Fuzzy-enhanced Adaptive Control for Flexible Drive System with Friction Using Genetic Algorithms

When a mechatronic system is in slow speed motion, serious effect of nonlinear friction plays a key role in its control design. In this paper, a stable adaptive control for drive systems including transmission flexibility and friction, based on the Lyapunov stability theory, is first proposed. For ease of design, the friction is fictitiously assumed as an unknown disturbance in the derivation of the adaptive control law. Genetic algorithms are then suggested for learning the structure and parameters of the fuzzy-enhancing strategy for the adaptive control to improve system's transient performance and robustness with respect to uncertainty. The integrated fuzzy-enhanced adaptive control is well tested via computer simulations using the new complete dynamic friction model recently suggested by Canudas de Wit et al. for modeling the real friction phenomena. Much lower critical velocity of a flexible drive system that determines system's low-speed performance bound can be obtained using the proposed hybrid control strategy.     

利用模糊系统的自适应模糊控制器

针对非线性系统控制,设计了利用TSK(Takagi-Sugeno-Kang)模糊系统的自适应模糊控制器。所设计的自适应控制方法是参考模型自适应控制方法,而且利用Lyapunov函数保证了闭环系统的稳定性,同时推导了最优的自适应控制规律。首先,根据控制对象的输入输出数据建立TSK模糊模型,然后,由TSK模糊模型设计初期的TSK模糊控制器,并根据自适应规律随时调整模糊控制器参数。倒立摆系统的仿真实验验证了所设计的自适应模糊控制器的有效性。     

直升机的TSK模糊控制

针对直升机动力学为非线性的特点,且存在不确定因数和状态变化,利用线性控制很难得到好的控制结果,提出利用TSK(Takagi-Sugeno-Kang)模糊系统控制小模型直升机.所设计的TSK模糊控制器是一个基于TSK模糊模型的非线性控制器,能保证闭环控制系统的稳定性.直升机数学模型中线性部分设计状态反馈控制器非线性部分先求TSK模糊模型,然后设计TSK模糊控制器.仿真和实验结果表明,所设计的TSK模糊控制器比线性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.     

基于数据挖掘与系统理论建立摩擦模糊模型与控制补偿

建立机械摩擦力模型及其相应的控制补偿策略一直是人们所关注的问题. 由于摩擦力所固有的非线性及不确定特征, 用传统的数学建模与控制补偿方法难以达到满意的系统性能要求. 本文采用模糊建模技术逼近摩擦动力系统并将辨识结果用在前馈补偿控制器设计中. 模糊建模过程由以下3个部分组成: 首先采用数据挖掘技术辨识出模糊系统的模糊规则库, 然后利用该规则库建立模糊系统的静态模型, 最后以李雅普诺夫稳定性理论为基础进一步辨识出模糊系统的动态模型. 在控制器设计方面, 采用了自适应模糊系统前馈补偿的比例微分(Proportional-derivative, PD)算法. 运用李雅普诺夫稳定性分析证明了闭环系统跟踪误差的有界性. 数值仿真结果表明了该方法的有效性和实用性.     

卡车的TSK模糊控制

针对在保证一定精度的条件下,要求一次性完成卡车的倒车的情况,利用TSK (Takagi-Sugeno-Kang)模糊系统控制卡车,在TSK模糊控制器作用下让卡车从任意的初始位置一次性倒车到指定的位置。在卡车数学模型中,线性部分设计线性状态反馈控制器,非线性部分先求TSK模糊模型,然后设计基于TSK模糊模型的TSK模糊控制器。它是一个非线性控制器,可保证闭环系统的稳定性。仿真实验结果表明,所设计的TSK模糊控制器对卡车的倒车控制是非常有效的。     

自适应滑模摩擦补偿在隔膜张力控制中的应用

为稳定放卷张力,提出了自适应滑模摩擦补偿控制算法,对放卷机构中的负载惯量与摩擦进行在线辨识。以放卷电机的转速和角位移误差为变量设计了线性滑模面;以惯量及摩擦估计误差变量及滑模面的偏移变量为基础设计了Lyapunov函数;以该函数的梯度下降为原则设计了在线辨识的自适应律。当系统在自适应滑模控制器的作用下稳定在滑模面上时,负载惯量及摩擦便趋近于其实际值。通过该摩擦补偿方法实现了张力控制目标。对所提方法进行单轴仿真及试验验证,表明该算法能有效提高张力的控制精度。     

基于区间二型模糊摩擦补偿的鲁棒自适应控制

针对不确定机械系统中普遍存在的摩擦力,由于其非线性和不确定性,传统基于摩擦模型的补偿控制方法难以达到满意的系统性能要求.本文提出基于自适应区间二型（Type-2）模糊逻辑系统对系统摩擦进行补偿建模,并在该摩擦补偿方法的基础上设计出鲁棒自适应控制器,保证系统输出精度,且对摩擦环境的变化具有较强自适应性.区间二型模糊逻辑系统相对于传统一型模糊逻辑系统具有较强的处理不确定性问题的能力,在本文中使用自适应区间二型模糊逻辑系统不断逼近摩擦力,根据李雅普诺夫稳定性理论求出自适应律并证明系统跟踪误差的有界性.在不同摩擦环境下的仿真结果验证了本文所提摩擦建模方法与控制策略的有效性与实用性.     

一类多变量非线性动态系统的模糊自适应控制

对一类非线性多变量未知动态系统，提出了一种模糊处在适应控制策略。证明了该控制算法能保证闭环系统稳定，跟踪误差收敛。     

一类非线性系统的自适应模糊控制

针对一类非线性系统,利用模糊推理系统对非线性函数的逼近能力,导出基于Ｌｙａｐｕｎｏｖ稳定性理论的自适应控制器,不但能解决这类非线性系统的跟踪问题,而且可保证闭环系统的稳定性。仿真结果表明这一算法的有效性。     

一种线性化模糊内模自适应控制算法

针对非线性对象，提出一种线性化模糊内模自适应控制算法。该算法以一组模糊规则作为非线性对象内部模型，一条模糊规则表示一个局部线性系统；根据对象输入与输出测量值，利用TSK建模方法在线辨识局部模糊内部模型；同时依据辨识模型设计局部H2最优模糊控制规则，所有规则构成H2最优模糊控制器。仿真实验显示：该算法适用于非线性对象的控制，具有较好的鲁棒性和抗干扰能力。     

基于自适应模糊补偿的机械臂复合控制策略

针对刚性机械臂存在摩擦和扰动等不确定因素给轨迹跟踪控制带来的困难,本文基于李亚普诺夫稳定性理论,给出了一种机械臂的自适应控制方案．该方案针对机械臂的标称部分,采用计算力矩的方法设计相应的控制量,在此基础上,构造模糊系统逼近摩擦得到补偿控制量,并针对随机扰动的上界设计反馈控制率,以克服扰动带来的影响,保证系统的稳定性．仿真结果表明,该复合控制对于具有不确定性摩擦以及扰动的机械臂轨迹跟踪问题效果良好．     

非线性大系统的分散自适应模糊控制*

本文针对非线性大系统，利用模糊系统的逼近能力，提出了一种分散自适应模糊控制器设计的系统方法。控制结构中采用分散模糊系统去自适应补偿过程不确定性，同时用模糊控制器的输出代替常规变结构控制律中的符号函数。利用李亚普诺夫理论，证明了控制算法是全局稳定的，跟踪误差可收敛到零的一个领域内。     

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.     

一类非线性系统的模糊直接自适应控制

针对一类单输入单输出仿射非线性系统,利用模糊基函数网络的逼近能力,并根据滑模控制原理在控制器中加入逼近误差和外部干扰补偿控制器,提出了一种模糊直接自适应控制方法。该方法不但实现了系统的鲁棒控制,还同时考虑了误差状态的位置信息和运动信息,较大地改善了系统的控制性能。通过Matlab仿真,证明了所设计的模糊直接自适应控制器不但具有鲁棒性,而且可以保证系统具有很好的跟踪性能。     

一类未知非线性离散系统的直接自适应模糊预测控制

将自适应模糊逻辑系统引入预测控制,对一类未知非线性离散系统提出了直接自适应模糊预测控制方法.首先对被控对象提出了线性时变子模型加非线性子模型的预测模型,然后直接利用模糊逻辑系统设计预测控制器,并基于广义误差估计值对控制器参数和广义误差估计值中的未知向量进行自适应调整.文中证明了此方法可使广义误差估计值收敛到原点的小邻域内.     

基于中心型TSK模糊模型的分层模糊系统

模糊系统随着输入维数的增加,其中模糊规则和辨识参数的数量将按指数级增长,针对这一问题,采用分层模糊系统是一种很好的解决方法,但分层模糊系统中各层的辨识变量没有明确的物理含义,无法进行合理的模糊化设计和解释。基于一种分层模糊系统,引用中心性TSK模糊系统思想,从而构造了一种新型的模糊系统。这种新型模糊系统保留了分层模糊系统的结构优势,极大地减少了模糊系统的模糊规则数量和辨识参数数量,又能对用到的内部参数进行很好的解释。并通过实例仿真表明基于中心型TSK模糊模型的分层模糊系统具有较好的逼近性能和更简单的结构。     

一个新混沌系统的自适应模糊同步

本文基于Takagi-Sugeno(T-S)模糊模型,研究了混沌系统的自适应同步。基于T-S模糊模型重构了混沌系统,推导了在衰减率α下,自适应同步全局渐近稳定的充分条件;同时,在驱动系统参数未知的情况下,使用自适应参数调节律,得到响应系统参数的估计值。设计的模糊控制器均由线性函数构成,结构简单,规则少,有利于实际应用中构造控制器。数值仿真结果验证了方法的有效性。     

基于模糊观测器T-S模型和自适应模糊逻辑系统的一类非线性系统的H∞控制

针对一类非线性系统，把模糊T-S模型和自适应模糊逻辑系统两类模糊逻辑方式结合起来，提出了一种基于观测器的控制方案．首先，应用模糊T-S模型对非线性系统建模，设计观测器来观测系统状态；由线性矩阵不等式得到模糊模型的控制律．其次，应用自适应模糊逻辑系统作为补偿器来补偿建模误差．证明了闭环系统满足期望的性能．仿真结果表明了该方案的可行性．     

基于线性参数神经网络的非线性系统稳定自适应控制

提出适用于多种网络类型的神经网络稳定自适应控制设计思想,在神经网络逼近误差界未知的条件下,对该误差界进行在线自适应估计,研究基于线性参数神经网络的仿射非线性系统稳定自适应控制。采和Ｌａｐｕｎｏｖ函数方法证明系统状态变量、网络权值矢量、网络逼近误差界的在线估计及输出跟踪误差的收敛性。仿真结果表明,该方案跟踪性能良好,稳态误差较小,系统输出能快速跟踪目标信号。     

基于自适应律修改的MIMO非线性系统模糊控制

针对一类不确定多输入多输出(MIMO)非线性系统,提出了一种新的间接自适应模糊控制设计方案,解决了提高模糊控制精度问题。该方法对模糊逻辑系统中的未知参数设计了一种新的自适应学习律,证明了在此自适应律作用下,不但能使跟踪误差收敛到原点的小邻域内,而且通过适当增大设计参数值,可使跟踪误差减小,提高了控制精度。通过对连续发酵过程控制的仿真研究验证了该方法的有效性。