自适应神经模糊系统及其MATLAB实现

本文介绍了模糊神经网络系统的T-S模型、结构及算法,同时论述了采用网格分割方式生成模糊推论系统函数和自适应神经模糊系统的建模函数,最后用一个例子证明了自适应神经模糊系统在未知非线性的建模方面的良好的性能。     

基于模糊逼近的单输入单输出非线性时延控制系统

针对单输入单输出的非线性时延系统,本文考虑了其自适应模糊跟踪控制问题。构建了一种自适应时延模糊逻辑系统用来逼近未知时延函数;设计了补偿器来抵消模糊逼近误差和外部扰动。根据跟踪误差给出了参数调节规律。构造了包含时延的李亚普诺夫函数,从而证明了误差闭环系统满足期望的跟踪性能。仿真结果表明了该方案的可行性。     

小波神经网络的水电机组自适应逆控制

针对水电机组的非线性和结构参数易变化且具有时变和非最小相位的特点,依据神经网络的自学习特性和小波分析的逼近能力,提出了一种基于小波神经网络(WNN)的水电机组自适应逆控制方法.该方法用小波神经网络逼近被控对象的正、逆模型,通过构造控制加权的广义目标函数,推导出一种对非最小相位系统能实现有效控制的小波神经网络自适应逆控制律,理论分析和对水电机组仿真实验均表明,文中提出的控制策略比采用神经网络控制能更好地改善水电机组的动态性能,证明了该方法的有效性.     

一类具有非线性参数不确定性的系统的自适应控制

针对非线性函数关于未知参数是凹/凸函数的一类非线性系统,设计了基于极大极小策略的自适应控制器.与过去的具有非线性参数不确定性的系统的自适应控制器相比,该控制器能保证闭环系统输出跟踪误差渐近趋于零.最后通过对一个单摆模型的仿真验证了算法的有效性.     

双臂空间机器人协调运动的模糊基函数网络控制

该文研究了在本体位置不受控、姿态受控的情况下,漂浮基双臂空间机器人系统惯性空间协调运动的轨迹跟踪问题。针对存在外部扰动和未知系统惯性参数的情况,设计了一种基于模糊基函数网络的自适应调节控制方案。用模糊基函数网络对双臂空间机器人系统建模,利用鲁棒技术处理建模误差和外部扰动在内的不确定性。所提控制方案的特点是:不需要动力学方程中的惯性参数符合线性规律,也无需预知系统的惯性参数;同时可以利用学习规则在线自适应调节模糊基函数网络的所有权值和参数,因此控制方案是灵活的。该文稳定性分析证明了控制方案的全局稳定性和良好的轨迹跟踪性能。仿真算例表明了该方案能有效地控制双臂空间机器人的本体姿态和末端爪手协调地跟踪期望的运动轨迹。     

基于非零和博弈的自适应人机协作系统设计

为了提高人机协作的协调性,本文设计了基于非零和博弈的自适应人机协作系统,系统由互相解耦的内外环构成。在外环中,通过引入非零和博弈的方法设计人机协作策略,构建关于人力和机器人控制输入的能量函数,通过求解博弈中的纳什均衡达到最优控制。针对能量函数中的不确定参数,采用神经网络估计器进行更新,以估计人和机器人的力。并且通过设计神经网络函数的中心值,获得机器人控制力与跟踪误差的关系,保证控制方法的跟踪性。在更新过程中自适应调整刚度系数,实现人机柔顺协调。另外,在内环中设计了神经网络控制器,采用径向基神经网络,基于实时采集的机器人系统输入输出数据逼近控制器中未知非线性的机器人动力学模型,提高了系统跟踪精度。仿真结果验证了本文方法的有效性。     

四旋翼飞行器事件触发轨迹跟踪控制

针对具有模型非线性和外界扰动的四旋翼飞行器，设计了基于事件触发的自适应模糊跟踪控制算法。首先将四旋翼飞行器系统分解为位置子系统和姿态子系统，并利用模糊逻辑系统在线辨识模型非线性和外界干扰。然后，基于反步递推技术设计自适应模糊控制律，同时构建自适应事件触发机制，非周期更新控制律和模糊参数自适应律。基于Lyapunov稳定性理论，以脉冲动力系统为工具，证明了闭环系统所有信号最终一致有界，而且跟踪误差能够收敛于零点的邻域内。此外，证明了所提控制算法可以彻底避免Zeno现象出现。最后，仿真结果验证了所提控制方案在保证四旋翼飞行器实现轨迹跟踪控制同时，可以有效减少控制器更新频率，提高系统资源利用率。     

基于神经网络的机器人模型参考自适应控制的研究

提出一种新的基于神经网络的机器人模型参考自适应控制方法,采用动态对角回归神经网络作为辨识器和控制器,实现了机器人轨迹跟踪的最小误差控制,给出了神经网络的学习算法,通过实例仿真证明了控制方法应用于未知模型机器人系统的正确性和有效性。     

自适应神经网络模糊小波语音消噪算法

针对有色噪声,采用自适应神经网络模糊系统模糊(Auto Neural Fuzzy Inference System,ANFIS)逼近有色噪声,利用自适应神经模糊推理系统ANFIS对噪声的非线性动态特性进行建模,提出了语音自适应神经网络模糊小波消噪算法,建立并训练了消噪系统。对被有色噪声污染的测量信号经模糊消噪后,根据信号和噪声的小波系数在不同分解尺度上的传递性,进行中值滤波和小波重构,得到了干净的语音。对算法进行了仿真实验,结果表明,消噪效果明显。     

基于小波神经网络辨识器的模糊神经自适应控制在VAV空调系统中的应用

针对空调温度控制的大惯性、大滞后、非线性等特点,提出采用基于小波神经网络辨识器的模糊神经自适应控制的中央空调房间温度控制器的设计方案。由于小波神经网络的非线性映射能力比一般神经网络要强,所以基于小波神经网络的辨识器可以获得很高的辨识精度。而且,模糊神经自适应控制器随着系统动态特性的改变可以在线改变其控制规则,从而进行客观准确的控制。与普通模糊控制方法相比较,仿真试验说明系统设计的有效性。     

一类带有未知控制方向的非线性系统的模糊自适应事件触发容错控制

针对带有未知控制方向、未知非线性函数以及执行器故障的不确定非线性系统,研究了相应的模糊自适应事件触发容错控制问题。首先,运用反步法和模糊逻辑系统 (FLS) 理论知识相结合,构造出自适应事件触发容错控制器和自适应更新律,有效地补偿了执行器故障对系统的影响。其次,在自适应事件触发容错控制器的设计中引入了 Nussbaum 函数。最后,所设计的控制方案保证了闭环信号在给定紧集内一致最终有界,且仿真结果验证了本文所提出的控制方案的有效性。     

基于小波基模糊神经网络的漂浮基柔性空间机械臂轨迹跟踪控制

讨论了载体位置不受控、姿态受控情况下,参数未知漂浮基柔性空间机械臂关节空间协调运动的轨迹跟踪控制问题。依据系统动量守恒关系和拉格朗日第二类方程,由假设模态法,建立了漂浮基柔性空间机械臂的系统动力学方程。以此为基础,针对系统参数未知的情况,设计了一种小波基模糊神经网络的控制方案,以使柔性空间机械臂的载体姿态到达期望位置的同时,机械臂关节铰能够协调地跟踪关节空间的期望轨迹。该方案具有无需预知柔性空间机械臂的模型和系统参数的优点,且网络权值是通过在线学习进行调整,节省了离线训练的时间。系统的数值仿真表明了所提出方案的有效性和可行性。     

A hyperstable neural network for the modelling and control of nonlinear systems

A multivariable hyperstable robust adaptive decoupling control algorithm based on a neural network is presented for the control of nonlinear multivariable coupled systems with unknown parameters and structure. The Popov theorem is used in the design of the controller. The modelling errors, coupling action and other uncertainties of the system are identified on-line by a neural network. The identified results are taken as compensation signals such that the robust adaptive control of nonlinear systems is realised. Simulation results are given.     

Wavelet neural network control for linear ultrasonic motor drive via adaptive sliding-mode technique

A wavelet neural network (WNN) control system is proposed to control the moving table of a linear ultrasonic motor (LUSM) drive system to track periodic reference trajectories in this study. The design of the WNN control system is based on an adaptive sliding-mode control technique. The structure and operating principle of the LUSM are introduced, and the driving circuit of the LUSM, which is a voltage source inverter using two-inductance two capacitance (LLCC) resonant technique, is introduced. Because the dynamic characteristics and motor parameters of the LUSM are nonlinear and time varying, a WNN control system is designed based on adaptive sliding-mode control technique to achieve precision position control. In the WNN control system, a WNN is used to learn the ideal equivalent control law, and a robust controller is designed to meet the sliding condition. Moreover, the adaptive learning algorithms of the WNN and the bound estimation algorithm of the robust controller are derived from the sense of Lyapunov stability analysis. The effectiveness of the proposed WNN control system is verified by some experimental results in the presence of uncertainties.     

高阶不确定系统的自适应跟踪控制

针对一类未知控制增益的不确定非线性系统,提出了一种自适应跟踪控制方法.文中的不确定性包括时变和时不变参数.基于反步设计法,提出了一种新的自适应控制方法.该方法不采用饱和控制,能保证跟踪误差收敛于零.提出了一个仿真例子,仿真结果说明了该方法的有效性.     

High-impedance fault detection using multi-resolution signal decomposition and adaptive neural fuzzy inference system

High-impedance faults (HIFs) on distribution systems create unique challenges to protection engineers. HIFs do not produce enough fault current to be detected by conventional overcurrent relays or fuses. A method for HIF detection based on the nonlinear behaviour of current waveforms is presented. Using this method, HIFs can be distinguished successfully from other similar waveforms such as nonlinear load currents, secondary current of saturated current transformers and inrush currents. A wavelet multi-resolution signal decomposition method is used for feature extraction. Extracted features are fed to an adaptive neural fuzzy inference system (ANFIS) for identification and classification. The effect of choice of mother wavelet is also analysed by investigating a large number of wavelet families. Various simulation results, which are obtained using an appropriate model, are summarised and efficiency of the proposed algorithm for dependable and secure HIF detection is determined.     

非确定因素下汽车半主动悬架的智能控制

以含磁流变阻尼器的1/4 车辆非线性半主动悬架模型为研究对象,在充分考虑该非线性系统未建模动态的基础上提出了具体的神经网络与滑模变结构控制相结合的智能控制策略,有效抑制了悬架系统的振动,使车辆行驶的平顺性与舒适性得以提高.应用神经网络的在线学习能力对非线性动力学模型的不确定部分及外界未知扰动进行了神经网络估计,确定了未知函数的上确界,构造了控制系统的滑模变量并且合理设计神经网络的自适应规律使状态变量快速接近原点.通过稳定性分析证明了此种控制方法是全局渐近收敛的,并且对未建模动态具有强鲁棒性.数值仿真结果验证了该种控制方法的有效性,得到了阻尼器两端控制电压的变化规律.     

结构非线性振动的自适应模糊滑模控制

结构在强震作用下将不可避免地进入塑性阶段,表现出非线性行为,而总体上说,结构非线性振动还没有系统、有效的控制方法.本文主要研究了结构非线性振动的自适应模糊滑模控制算法,用模糊系统来自适应地逼近非线性系统以实现滑模控制力,同时采用模糊系统消除滑模控制所带来的抖振现象,并给出了模糊滑模控制器和自适应律的设计.仿真模型采用3层和20层的Benchmark非线性结构模型,每层均设置一个采用自适应模糊滑模控制算法的控制装置,计算出其在地震输入下的结构响应,然后对仿真结果进行了分析.仿真结果表明,自适应模糊滑模控制算法能够充分发挥自适应模糊控制和滑模控制的优点,较好地实现对结构在地震作用下非线性振动的控制,并得到令人满意的结果.