在线自校正模糊PID控制器的研究

该文先设计一个基于T—S模型的模糊PID控制器,为提高模糊控制的适应性,在分析量化因子和比例因子对系统性能影响的基础上,又制定了基于T—S模型的在线调整量化因子和比例因子的模糊调整规则,实现了模糊PID控制器在线自校正。其算法简单,系统实时性、鲁棒性好。对大纯滞后对象的仿真表明,该控制器明显改善系统的动态性能。     

基于DE-SVM的硅基压阻式压力传感器温度补偿研究

针对硅基压阻式压力传感器易受环境温度影响的特点,提出了一种基于DE-SVM的硅基压阻式压力传感器温度补偿方案。该方案主要由训练数据预处理模块、DE参数寻优模块、SVM训练模块、数据采集模块、测量数据预处理模块及SVM校正等模块组成,以SVM算法的非线性回归功能为核心,通过DE算法优化SVM参数,经训练后得到温度校正模块,模块接收测量数据后输出校正后的压力值。实验表明,对单个传感器压力值使用DE-SVM模型进行校正,最大误差和均方误差分别下降了93.87%和99.89%;在七块硅基压阻式压力传感器构成的多传感器情况下,最大误差和均方误差分别下降了93.17%和99.27%,平均相对误差由14.06%下降至1.20%;最后选取训练数据不包含的温度点使用所建立的模型进行测试,模型仍能够较好地进行温度补偿。     

压阻式压力传感器实时自校正方法研究

目前的传感器误差校正方法,由于都是以传感器初始标定数据作为依据,从而随着使用时间的增加,传感器参数发生变化,其校正误差会逐步增大。针对这种情况,研究了用多基准恒流源模拟标准压力自动对传感器进行标定得到实时输出特性曲线,并据此求得测量压力。实验结果表明:该校正方法切实可行,若采用4个基准源校正,可在一定的温度和压力范围内实现0.15%的精度。     

具有自适应功能的新型时滞系统控制器

将Smith预估器和内模控制结构结合起来 ,利用模糊控制方法研究出一种智能控制器 ,能在一定的模型误差范围内得到良好的控制品质。主要控制量来源于模糊控制器 ,通过智能积分对模糊控制器不能消除的稳态误差进行克服 ,并对系统性能进行监测 ,使用模糊控制对控制量进行校正。经仿真研究发现 ,这种智能控制器在一定的模型误差范围内有很好的鲁棒性 ,稳态误差为 0。     

基于数据驱动的气动柔性关节Takagi–Sugeno模糊系统建模与预测控制

针对气动柔性关节动态特性复杂、难以实现高精度控制的问题,提出一种基于Takagi–Sugeno (T–S)模糊系统的预测控制方法.首先,应用MBGD–RDA算法对T–S模糊系统进行离线训练,该算法结合了机器学习中的小批量梯度下降算法、正则化、Droprule和AdaBound算法.其次,基于模糊集相似性度量方法,对训练得到的T–S模糊系统的模糊集进行剪枝,对模糊规则进行合并,简化T–S模糊系统结构.最后,设计了基于T–S模糊系统的单层神经网络预测控制器. T–S模糊系统参数和预测控制器参数均能实现在线更新,且基于李雅普诺夫理论的稳定性分析保证了系统的稳定性.仿真结果验证了基于数据驱动的T–S模糊系统的高精度预测性能,且结构简化后的T–S模糊系统在规则数减少的情况下仍能维持较高的预测精度.实际实验中,所提控制方法最大跟踪误差小于3°,而传统的模糊逻辑控制器最大跟踪误差大于5°,这表明所提控制算法显著提升了对柔性关节的跟踪控制精度.     

具有自适应功能的新型时滞系统控制器

将Smith预估器和内模控制结构结合起来，利用模糊控制方法研究出一种智能控制器，能在一定的模型误差范围内得到良好的控制品质。主要控制量来源于模糊控制器，通过智能积分对模糊控制器不能消除的稳态误差进行克服，并对系统性能进行监测，使用模糊控制对控制量进行校正，经仿真研究发现，这种智能控制器在一定的模型误差范围内有很好的鲁棒性，稳态误差为0。     

变频多联机空调模糊逻辑控制及仿真研究 *

变频多联机空调由于各蒸发器之间参数相互影响 ,使其运行特性非常复杂。以各室内温度和吸气压力为被控变量分别调节电子膨胀阀开度和压缩机转速 ,提出了一种鲁棒自适应两级模糊比例 —积分 —微分控制器并进行了仿真。该控制器通过一个模糊切换开关将模糊比例 —微分控制器与模糊积分控制器结合起来 ,模糊比例—微分控制器用来在系统动态响应期间减少上升时间和超调 ;模糊积分控制器用来抗干扰和消除稳态误差。仿真结果表明 ,该控制方法和控制器用于温度控制时不仅鲁棒性好 ,而且能够获得优良的动静态控制性能。     

压阻式压力传感器的在线综合补偿

利用曲面拟合法来建立被测目标参量与传感器输出量之间的对应关系,借助二维标定/校准实验,按最小二乘法原理由实验标定/校准数据计算出均方误差最小时的回归方程中的系数。这样,当测得了传感器的输出值时,就可由已知系数的多维回归方程来计算相应的输入被测目标参数。该算法应用于压阻式压力传感器,在进行温度补偿的同时也进行了非线性校正,使传感器的读数准确度达到0.05%,同时利用传感器自身的RS232接口对其进行在线补偿和校正。     

基于二元多项式拟合法的压力传感器输入信号重构

为了同时解决压力传感器输出特性的非线性和温度漂移问题,提出利用二元多项式根据传感器输出信号及其内部温度来重构被测压力.给出了被测压力重构模型的具体形式,以传感器静态特性标定试验数据为依据,利用最小二乘法求解模型系数矩阵,利用单点最大拟合误差、误差平方和模型阶次三项指标进行模型择优.基于重构模型给出了测量电路检测精度估算方法.本方法在传感器静态特性标定数据范围内得到了便于工程计算的一致表达式,同时解决了传感器的非线性和温度漂移两个主要问题,计算所用数据量大大小于插值法.某型硅谐振压力传感器的应用验证了本方法的合理性和有效性.     

不确定非方广义分数阶T–S模糊系统的鲁棒镇定

针对不确定非方广义分数阶T–S模糊系统阶数为0<α<1的鲁棒镇定问题,提出了一个有效的判据.首先,利用一个新的T–S模糊动态补偿器,将不确定非方广义分数阶T–S模糊系统转化为一个增广的不确定方形广义分数阶T–S模糊系统.由于增广变量的引入,动态补偿器的设计问题可以等价为静态输出反馈控制器的设计问题.其次,设计一个分数阶导数反馈控制器对得到的增广系统进行正常化处理.然后,对正常化得到的不确定分数阶T–S模糊系统进行研究,得到一个系统渐近稳定的充分条件.该条件保守性小并且形式简洁.最后,通过一个数值算例和一个实际例子验证了本文所提出结论的正确性和有效性.     

基于T-S模型的自适应模糊广义预测控制

对一类非线性系统,利用一种基于模糊规则的快速模糊辨识方法建立起系统的T—S模型,并基于该模型应用局部递推最小二乘方法根据采样值对模型参数进行在线修正,根据系统动态线性化模型采取广义预测控制策略,从而实现了基于T—S模糊模型的非线性系统自适应模糊预潮控制。与以往的模糊广义预测控制算法相比,此方法简单,而且较大地减少计算量,适合于在线控制。通过仿真研究验证所提方法的有效性。     

Boost变换器的T-S模糊建模与控制

针对Boost变换器的非线性特性,考虑变换器参数不同情况对系统模型的影响,分别建立了参数确定和参数不确定条件下Boost变换器的等价T-S模糊模型。基于建立的等价T-S模糊模型,利用Lyapunov函数方法和线性矩阵不等式方法,给出了Boost变换器并行分配补偿模糊控制器的参数化设计方法。仿真结果表明,所建立的Boost变换器T-S模糊模型是可靠的,所设计的模糊控制器与模糊PI相比具有较强的鲁棒性和抗扰性。     

三相四线APF直流侧的T-S模糊均压控制

电容分裂中点式三相四线有源电力滤波器（APF）是解决三相四线电力系统谐波治理的有效方法,由于直流侧两组电容电压需要单独控制,增加了均压控制难度并直接影响补偿的效果。分析了该APF的电路拓扑,采用T-S模糊控制的方法对电容分裂中点式三相四线APF的直流侧均压控制进行建模,将直流侧两组电容电压分别作为输入前件变量,对电源电流实施反馈控制。设计的T-S模糊反馈控制器使APF直流侧两组电容电压实现自动均压,满足了APF对负载谐波的补偿控制要求。仿真及实验结果验证了所建立T-S模糊均压控制模型的有效性,APF直流侧两组电容的电压保持均衡,具有较高的稳态精度和良好的动态性能。     

Stable adaptive fuzzy control of nonlinear systems using small-gain theorem and LMI approach

A new design scheme of stable adaptive fuzzy control for a class of nonlinear systems is proposed in this paper. The T-S fuzzy model is employed to represent the systems. First, the concept of the so-called parallel distributed compensation (PDC) and linear matrix inequality (LMI) approach are employed to design the state feedback controller without considering the error caused by fuzzy modeling. Sufficient conditions with respect to decay rate α are derived in the sense of Lyapunov asymptotic stability. Finally, the error caused by fuzzy modeling is considered and the input-tostate stable (ISS) method is used to design the adaptive compensation term to reduce the effect of the modeling error. By the small-gain theorem, the resulting closed-loop system is proved to be input-to-state stable. Theoretical analysis verifies that the state converges to zero and all signals of the closed-loop systems are bounded. The effectiveness of the proposed controller design methodology is demonstrated through numerical simulation on the chaotic Henon system.     

T-S模糊系统的稳定性分析与镇定控制器设计

应用广义模糊Lyapunov函数方法研究T-S模糊系统的稳定性与控制器设计问题.首先,将T-S模糊系统表示成模糊广义系统的形式;然后利用广义模糊Lyapunov函数得到模糊系统稳定的充分条件,并且给出基于线性矩阵不等式(LMI)的PDC控制器设计方法.该方法与已有的模糊Lyapunov函数方法相比,计算量小,并且表达成LMI形式,容易求解.最后,通过例子验证方法的优越性和有效性.     

具有时延的网络控制系统控制器设计

针对一类存在随机时延的网络控制系统,传感器采用时间驱动,控制器和执行器采用事件驱动,提出了一种新的具有随机时延的网络控制系统的建模方法-离散模糊T-S模型,在此模型的基础上应用并行分布补偿（PDC）原理设计了模糊控制器。应用Lyapunov定理和线性矩阵不等式（LMI）方法,研究了系统的稳定性问题,给出基于LMI的状态反馈模糊控制器的设计方法。通过仿真实例验证控制方法能够保证系统稳定。     

基于分段模糊Lyapunov方法的离散模糊系统分析与设计

研究了基于分段模糊Lyapunov函数的离散T-S模糊控制系统稳定性分析及控制器设计问题．首先,在定义离散型分段模糊Lyapunov函数的基础上,提出了一个新的判定开环离散T-S模糊系统稳定性的充分条件．该条件仅需在每个最大交叠规则组内分别满足模糊Lyapunov方法中的条件,从而降低了公共Lyapunov方法和模糊Lyapunov方法的保守性和难度．然后,利用并行分布补偿方法对闭环系统的稳定性进行了分析并设计了模糊控制器．最后,一个仿真示例说明了本文方法的有效性和优越性．     

基于参数辨识和T-S模糊模型的一类非线性系统镇定控制器设计

针对一类非线性不确定控制系统,首先采用参数辨识的方法构造出对应的Takagi-Sugeno（T-S）模糊模型;然后运用平行分布补偿（PDC）控制器设计方法进行系统的稳定控制器设计;最终达到镇定原非线性系统的目的.给出一种从T-S模糊模型参数辨识到PDC控制器设计的非线性控制器的设计方法.针对单级倒立摆系统的仿真结果验证了所提出方法的有效性.     

Imperfect premise matching controller design for T-S fuzzy systems under network environments

This paper focuses on an imperfect premise matching controller design for T-S fuzzy systems under network environments. Different with the traditional parallel distribution compensation (PDC) method, the same premises between the PDC controller and the T-S fuzzy systems are no longer needed again in the proposed method. Under consideration of the unmatched grades of membership in the networked T-S fuzzy systems, a unified T-S fuzzy model is firstly proposed, in which a networked state-feedback fuzzy controller with communication delays is used to reconstruct the system. Then, based on the constructed model and by use of the Wirtinger-based inequality technique to deal with the cross items, two less conservative stability and stabilization criteria are derived to enhance the design flexibility. Finally, two numerical examples are used to show the effectiveness of proposed method.     

基于T-S模型的轮式移动机器人轨迹跟踪控制

针对带有执行机构饱和约束与外部干扰的轮式移动机器人,提出了一种基于T-S模糊模型的轨迹跟踪方法.利用机器人运动特性和参考轨迹建立轨迹跟踪的误差系统并将其作T-S模型描述.通过求解具有LMI约束的半定规划问题,对每个线性子系统单独设计满足控制约束与H∞性能约束的状态反馈控制器,并在PDC(动态平行分配补偿)设计框架下构建全局控制器,最后证明闭环系统的李雅普诺夫稳定性.仿真结果验证了该方法的有效性和可行性.