自适应模糊控制的新进展

回顾了自适应模糊控制的发展过程，着重介绍了近年来出现的一些新情况，最后，对自适应模糊控制研究领域中有待解决的研究课题进行了展望。     

一类大系统的直接自适应分散模糊控制

对一类未知非线性大系统，提出一种直接自适应模糊控制策略，实现了对大系统的分散控制，证明此控制算法可保证大系统稳定，各子系统的跟踪误差收敛。仿真结果证明了所提出算法的有效性。     

模糊控制理论的发展应用与展望

介绍了模糊控制理论的发展概况及在许多领域应用进化过程。在此基础上,论述了模糊控制理论应用的一般特点。指出了模糊控制理论应用中需要解决的问题,单纯模糊控制在某些情况下,难以适应不同的运行状态,影响了控制效果。实际应用中需要将模糊控制或模糊推理思想与其他成熟的控制理论与方法结合起来应用,以达到更理想的控制效果。展望了模糊控制理论的发展方向。由于模糊控制技术是当今比较先进的控制技术,因此,它有着广阔的应用前景。     

一类大系统的直接自适应分散模糊控制

本文针对一类未知非线性大系统,提出了一种直接自适应模糊分散控制策略．设计中 ,首先在假设各子系统的动态已知的条件下,设计最优分散控制,然后用模糊自适应系统逼 近最优分散控制．同时引入模糊滑模控制消除各个子系统之间的相互作用,外部干扰和模糊 系统的逼近误差．并对所设计的控制系统进行了稳定性分析．     

一类大系统的间接自适应分散模糊控制

针对一类未知非线性大系统,将模糊控制、模糊逻辑系统及滑模控制相结合,提出了一种间接自适应模糊控制策略,仿真结果证明了所提出的算法是有效的.     

一种模糊神经网络自适应预测控制方案的研究

提出了一种模糊神经网络自适应预测控制方案,对学习公式进行了理论推导,并结合误差补偿以提高预测控制的精度。仿真实验表明,该算法可实现模糊控制和神经网络的优势互补,对非线性复杂系统具备良好的控制性能     

基于观测器非线性不确定系统的自适应模糊控制

针对一类单输入单输出不确定非线性系统，提出一种稳定的自适应模糊控制方法，该方法不需要系统状态可测的条件，而是通过设计模糊状态观测器来估计系统的状态，证明了所提出的控制方法不但能使闭环系统稳定，而且输出误差可取得H∞跟踪控制性能，仿真结果进一步验证了该控制算法的实用性和有效性。     

自适应模糊控制的仿真研究

本文将一种在线变动模糊划分的自适应模糊控制应用在不同对象的控制仿真中，取得了良好的控制品质。对于不同对象，模糊控制器在线判断对象特征，预测控制过程所需能量，在线动态变化模糊集合的划分。控制器需人工设置的参数很少，易于实用到实际控制过程中，本文还给出了模糊控制系统稳定的一个充分条件。     

基于后推设计的直接自适应模糊控制

针对一类严格反馈不确定非线性动态系统，提出一种直接鲁棒自适应模糊控制新方案．利用模糊系统的逼近能力、后推设计方法和积分型李亚普诺夫函数，依次确定各虚拟控制及模糊系统中可调参数的自适应律，并最终确定出控制律．为改善控制系统的性能，引入逼近误差的自适应补偿项．通过李亚普诺夫方法，证明了闭环系统是一致终结有界的．仿真结果表明了该方法的有效性。     

模糊控制的近期研究热点及分析

从模糊控制器的解析结构分析、模糊推理方法研究，稳定性分析，控制性能的提高以及与人工智能其他分支的结合这五个方面，总结了近年来模糊控制领域研究的热点问题，并进行了分析探讨。     

多变量模糊控制的现状与发展（Ⅰ）：关于分层,自学习,自适应等问题

回顾了多变量模糊控制近年来的发展过程，着重介绍近年来出现的一些新研究方向，并对当前该研究领域的热点课题：模糊模型的辨识、多变量模糊自校正控制、模糊解耦、模糊分层控制、模糊神经网络的研究现状以及它们的发展趋势作了进一步讨论。     

基于FNN的滑模自适应控制

研究一类不确定性非线性系统的直接自适应控制方法。该方法由滑模控制器和模糊神经网络构成，通过平滑切换实现自适应控制策略。仿真结果表明，这种方法既有强鲁棒性，又能有效地消除高频颤动。     

基于模糊神经网络水下机器人直接自适应控制

提出了基于广义动态模糊神经网络的水下机器人直接自适应控制方法, 该控制方法既不需要预先知道模糊神经结构, 也不需要预先的训练阶段, 完全通过在线自适应学习算法构建水下机器人的逆动力学模型. 首先, 本文提出了基于这种网络结构的水下机器人直接自适应控制器, 然后, 利用 Lyapunov 稳定理论, 证明了基于该控制器的水下机器人控制系统闭环稳定性, 最后, 采用某水下机器人模型仿真验证了该控制方法的有效性.     

基于模糊神经网络的模型参考自适应控制

用模糊神经网络作为控制器,依靠参考模型产生理想的控制系统闭环响应,从而随时得到控制系统的输出误差.用梯度法实时修正模糊控制器的输入和输出隶属度参数,得到一种在线模糊自适应控制的新方法.通过倒立摆的仿真实验表明,该方法是可行的并能适应对象特性的大范围变化.     

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。     

试论智能控制的现状其发展

从智能控制产生的背景以及智能的特点出发，分析了智能控制的特征、功能及当前智能控制的误区。预测了智能控制的发展。     

模糊控制系统近年来的研究与发展

主要总结了近年来模糊控制系统的研究与发展,介绍了最近模糊控制系统研究的一些主要方面及研究成果,分析了它们的优缺点,并探讨了这一研究领域的研究趋向。     

模型参考模糊自适应控制*

本文提出了一种模糊自适应机构的设计方法，所设计的自适应机构为偏差的非线性函数。用模糊自适应机构替代常规自适应机构，构成一个模型参考模糊自适应系统。导出了该系统稳定的充要条件，提出了一量化因子的选择方法，设计方法简单，便于工程应用。仿真结果表明：ＭＲＦＡＳ系统自适应性能好，抗内外扰动的能力强。     

利用模糊系统的直升机的自适应控制

针对直升机动力学为非线性,且存在不确定因素和状态变化,设计利用模糊系统的自适应控制器.设计的控制器是系统的输出跟踪参考模型输出的直接调整模糊控制器参数的自适应控制器.又利用Lyapunov函数保证了闭环控制系统的稳定性并推导最优的自适应规律.实验结果表明,有外部扰动的情况下所设计的自适应控制器比模糊控制器对直升机控制具有良好的动态响应和稳定性,是一种非常有效的控制方法.     

基于模糊自适应控制的温度控制系统研究

针对一些系统大延时滞后的特点,本文以温度为对象,结合模糊控制技术和自适应Smith预估器,组成模糊自适应Smith预估控制系统。运用Simulink建立温度控制系统的仿真模型,并分别用常规模糊控制技术和模糊自适应Smith预估控制技术对温度加温进行仿真试验。仿真结果表明在温度加温的模糊控制系统中增加自适应Smith预估器后,系统具有更强的适应能力,系统的动态特性都有了较大的改善。