基于模糊专家模型的神经控制器及应用研究

针对具有严重非线性特性的pH中和过程,提出了一种基于模糊专家模型的神经控制策略,这种方法将神经网络逆控制器与神经元PID控制器相结合,并利用模糊专家模型所得到的预报结果来调整神经元PID的权值。仿真试验表明该方法能有效改善控制性能,所提出的方法实现了对pH过程的有效控制,并且有很强的适应性。     

非线性离散时间系统的自适应模糊补偿控制

针对一类非线性离散时间系统,提出一种自适应模糊逻辑补偿控制方案.控制律由跟踪控制律和逼近误差补偿控制律两部分组成,利用模糊逻辑系统对系统参数扰动和外界干扰进行自适应补偿,由模糊滑模控制律实现对模糊逻辑系统逼近误差的进一步补偿.所设计的控制器可保证闭环系统一致最终有界.将该控制器用于月球探测车动态转向系统中,仿真结果表明了该方法的有效性.     

基于控制器输出误差方法的自适应模糊控制及其在机器人轨迹跟踪控制中的应用

本文提出一种自适应模糊控制器并将之用于机器人轨迹跟踪控制 ,该控制器采用控制器输出误差方法 (COEM) ,根据控制器的输出误差而不是对象的输出误差来在线地调整模糊控制器的参数 ,无须对对象进行辩识 .仿真结果表明该控制器用于机器人轨迹跟踪控制具有很好的性能 ,是一种有效的控制器     

基于模糊神经网络的机器人关节驱动补偿控制器

本文提出了一种模糊神经网络控制器,该控制器用于工业机器人关节驱动的位置控制,克服了传统PID很难达到对非线性以及不确定因素的控制效果和简单模糊控制不能完全消除稳态误差的缺点,通过神经网络对模糊规则的学习优化,提高了机器人关节末端位置精度,具有较好控制效果。     

一类非线性系统的积分变结构模糊自适应跟踪控制

针对一类具有未知常数控制增益的不确定非线性系统,基于变结构控制原理,并利用具有非线性可调参数的模糊系统逼近等价控制,提出一种具有监督控制器的积分变结构模糊自适应跟踪控制策略.该策略通过监督控制器保证闭环系统所有信号有界.进一步,通过引入最优逼近误差的自适应补偿项来消除建模误差的影响.理论分析证明了跟踪误差能够收敛到零.仿真结果表明了该方法的有效性.     

一种新的自适应模糊滑模控制器设计方法

对一类非线性系统提出一种新的自适应模糊滑模控制器设计方法。将自适应模糊控制与滑模控制有效地结合在一起,先用滑模控制使跟踪误差进入边界层内,然后启动自适应模糊控制器。该控制器可消除滑模控制器中出现的抖振,并可在存在模糊逻辑系统逼近误差情况下使系统跟踪误差小于预先给定的任意常数。仿真算例验证了所提出方法的有效性。     

具有模糊监督控制器的积分变结构间接自适应控制

针对一类不确定非线性系统, 基于变结构控制原理, 并利用具有非线性可调参数的模糊系统去逼近过程未知函数, 提出一种具有模糊监督控制器的积分变结构间接自适应控制方案. 该方案通过监督控制器保证闭环系统所有信号有界. 进一步, 通过引入最优逼近误差的自适应补偿项来消除建模误差的影响. 理论分析证明了跟踪误差收敛到零. 仿真结果表明了该方法的有效性.     

具有时滞的不确定性系统神经网络模型自学习控制

本文对具有时滞的不确定性控制对象提出了一种神经网络时滞补偿模糊自学习控制方法，模糊控制器采用误差、误差变化及误差加速度的加权和的解析描述形式，利用人工神经网络直接对过程建模，实现对时滞补偿预报以及对模糊加权因子的自学习优化调整，将上述方法用于焊接熔池动态过程控制试验，结果表明本文提出的自学习神经网络时滞补偿模糊控制方案有效。     

具有时滞的不确定性系统神经网络模糊自学习控制

本文对具有时滞的不确定性控制对象提出了一种神经网络时滞补偿模糊自学习控制方法．模糊控制器采用误差、误差变化及误差加速度的加权和的解析描述形式，利用人工神经网络直接对过程建模，实现对时滞补偿预报以及对模糊加权因子的自学习优化调整．将上述方法用于焊接熔池动态过程控制试验，结果表明本文提出的自学习神经网络时滞补偿模糊控制方案有效．     

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。     

基于单个神经元的机器人自适应控制

本文提出了针对多关节机器人采用单个神经元的独立关节控制方案，控制器由ＰＩＤ反馈和ＰＤＤ＾２前馈补偿构成，关节之间的静态和动态耦合通过单个神经元控制器前馈补偿，对一个二自由度机器人采用这种控制策略进行仿真，仿真结果表明该控制器在有非线性耦合，非线性摩擦，负载变化，模型参数变化时仍能跟踪期望轨迹。     

An adaptive fuzzy design for fault-tolerant control of MIMO nonlinear uncertain systems

This paper presents a novel control method for accommodating actuator faults in a class of multiple-input multiple-output (MIMO) nonlinear uncertain systems.The designed control scheme can tolerate both the time-varying lock-in-place and loss of effectiveness actuator faults.In each subsystem of the considered MIMO system,the controller is obtained from a backstepping procedure;an adaptive fuzzy approximator with minimal learning parameterization is employed to approximate the package of unknown nonlinear functions in each design step.Additional control effort is taken to deal with the approximation error and external disturbance together.It is proven that the closed-loop stability and desired tracking performance can be guaranteed by the proposed control scheme.An example is used to show the effectiveness of the designed controller.     

基于神经网络的时滞非线性系统的广义预测控制

针对一类时滞非线性被控对象,提出一种基于RBF神经网络的广义预测自校正控制方案,在广义预测控制中,采用RBF神经网络建立被控对象的多步预测模型,并不断修正预测输出,提高预测输出的精度.控制器则采用GPC隐式修正算法,不用辨识对象的模型参数,大大减少了计算量.经过仿真研究,与常规的PID自适应控制方法相比较,证明了该方法的优越性,预测控制误差小,实时性好,动态响应快.     

电液伺服系统的多滑模鲁棒自适应控制

针对一类参数与外负载非匹配不确定的非线性高阶系统,提出了一种基于逐步递推方法的多滑模鲁棒自适应控制策略.应用逐步递推的多滑模控制方法简化了高阶系统的控制问题,同时在自适应控制中加入鲁棒控制的方法,以消除不确定性对控制性能的影响.首先利用逐步递推方法与状态反馈精确线性化理论,得出确定系统的多滑模控制器设计方法;然后基于Lyapunov稳定性分析方法,给出不确定系统的参数自适应律,及鲁棒自适应控制器的设计方法.本文把该控制策略应用到电液伺服系统的位置跟踪控制中,仿真结果显示,该控制方法具有较强的鲁棒性及良好的跟踪效果.     

Adaptive fuzzy tracking control of nonlinear time-delay systems with unknown virtual control coefficients

In this paper, a novel adaptive fuzzy control scheme is proposed for a class of uncertain single-input and single-output (SISO) nonlinear time-delay systems with the lower triangular form. Fuzzy logic systems are used to approximate unknown nonlinear functions, then the adaptive fuzzy tracking controller is constructed by combining Lyapunov-Krasovskii functionals and the backstepping approach. The proposed controller guarantees uniform ultimate boundedness of all the signals in the closed-loop system, while the tracking error converges to a small neighborhood of the origin. An advantage of the proposed control scheme lies in that the number of adaptive parameters is not more than the order of the systems under consideration. Finally, simulation studies are given to demonstrate the effectiveness of the proposed design scheme.     

基于神经网络的一类非线性系统自适应H∞控制

基于神经网络提出一种自适应Ｈ∞控制方法。控制器由等效控制器和Ｈ∞控制器两部分组成,用神经网络逼近未知非线性函数,Ｈ∞控制器用于减弱外部及神经网络逼近误差对跟踪误差的影响。所设计的控制器不仅保证了闭环控制系统的稳定性,而且使外部干扰及神经网络逼近误差对跟踪误差的影响减小到预定的性能指标。     

Fuzzy‐Neuron Intelligent Coordination Control Fora Unit Power Plant

A novel fuzzy‐neuron intelligent coordination control method for a unit power plant is proposed in this paper. Based on the complementarity between a fuzzy controller and a neuron model‐free controller, a fuzzy‐neuron compound control method for Single‐In‐Single‐Out (SISO) systems is presented to enhance the robustness and precision of the control system. In this new intelligent control system, the fuzzy logic controller is used to speed up the transient response, and the adaptive neuron controller is used to eliminate the steady state error of the system. For the multivariable control system, the multivariable controlled plant is decoupled statically, and then the fuzzy‐neuron intelligent controller is used in each input‐output path of the decoupled plant. To the complex unit power plant, the structure of this new intelligent coordination controller is very simple and the simulation test results show that good performances such as strong robustness and adaptability, etc. are obtained. One of the outstanding advantages is that the proposed method can separate the controller design procedure and control signals from the plant model. It can be used in practice very conveniently.     

具有未知干扰的无人机鲁棒滑模飞行控制

研究无人机飞行稳定性控制问题,由于无人机飞行控制系统存在时变外部干扰,飞行过程中升阴比变化激烈,控制稳定性难度较大。利用滑模控制良好的鲁棒能力提出一种神经网络的鲁棒飞行控制方法。因神经网络有良好非线性逼近能力,可对无人机飞行系统中的不确定进行在线逼近,并将神经网络权值误差引入到权值的自适应律中用以改善系统的动态性能。利用神经网络的组合,设计无人机鲁棒滑模飞行控制器。控制器分为两部分,一部分是等效控制器,另一部分是滑模控制器,能有效减小系统的跟踪误差。最后将所设计的鲁棒滑模控制对无人机飞行姿态控制进行仿真。仿真结果表明,新方法能提高无人机的鲁棒飞行控制能力且能实现无人机姿态的精确跟踪和稳定性控制。     

基于干扰观测器的非线性不确定系统自适应滑模控制

本文研究了一类基于非线性干扰观测器的多输入多输出非线性不确定系统的边界层自适应滑模控制方法并应用于近空间飞行器高精度姿态控制.考虑系统存在不确定性和外部干扰上界未知的情况,设计了基于干扰观测器的边界层自适应滑模控制器,以消除传统滑模控制中的"抖振"现象,使跟踪误差趋近于零.同时,利用李雅普洛夫方法严格证明了闭环系统的稳定性.最后将所研究的自适应滑模控制方法,应用于某近空间飞行器的姿态控制中,仿真结果表明在不确定性和外部干扰作用下能保证姿态控制的稳定性,对参数不确定具有较好的鲁棒性.     

Robust adaptive control of linearizable nonlinear single input systems with guaranteed error bounds

In this paper, a nonlinear robust adaptive control algorithm is designed and analyzed for a class of single-input nonlinear systems with unknown nonlinearities. The controller employs a single layer neural network to estimate the unknown plant nonlinearities on-line. The proposed controller is continuous and guarantees closed-loop semi-global stability and convergence of the tracking error to a small residual set. Furthermore, it handles the situation where the estimated plant becomes uncontrollable without any restrictive assumptions. In contrast to previous work on the same subject, the size of the residual tracking error can be specified a priori and is guaranteed by choosing certain design parameters. A procedure for choosing these parameters is presented. An example is used to demonstrate the performance and properties of the proposed scheme.