模糊控制在二级倒立摆中的应用

本文推导了二级倒立摆的数学模型，研究了它的控制方法。本文引入了综合误差和综合误差变化率的概念，大大的减少了模糊控制器的输入变量，从而减少了模糊控制器的控制规则，使控制器的控制规则更简单、有效。     

基于模糊树模型的自适应模糊滑模控制方法

本文针对单输入–单输出仿射非线性系统提出了一种基于模糊树模型的具有监督控制器的模糊滑模控制方法. 该方法用模糊树模型逼近非线性系统中的未知非线性函数, 得到初始的控制器, 然后在线调节模糊树模型中的线性参数, 改善控制器的性能, 实现对有界参考输入信号的跟踪控制. 模糊树辨识方法自适应划分输入空间, 大大减少模糊规则的数目, 在一定程度上可以缓解困扰模糊控制中的”规则爆炸”问题. 该方法通过监督控制器保证闭环系统所有信号有界. 通过理论分析, 证明了跟踪误差收敛到零. 用倒立摆进行仿真验证, 结果表明该方法用较少的模糊规则, 就能得到满意的控制效果, 有推广应用价值.     

三级倒立摆的加权变量模糊神经网络控制

为了提高三级倒立摆系统控制的响应速度和稳定性,在设计Mamdani型摸糊推理规则控制器控制倒立摆系统稳定的基础上,设计了一种更有效率的基于Sugeno型模糊推理规则的模糊神经网络控制器。该控制器使用BP神经网络和最小二乘法的混合算法进行参数训练,能够准确归纳输入输出量的模糊隶属度函数和模糊逻辑规则。通过与Mamdani型控制器的仿真对比,表明该Sugeno型模糊神经网络控制器对三级倒立摆系统的控制具有良好的稳定性和快速性,以及较高的控制精度。     

二级倒立摆的Sugeno型模糊神经网络控制

为了提高二级倒立摆系统实时控制的响应速度和稳定性,在设计Mamdani型模糊推理规则控制器控制倒立摆系统稳定的基础上,设计了一种更有效率的基于Sugeno型模糊推理规则的模糊神经网络控制器。该控制器使用BP神经网络和最小二乘法的混合算法进行参数训练,能够准确归纳输入输出量的模糊隶属度函数和模糊逻辑规则。通过与Mamdani型控制器的仿真对比及实际控制实验结果,表明该Sugeno型模糊神经网络控制器对二级倒立摆实验装置的控制具有良好的稳定性、快速性和较高的控制精度。     

二级倒立摆的Sugeno型模糊神经网络控制

为了提高二级倒立摆系统实时控制的响应速度和稳定性,在设计Mamdani型模糊推理规则控制器控制倒立摆系统稳定的基础上,设计了一种更有效率的基于Sugeno型模糊推理规则的模糊神经网络控制器.该控制器使用BP神经网络和最小二乘法的混合算法进行参数训练.能够准确归纳输入输出量的模糊隶属度函数和模糊逻辑规则.通过与Mamdani型控制器的仿真对比及实际控制实验结果,表明该Sugeno型模糊神经网络控制器时二级倒立摆实验装置的控制具有良好的稳定性、快速性和较高的控制精度.     

基于信息融合的多输入模糊控制器设计方法

提出了一种基于信息融合的多输入模糊控制器设计方法,该方法首先利用信息融合技术完成输入变量维数的降低,然后利用降维后的输入变量设计常规模糊控制器,从而大大简化了多输入模糊控制器的设计过程。一级倒摆系统控制实例证明了该方法的可行性和鲁棒性。     

一种基于人工免疫原理的最优模糊神经网络控制器

提出了一种基于人工免疫原理的最优RBF模糊神经网络控制器设计方案．首先给出了控制器结构，其次将免疫进化算法用于控制器参数的优化，设计了一种满足二次型性能指标的最优RBF模糊神经网络控制器．将该控制器用于控制实际倒立摆系统，并采用状态变量合成方法以大大减少模糊规则的数目，实验结果验证了该控制器的有效性．     

平面二级倒立摆基于参数优化的模糊控制

对基于XY平台的平面二级倒立摆进行运动学和动力学分析,得到系统状态方程。通过构造综合误差E和综合误差变化率EC,减少输入变量维数设计模糊控制器,使模糊控制器的控制规则更为简单、有效,同时对量化因子参数进行优化。     

模糊规则控制一种绝对不稳定系统

本文设计了一个高精度、高分辨率的模糊控制器，并用以控制二阶倒立摆获得成功。提出了一种处理多变量系统的新观点，给出了模糊控制二阶倒立摆的控制规则；和一种强有力的清晰化方法，从而使模糊控制器的输出更加细腻，应用上述理论设计的高精度、高分辨率的模糊控制器，对二阶倒立摆进行实时控制获得成功。     

基于T-S型的平面倒立摆双闭环模糊控制研究

针对多变量、非线性、强耦合的平面一级倒立摆系统,设计了双闭环模糊控制器.在系统数学模型的基础上,将平面一级倒立摆系统近似分解成2个非耦合的独立运动,然后利用极点配置的反馈控制方法,设计了2个模糊控制器,分别控制两个独立运动.解决了模糊控制规则数随输入变量数指数增加问题,降低了倒立摆控制系统设计的难度和复杂度.     

模糊神经网络pH控制器的DSP实现

针对pH值控制过程具有较强非线性、纯滞后性的特点，传统PID控制往往达不到满意控制效果。介绍一种将模糊控制技术与神经网络技术相结合构成的模糊神经网络pH控制器，通过数字仿真显示了该控制算法的控制效果优于传统的PID控制和一般的模糊控制算法。并将提出的模糊神经网络控制算法在DSP上进行了实现．通过模拟实验验证了该控制器的可行性。     

自适应模糊PID控制器的设计

目前的工业过程控制中被控对象往往都是非线性、时变的系统,常规PID控制对于这样系统的控制效果不是很理想。为此,提出将模糊技术与PID控制相结合的控制方式,设计出自适应模糊PID控制器。利用Matlab中模糊逻辑控制工具箱设计模糊控制器,在Simulink环境中实现了该自适应模糊PID控制器的仿真。仿真结果表明,该模糊PID控制具有控制灵活、响应快和适应性能强的优点。     

Structure and stability analysis of a Takagi–Sugeno fuzzy PI controller with application to tissue hyperthermia therapy

 In this paper, we first reveal the analytical structure of a simple Takagi–Sugeno (TS) fuzzy PI controller relative to the linear PI controller. The fuzzy controller consists of two linear input fuzzy sets, four TS fuzzy rules with linear consequent, Zadeh fuzzy logic AND and the centroid defuzzifier. We prove that the fuzzy controller is actually a nonlinear PI controller with the gains changing with process output. Utilizing the well-known small Gain Theorem in control theory, we then derive sufficient conditions for global stability of the fuzzy control systems involving the TS fuzzy PI controller. Finally, as an application demonstration, we apply the fuzzy PI controller to control issue temperature, in computer simulation, during hyperthermia therapy. The relationship between heat energy and tissue temperature is represented by a linear time-varying model with a time delay. The sufficient conditions for global stability are used to design a stable fuzzy control system. Our simulation results show that the fuzzy PI control system achieves satisfactory temperature control performance. The control system is robust and stable even when the model parameters are changed suddenly and significantly.     

A multiregion fuzzy logic controller for nonlinear process control

Although a fuzzy logic controller is generally nonlinear, a PI-type fuzzy controller that uses only control error and change in control error is not able to detect the process nonlinearity and make a control move accordingly. In this paper, a multiregion fuzzy logic controller is proposed for nonlinear process control. Based on prior knowledge, the process to be controlled is divided into fuzzy regions such as high-gain, low-gain, large-time-constant, and small-time-constant. Then a fuzzy controller is designed based on the regional information. Using an auxiliary process variable to detect the process operating regions, the resulting multiregion fuzzy logic controller can give satisfactory performance in all regions. Rule combination and controller tuning are discussed. Application of the controller to pH control is demonstrated     

最优模糊控制器的系统设计

典型模糊控制器在难于建立数学模型或对控制精度要求不高的场合已得到了成功的应用，但与传统的控制方法相比，它存在两个明显的弱点，一个所得到的模糊控制规则不能保证其是优的或是次最优的，二是在设计模糊控制器获取模糊控制规则时主要是凭经验进行，没有的步骤可遵循，本文提出了一类最优模糊控制器的系统设计方法及步骤，这种最优模糊控制器既有典型模糊控制器的形式，又有类似于线性二次型的性能指标Ｊ＝ｒｆ∑ｋ＝１（ａＮＡ     

Symbiotic organisms search algorithm for optimal evolutionary controller tuning of fractional fuzzy controllers

With the development of technology and the practical needs of complex engineering applications, fuzzy controllers have been widely applied. In contrast to a traditional integer-order fuzzy controller, a fractional fuzzy controller can extend the integral and differential order of a fuzzy controller to any real number, which describes the controlled object more accurately and enhances its control performance. However, a fractional fuzzy controller has a larger number of control parameters, which makes it difficult to calibrate. Because the parameter controller tuning values of the fuzzy controller clearly influence its control performance, this paper proposes to optimize the parameter controller tuning process using the symbiotic organisms search algorithm. A large number of simulation tests were carried out to compare the symbiotic organisms search-based parameter controller tuning method with parameter controller tuning based on five other representative swarm intelligence algorithms. The experimental results show that the symbiotic organisms search algorithm better optimizes the parameters of the fractional fuzzy controller.     

模糊PID控制器设计及MATLAB仿真

将模糊控制器和PID控制器结合在一起,构造了一个模糊PID控制器,利用模糊推理的方法调整PID控制器的参数,并利用MATLAB的SUMLINK工具箱,对系统进行仿真,仿真结果表明模糊PID控制器能使系统达到满意的控制效果.     

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。     

新型模糊PID控制及在HVAC系统的应用

为了推广模糊控制器在非线性系统中的应用,提出一种利用PID控制器的参数优化和调节模糊控制器的新型设计方法.通过模糊控制器的结构分析建立与PID控制之间的精确解析关系之后提出基于PID控制增益因子的模糊控制器设计算法,然后利用改进的变论域思想进一步优化模糊控制器设计参数.将其应用于暖通空调(HVAC)系统的节能控制中并与常规PID控制器相比较,仿真和实验结果表明这种模糊控制器具有超调量小、跟踪迅速、鲁棒性强等优越的控制性能.     

模糊PID矢量控制在异步电机调速中的应用

为了提高三相异步电机矢量控制的性能,在传统的转速PID控制器的基础上,建立模糊PID控制器,利用Matlab/Simulink搭建基于三相异步电动机转速控制的模糊PID系统,分别使用常规PID控制器与模糊PID控制器进行控制,并进行比较。仿真结果表明模糊控制能使系统取得较好的控制性能并具有较强的鲁棒性。