性。     

基于特征模型自适应方法的一类最小相位非线性系统稳定性分析

在特征建模理论中,由全系数自适应控制器组成的闭环系统是一个非常复杂的混合系统,采用传统自适应框架难以进行分析,因此,稳定性分析一直是该领域的一个难点.本文以一类最小相位、相对阶为2的单输入单输出(SISO)高阶非线性系统为例,通过一种新的特征建模方法,把高阶混合系统变换为一个含有稳定未建模误差的、参数有界慢时变的采样间接自适应控制问题,并利用基于欧拉近似离散化模型的采样系统稳定性分析方法进行了系统分析.该方法可进一步推广到任意相对阶的SISO或多输入多输出(MIMO)系统甚至无限维最小相位系统中去.