通用模型模糊神经网络控制

针对通用模型控制要求被控对象有显式解的局限性,提出一种基于模糊神经网络的通用模型控制方法。该方法是在控制算法中直接嵌入过程模型,从而保证了通用模型控制策略的可实现性。通用模型模糊神经网络控制与基于模糊逻辑的通用模型控制相比,其控制性能更好。仿真实验验证了该控制策略的有效性和鲁棒性。     

基于模糊神经网络的冗余度变几何桁架机器人自适应控制

本文提出了一种基于模糊神经网络（FNN）的机器人位置自适应控制方法．利用模糊 神经网络模型来辨识冗余度变几何桁架机器人的逆动力学模型,用常规反馈控制器完成外部 干扰的补偿和闭环控制．并以四重四面体变几何桁架机器人为例进行仿真计算,表明该控制 方法具有良好的轨迹跟踪精度和抗干扰能力．     

基于模糊神经网络运算法则的并联机器人自适应控制研究

针对并联机器人数学模型不完全确知并包含外部扰动的非线性多变量系统,提出一种基于模糊神经网络运算法则（FNNA）的自适应控制策略。将各个支链的模糊规则通过神经网络进行在线训练并得出模糊规则的权重并将此运用于在线辨识非线性自适应控制系统的未知动态,有效抑制了系统的数学模型不精确所产生的误差及外部扰动。仿真结果表明该控制方法明显提高了控制系统的轨迹跟踪性能,并对外部干扰及系统的非线性具有很强的鲁棒性。     

基于曲线拟合预测模型的自适应逆控制研究

针对不确定滞后系统,提出一种基于曲线拟合预测模型的自适应逆控制方法.该方法将预测思想引入自适应逆控制中,采用四阶龙格库塔法与GM(2,1)灰色模型相结合作为预测模型,用模糊神经网络作为自适应逆控制器,并由预测误差进行参数的在线自适应寻优.仿真结果表明,该方法具有很好的跟踪效果和较强的鲁棒性.     

不确定非线性系统的模糊鲁棒跟踪控制

提出了一种基于T-S模糊型的鲁捧自适应跟踪控制方法.整个控制方案在结合所有的局部线性状态反馈控制器的基础上,引入了基于自适应神经网络的鲁棒控制器.所提出的模糊自适应鲁棒控制器设计方法不需要求取李亚普诺夫方程的公共解,不要求系统的不确定性项满足任何匹配条件或约束条件所提出的带有补偿项的完全自适应RBF神经网络,通过在线自适应调整RBF神经网络的权重、函数中心和宽度,提高了神经网络的学习能力,可以有效地对消系统的未知不确定性的影响.同时通过自适应补偿项来在线估计神经网络的近似误差边界,弥补了神经网络的不足.所提出的方案保证了闭环系统的稳定性,有效地提高了系统的鲁棒性和跟踪性能.仿真实例表明了所提出方法的有效性.     

一种基于模型参考自适应的神经网络控制

工业对象的动态特性具有大迟延、大惯性、时变性和不确定性等特点,难以建立精确的数学模型,从而使得建立在精确对象数学模型基础上的经典控制方法及状态空间控制方法难以取得满意的控制效果.基于神经网络的自适应神经网络控制具有鲁棒性高、自适应能力强、适用于工业过程控制.本文提出一种基于神经网络的模型参考自适应神经网络控制系统.仿真试验表明,此系统具有良好的品质特性.     

基于WinAC的70t LF钢包精炼炉电极控制系统设计及应用

针对70t LF钢包精炼炉，设计了基于WinAC电极计算机控制系统，并引入一种基于RBF神经网络实时在线辨识和神经网络解耦的模糊自适应控制算法对三相电极进行实时控制，应用结果证实了此控制方案较强的可靠性和鲁棒性。     

基于模糊模型的非线性通用模型控制

通用模型控制是一种有效的非线性控制方法,但该方法的应用条件是过程一阶微分模型必须要有显式解.为了克服这一局限性,提出一种基于模糊模型的通用模型控制策略,将非线性过程模型应用逆系统的方法在控制算法中直接嵌入过程模型,从而保证了通用模型控制策略的可实现性.该控制器参数物理意义明显,整定方便,仿真结果表明了该控制策略的有效性和鲁棒性.     

一种基于模糊逻辑神经网络的自适应控制及其应用

本文提出了一种模糊逻辑神经网络自适应控制器．这种控制器由一个模糊高斯神经网络和一个多层神经网络组成．它具有自适应和学习能力．计算机仿真和实际的伺服直流电机调速实验的结果表明本文提出的这种控制器是切实可行的，其系统响应和鲁棒性优于常规的Ｆｕｚｚｙ控制．     

非线性互联系统的分散混合自适应智能控制

针对一类高阶互联MIMO非线性系统，利用TS模糊系统和神经网络的通用逼近能力，在神经网络控制器中引入模糊基函数，提出一种分散混合自适应智能控制器设计的新方案．基于等价控制思想，设计分散自适应控制器，无需计算TS模型．通过对不确定项进行自适应估计，取消了其存在已知上界的假设．通过理论分析，证明了闭环智能控制系统所有信号有界，跟踪误差收敛到零．     

基于模糊控制器的自适应广义通用模型控制

广义通用模型控制(GCMC)方法是一般模型控制(GMC)的改进,适用于相对阶大于1的复杂多输入多输出系统,该控制器参数具有明显的物理意义,但鲁棒性不够强。将模糊控制与广义通用模型控制相结合,构成模型参考自适应控制系统,从而加强了系统的鲁棒性,仿真实验证明了该策略的有效性。     

Robust Control of an LUSM-Based $Xhbox{--}Yhbox{--}theta$ Motion Control Stage Using an Adaptive Interval Type-2 Fuzzy Neural Network

The robust control of a linear ultrasonic motor based $Xhbox{--}Yhbox{--}theta$ motion control stage to track various contours is achieved by using an adaptive interval type-2 fuzzy neural network (AIT2FNN) control system in this study. In the proposed AIT2FNN control system, an IT2FNN, which combines the merits of an interval type-2 fuzzy logic system and a neural network, is developed to approximate an unknown dynamic function. Moreover, adaptive learning algorithms are derived using the Lyapunov stability theorem to train the parameters of the IT2FNN online. Furthermore, a robust compensator is proposed to confront the uncertainties including the approximation error, optimal parameter vectors, and higher order terms in Taylor series. To relax the requirement for the value of lumped uncertainty in the robust compensator, an adaptive lumped uncertainty estimation law is also investigated. In addition, the circle and butterfly contours are planned using a nonuniform rational B-spline curve interpolator. The experimental results show that the contour tracking performance of the proposed AIT2FNN is significantly improved compared with the adaptive type-1 FNN. Additionally, the robustness to parameter variations, external disturbances, cross-coupled interference, and frictional force can also be obtained using the proposed AIT2FNN.      

多输入–多输出非线性系统的特征模型及在挠性卫星姿态控制中的应用

研究多输入–多输出（MIMO）高阶非仿射非线性系统的特征建模问题.首先证明了MIMO高阶非仿射非线性系统的特征模型可用二阶时变差分方程组描述,并给出了特征模型的建模误差.然后设计了基于特征模型的自适应模糊广义预测控制器,利用Lyapunov方法分析了闭环系统的稳定性.由于控制结构中使用了分层模糊逻辑系统,从而极大减少了模糊规则和可调参数的个数,提高了控制的实时性.通过对挠性卫星姿态控制的仿真研究验证了所给控制方案的有效性,可实现高精度的姿态控制,且该方法具有较强的鲁棒性.     

一类多变量非线性系统的特征模型及其在卫星姿态控制中的应用

本文对一类多输入-多输出高阶非线性系统从理论上详细推导出了其特征模型,并设计了基于特征模型的稳定的自适应模糊广义预测控制方案。由于控制结构中使用了分层模糊系统,因而极大地减少了模糊规则数目,提高了控制的实时性。此外,文中还将所设计的控制方案用于挠性卫星的姿态控制。仿真结果表明,该控制方法具有较强的鲁棒性,可实现高精度的卫星姿态控制。     

异步电机软启动的变论域模糊自适应控制策略

异步电机软启动系统是一个时变、非线性的高阶系统,将变论域模糊自适应控制方法应用于异步电机的软启动控制系统中,并建立电机软启动控制系统的Matlab/Simulink的仿真模型,给出了变论域自适应模糊控制方法的仿真结果,与传统PID控制和常规模糊软启动控制方法进行了比较。仿真结果表明,该方法具有无需精确建模、响应快速、精度高、鲁棒性好、适应性强等优点,切实可行,并优于其他控制方法。     

基于自适应模糊滑模控制的分数阶混沌系统的投影同步

基于模糊控制理论和滑模控制理论以及自适应控制理论,研究了一类含有外部扰动的不确定分数阶混沌系统的混合投影同步问题.提出了一种自适应模糊滑模控制的分数阶混沌系统投影同步方法.模糊逻辑系统用来逼近未知的非线性函数和外部扰动,并且对逼近误差采用了自适应控制,同时构造了一种具有较强鲁棒性的分数阶积分滑模面.应用分数阶Barbalat引理设计了自适应模糊滑模控制器和参数自适应律.最后数值仿真结果验证了所提控制方法的有效性.     

焦炉模糊免疫自适应PID控制的应用研究

针对焦炉温度控制的难点,借鉴生物免疫反馈响应过程的调节作用和模糊逻辑推理的自适应性,提出了一种模糊免疫自适应PID控制策略. 该控制方法集合了3种控制方法的优点,对焦炉温度系统的适应性好,抗干扰能力强,具有较快的响应速度和较强的鲁棒性.理论分析和仿真研究证明了该控制方法的可行性和有效性.     

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。     

Cascaded fuzzy neural network model based on syllogistic fuzzyreasoning

In recent years, there has been an increasing interest in the fusion of neural networks and fuzzy logic. Most of the existing fuzzy neural network (FNN) models have been proposed to implement different types of single-stage fuzzy reasoning mechanisms. Single-stage fuzzy reasoning, however, is only the most basic among a human being's various types of reasoning mechanisms. Syllogistic fuzzy reasoning, where the consequence of a rule in one reasoning stage is passed to the next stage as a fact, is essential to effectively build up a large scale system with high level intelligence. In view of the fact that the fusion of syllogistic fuzzy logic and neural networks has not been sufficiently studied, a new FNN model based on syllogistic fuzzy reasoning, termed cascaded FNN (CFNN), is proposed in this paper. From the stipulated input-output data pairs, the model can generate an appropriate syllogistic fuzzy rule set through structure (genetic) learning and parameter (back-propagation) learning procedures proposed in this paper. In addition, we particularly discuss and analyze the performance of the proposed model in terms of approximation ability and robustness as compared with single-stage FNN models. The effectiveness of the proposed CFNN model is demonstrated through simulating two benchmark problems in fuzzy control and nonlinear function approximation domain     

FNN模型参考自适应控制在轧机液压弯辊系统中的应用

UC轧机液压弯辊系统的数学模型具有很强的时变性和不确定性,是典型的非线性过程;针对UC轧机液压弯辊系统的特性,提出模糊神经网络模型参考自适应控制策略,并将其应用到液压巧辊控制系统中;仿真结果表明,模糊神经网络模型参考自适应控制能够很好的跟踪参考模型的设定,系统的响应快。