二自由度飞行姿态模拟器的模糊强化学习控制

针对二自由度飞行姿态模拟器的姿态稳定问题,依据强化学习中的策略迭代算法设计姿态稳定控制器。将策略迭代学习算法与多项式T-S模糊系统相结合,对控制器参数进行学习调整,实现对二自由度飞行姿态模拟器姿态稳定控制性能的优化。通过多项式T-S模糊模型对执行器的策略函数以及评价器的值函数进行逼近,建立基于多项式T-S模糊模型的执行器-评价器结构,经过策略迭代过程,学习得到最优控制器参数,使得值函数最小。通过仿真验证,证明了基于多项式TS模糊模型的执行器—评价器结构的策略迭代算法在飞行器姿态稳定控制方面的有效性。     

基于积分型滑模面的无刷直流电机滑模调速控制算法

针对无刷直流电机负载运行时稳态转速跟踪误差大,转矩脉动明显的问题,提出了基于积分型滑模面设计的一种滑模控制算法,搭建了速度调节采用滑模控制,电流调节利用PI控制的调速控制系统仿真模型,并进行仿真实验研究。仿真实验结果表明,与PI控制算法和模糊PI控制算法的控制系统相比,该系统动态响应快速,负载运行时跟踪转速误差小,转矩脉动不明显,电机参数变化影响小,系统鲁棒性强。     

基于自适应模糊滑模控制的机器人轨迹跟踪算法

针对控制参数的不确定性以及存在未知外部扰动情况下移动机器人的轨迹跟踪问题,提出一种基于光滑非线性饱和函数的自适应模糊滑模轨迹跟踪控制算法。通过建立不确定非线性移动机器人运动控制模型,利用自适应模糊逻辑系统构建自适应模糊滑模控制器。为了增强轨迹跟踪控制算法对随机不确定外部扰动适应能力的同时削弱滑模控制算法中的输入抖振现象,利用有界输入有界输出(BIBO)稳定的方法,通过带有自适应调节算法的模糊系统对滑模控制律中非线性函数项进行自适应逼近,并设计了模糊系统中可调参数的自适应控制律,保证了控制系统的稳定与收敛。实验结果表明,所设计的控制器对系统参数不确定性和外界扰动均具有较强的轨迹跟踪性能和鲁棒性。与传统的滑模控制算法相比,该算法不仅能有效减小输入抖振而且轨迹跟踪控制精度提高了18.89%。     

开关磁阻电机模糊滑模观测器间接位置检测

研究开关磁阻电机滑模观测器间接位置检测方法,针对传统滑模观测器存在抖振影响系统动态性能的问题,引入模糊控制,用模糊控制器调节开关函数的输出幅值,以抑制抖振并快速到达滑模面。详细分析了基于电磁转矩的误差函数构造方法及其选取过程,该误差函数能反映电机转子位置误差与转速误差,讨论了滑模观测器稳定运行条件及参数选取,在此基础上推导了模糊控制规则,设计了模糊滑模观测器。通过仿真和实验分析,验证了模糊滑模观测器能柔化控制器的输出信号,使响应速度更快,且鲁棒性强,可以实现转子位置的精确估算。     

基于T-S模糊模型的多变量非线性预测控制

针对多变量非线性系统预测控制的实时性问题,提出一种基于T-S模糊模型的预测控制快速算法.通过辨识建立非线性系统的T-S模糊模型,依据系统的运动特性和实际中控制输入增量的变化趋势选取特定基函数,将广义预测控制和预测函数控制相结合设计多变量预测控制律.该算法相比已有基于T-S模糊模型的多变量非线性广义预测控制算法大幅度减少了计算量,显著提高了控制的实时性.仿真结果验证了该算法的有效性.     

基于模糊PID控制的导弹舵机伺服控制器

针对飞航式导弹飞行速度快、作用时间短,加之飞行过程中环境因素复杂等控制难题,提出了一种混合型模糊PID控制算法结合经典PID控制算法的数字式导弹舵机控制方法。控制策略采用位置-速度双环控制,位置环采用混合型模糊PID控制算法,只需获得舵面位置误差及位置误差的改变,即可通过相应的模糊控制算法,使系统的动态性能得到显著的提高,并且该控制算法中的PI单元有效地抑制了系统的超调及稳态误差;速度环采用具有不完全微分结构的经典PI算法,使得系统抗干扰能力得到了提升,有效地改善了系统幅频曲线、相频曲线等频域特性。仿真和地面台架实验均验证了该方法的有效性。     

模糊滑模控制的一种新方法

模糊滑模控制是非线性控制的一个重要方法。它消除了滑模控制的抖动,但同时带来新的问题——静差。而且控制器在控制切换时动态性能与滑平面的选择有很大关系。由于以上问题的存在,基于模糊逻辑系统,用模糊控制器来逼近滑模控制律,同时为了保证逼近精度和模糊控制系统的稳定性,在设计中加入模糊监督控制器。再基于遗传算法对滑平面的特征常数λ寻优,目标函数是系统的误差和表征系统稳定性的一个新变量。这种方法减小了系统的稳态误差,加快了系统的响应速度。仿真结果表明了该方法的有效性。     

直线游标永磁电机反步滑模控制研究

将反步控制方法和滑模方法相结合,提出一种反步滑模控制算法,应用于直线游标永磁电机位置跟踪控制。针对系统内部的参数变化及外部负载扰动等未知因素,采用神经网络最小参数学习算法逼近系统未知项。仿真结果表明,相对于普通控制算法,反步滑模控制算法使系统位置跟踪精确,提高了系统的鲁棒性和动态性能。     

永磁同步电机的滑模PI模糊逻辑控制

PI控制因结构简单,容易实现,稳态性能好等优点,而被广泛应用于以矢量控制为核心控制算法的永磁同步电机控制系统中,但其缺点是快速响应和超调之间存在矛盾,控制性能易受外界扰动和电机参数变化的影响。滑模控制有较好的动态性能,但抖振问题限制了其在实际系统中的应用。针对永磁同步电机伺服系统,提出了基于模糊-滑模-PI混合控制的速度控制算法,并对常用的模糊线性切换函数进行了改进,引入了非线性切换函数实现了平滑切换,在满足系统动态响应,增强系统鲁棒性的同时,又很好地解决了抖振问题。最后,通过仿真和实验验证了所提出的算法的正确性和实用性。     

积分分离模糊PID算法在MPPT中的应用

光伏最大功率跟踪采用模糊PID控制算法,在PID控制器中积分项I的作用为消除稳态误差,但是过度的积分调节可使系统稳定性降低、动态响应变慢。对此结合现有的PID控制算法、模糊控制算法、模糊PID算法中的优点,提出了一种基于积分分离的模糊PID控制算法,阐述了该方法的控制原理,并给出了控制模型,设计了分离系数的大小,控制了积分项I值的大小,对分离系数进行判别使控制模式分为3种,即模糊PD控制、半模糊PID控制、完整模糊PID控制,通过对积分项I的动态调节,提高了系统的动态响应能力。最终,结合整个光伏系统对传统模糊控制法、PID控制法、模糊PID控制法以及该方法进行静态和动态的仿真比较。结果表明,积分分离模糊PID算法具有响应速度快、超调量小和稳定性高的优点。     

T-S模糊模型控制器的LMI设计方法

为了探讨模糊控制系统的稳定性分析和设计方法,依据模糊控制理论,把离散T-S模糊模型看成是一个线性不确定系统,提出了基于线性矩阵不等式和分段Lyapunov函数的模糊控制器设计方法.将闭环控制系统的稳定要求、性能指标约束条件统一到线性矩阵不等式的框架内,通过求解线性矩阵不等式族获得控制器参数.该方法能够保证系统全局稳定,并且具有良好的动态和稳态性能.     

微型水力发电机组的T-S模糊神经网络控制器

随着能源短缺现象的加剧,全球能源互联网的提出,微型水力发电越来越被人们重视。详细分析了模糊控制、神经网络以及TS模糊神经网络结构和算法,针对微型水力发电机系统的非线性和时变性的特点,构件了微型水力发电机组的T-S模糊神经网络控制器,采用MATLAB/Simulink仿真软件,在动态负载条件下对该微型水力发电机组进行仿真,分析了突甩负载和突加负载对机械功率、转子速度、频率和电压的影响,并与PID控制器进行比较。其仿真结果表明,所建立的T-S模糊神经网络控制器动态特性模型符合工程实际,满足系统的稳定性要求,具有良好的稳定性和鲁棒性。     

Suboptimal control for nonlinear slow-fast coupled systems using reinforcement learning and Takagi–Sugeno fuzzy methods

In this article, by using singular perturbation theory, reinforcement learning (RL), and Takagi–Sugeno (T-S) fuzzy methods, a RL-fuzzy-based composite suboptimal control method is proposed for nonlinear slow-fast coupled systems (SFCSs) with unknown slow dynamics. First, the SFCSs is decomposed into slow and fast subsystems and the original optimal control problem is reduced to two subproblems. Then, for the slow subsystem, a nonlinear coordinate transformation is introduced to transform the nonquadratic slow utility function into the quadratic form. Unmeasurable virtual slow subsystem state is reconstructed by the state measurements of original system and slow controller design algorithm is proposed in the framework of RL by utilizing the actor-critic neural networks to approximate the controller and cost function. For the fast subsystem, T-S fuzzy model is established and state measurements of the original system are exploited to reconstruct the unmeasurable fast subsystem state. Fast controller is designed with the approach of parallel distributed compensation. The obtained slow and fast controllers form the composite suboptimal controller for the original SFCSs. Considering the state reconstruction error, convergence of the slow controller design algorithm, suboptimality of the composite controller, and stability of the closed-loop SFCSs are analyzed. Finally, the effectiveness of our proposed method is illustrated by examples.     

模糊多模型控制及其对500MW单元机组协调控制系统的仿真研究

为解决火电单元机组协调控制系统的动态非线性和耦合特性，设计了基于T—S模糊模型和动态解耦PID控制器的模糊多模型协调控制系统。首先针对一个500MW单元机组的仿真模型，绘出了其相对非线性测度曲线，并据此得出了单元机组在典型工作点的5个线性化模型；然后对每个线性化模型分别设计了动态解耦PID控制器，并用T—S模糊模型合成出协调控制系统的全局控制器；最后使用Lyapunov稳定性定理及其推论对此协调控制系统的全局稳定性进行了证明。仿真研究证明了控制算法设计的有效性。     

Antlion Algorithm Optimized Fuzzy PID Supervised On-line Recurrent Fuzzy Neural Network Based Controller for Brushless DC Motor

In this paper, Antlion algorithm optimized Fuzzy PID supervised on-line Recurrent Fuzzy Neural Network based controller is proposed for the speed control of Brushless DC motor. Learning parameters of the supervised on-line recurrent fuzzy neural network controller, i.e., learning rate (η), dynamic factor (α), and number nodes (N_i) are optimized using Genetic algorithm, Particle Swarm optimization, Ant colony optimization, Bat algorithm, and Antlion algorithm. The proposed controller is tested with different operating conditions of the Brushless DC motor, such as varying load conditions and varying set speed conditions. The time domain specifications such as rise time, overshoot, undershoot, settling time, recovery time, and steady state error and also integral performance indices such as root mean square error, integral of absolute error, integral of squared error, and integral of time multiplied absolute error are measured and compared for above optimized controller. Simulation results show Antlion algorithm optimized Fuzzy PID supervised on-line recurrent fuzzy neural network based controller has proved to be superior than other considered controllers in all aspects. In addition, the experimental verification of proposed control system is presented to test the effectiveness of the proposed controller with different operating conditions of the Brushless DC motor.     

基于T-S模型的模糊控制器设计

讨论了一类由T-S模糊模型表示的不确定时滞非线性系统的模糊控制器设计问题。刻画了系统的不确定性,采用并行分布补偿的基本思想设计了状态反馈控制器,分析了现有T-S型模糊控制器设计方法计算复杂且难以求解的原因,在此基础上,提出了一种与系统实时输入相关的动态模型简化算法。同时,利用Lyapunov稳定性理论和线性矩阵不等式等有关工具,得出了该不确定时滞非线性系统的稳定条件,并给出了系统以衰减率α全局渐近稳定的充分条件,从而相应得出T-S型模糊状态反馈控制器。仿真实例表明,该设计方法的有效性。     

基于综合预测和自适应滤波器的电力系统动态状态估计

对基于扩展卡尔曼滤波(EKF)原理的动态状态估计理论进行了深入的分析,并指出其存在的问题的此基础上,提出具有自适应能力的动态状态估计模型和算法.该模型和算法的新意主要体现在:在预测环节中,建立系统节点注入功率制约作用和系统状态自身预测融合的加权优化综合预测模型,提高了状态预估的精度;在滤波环节中,基于最小二乘支持向量机技术,建立了自适应的限定记忆动态滤波器,提高了模型的估计能力和计算速度.对山东500 kV电网进行的实际分析,充分表明了该方法的有效性.     

基于深度确定性策略梯度与模糊PID的直流微电网VRB储能系统就地层功率控制

针对直流微电网全钒液流电池(vanadium redox flow battery, VRB)储能系统在实际运行时就地控制层中的功率控制器存在时滞、精度低及抗干扰能力差等问题,提出了一种基于深度确定性策略梯度与模糊PID的功率跟踪控制策略。首先,建立VRB的等效电路模型来描述功率传输特性,并设计了由模糊PID与深度确定性策略梯度(deep deterministic policy gradient, DDPG)算法组成的复合控制器。将模糊PID作为主控制器对功率环进行控制,DDPG作为辅助控制器来补偿功率跟踪误差。然后,设计了VRB储能系统就地层功率跟踪控制器,采用麻雀搜索算法(sparrow search algorithm, SSA)对PID参数和模糊规则进行优化,并通过阶跃信号对优化后的系统输出响应进行测试。同时将分配指令功率与储能单元给定功率偏差作为数据集在DDPG中进行训练,以提高主控制器的响应速度和抗干扰能力。最后,通过在3种不同场景的算例下进行仿真,验证了控制策略的有效性及稳定性。结果表明：所提控制策略在电池充放电时,能够快速地跟踪到功率指令值;实时跟踪时,跟踪功率值与调度指令值偏差小于±2%;受到扰动时,能准确修正功率偏差,满足实际要求。     

一种新型水轮发电机组智能模糊控制系统

本文提出了一种新型的水轮发电机组智能模糊控制系统。它充分利用一有水轮机调速器的硬件资源,在进行智能模糊实时控制的同时,以神经网络贯穿对水轮机系统的和学习,从而圆满地解决了以往智能控制学习时由于模型未知而无法求反向传播误差的问题。