Fuzzy Adaptive Control for a UAV

In this paper a combination of Fuzzy Logic Control (FLC) and Model Reference Adaptive Control (MRAC) will be developed to stabilize and control a fixed-wing unmanned aerial vehicle (UAV). The control must be able to direct the airplane towards different waypoints while at the same time maintaining the UAV stable. Also, the control should be transferable to similar UAV models with little to no change to the algorithm.     

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。     

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。     

时滞系统的模糊自适应PID控制研究

将模糊控制和常规PID控制相结合,设计了一种模糊自适应PID控制器,该控制器根据偏差和偏差变化率的要求实时调整PID参数。通过仿真表明：该控制器既具有常规PID控制器高精度的优点,又具有模糊控制器快速、适应性强的特点,并可以迅速消除系统误差,保证了系统具有良好的动、静态特性。     

模糊自适应PID控制器

提出了一种模糊自适应ＰＩＤ（ＦＡＰＩＤ）控制器及其设计方法，并导出了ＦＡＰＩＤ闭环控制系统稳定的充要条件。ＦＡＰＩＤ控制器的设计分为相对独立的两步进行，设计方法简单，便于工程应用。仿真结果表明，与ＰＩＤ控制系统比较，ＦＡＰＩＤ控制系统鲁棒性大为提高，超调量大大减小，动态抗扰能力增强，较好地解决了快速性与小超调之间的矛盾。     

移动机器人模糊控制与模糊自适应PID控制

研究机器人路径规划问题,在移动机器人上配置超声波传感器,对返回的距离值进行信息融合,并将环境分为有障和无障两种模式.针对无障模式下模糊控制的路径振荡问题,为了克服振荡和减小超调,提出了有障模式下的模糊控制和无障模式下的模糊白适应PID控制方案.利用MATLAB建立了GUI移动机器人仿真平台.仿真结果表明,在非结构化未知环境下,可使系统响应速度加快,解决了振荡和超调问题,更好地实现从起点到静态目标点的路径规划任务,可为设计提供可靠依据.     

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。     

基于LQR的二级倒立摆的变论域自适应模糊控制

针对传统模糊控制的不足,以二级倒立摆为例,采用了变论域自适应模糊控制理论.考虑到二级倒立摆为多变量系统,为了解决模糊控制器规则组合爆炸问题,利用LQR理论先设计出状态反馈器,再进行降维处理.最后利用变论域自适应模糊控制理论给出伸缩因子,从而得到变论域自适应模糊控制器.仿真结果表明,该方法控制效果好,鲁棒性强.     

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。     

嵌套式模糊自适应遗传算法

针对简单遗传算法(SGA)收敛速度慢和早熟收敛现象,将模糊逻辑理论应用于遗传算法,并采用两级嵌套的遗传算法,随主遗传算法GA1求解优化问题的进化进程用模糊控制的方法自适应地调整遗传算法的交叉概率和变异概率;利用另一个遗传算法GA2优化模糊规则库,实现了一种嵌套式模糊自适应遗传算法(NFAGA)。仿真结果表明,这种算法的全局搜索收敛速度和解的质量明显优于SGA和一般的自适应遗传算法(AGA)。     

规则自适应模糊控制器*

本文研究了模糊控制器的控制规则自适应问题，提出了一种新的模糊控制规则自生成与自校正方法及相应的算法。仿真研究结果表明本文提出的控制规则自适应算法是有效的。     

基于模糊c-means与自适应粒子群优化的模糊聚类算法

已有的粒子群模糊聚类算法需要设置粒子群参数并且收敛速度较慢,对此提出一种基于改进粒子群与模糊c-means的模糊聚类算法。首先,使用模糊c-means算法生成一组起始解,提高粒子群演化的方向性;然后,使用改进的自适应粒子群优化方法对数据进行训练与优化,训练过程中自适应地调节粒子群参数;最终,采用模糊c-means算法进行模糊聚类过程。对比实验结果表明,所提方法大幅度提高了计算速度,并获得了较高的聚类性能。     

Implementation of Adaptive Fuzzy Control for a Real-Time Control Demo-Model

From 1995–1999 a R&D project on fuzzy control applications to the Belgian Reactor 1 (BR1) was conducted at the Belgian Nuclear Research Centre (SCK·CEN). Due to the safety regulations of the nuclear reactor, it is not realistic to perform many experiments at BR1. In this situation, part of the pre-processing experiments had to be carried outside the reactor (e.g., comparisons of different methods and the preliminary choices of the parameters). Therefore a water-level control system, referred to as a real-time control demo-model, was designed and constructed. In this paper, the construction of the demo-model and related hardware aspects is firstly outlined, then the results of a fuzzy control (Mamdani-type) and an adaptive fuzzy control are presented. The adaptive fuzzy control is a fuzzy control with an adaptive function that can self-regulate the fuzzy control rules. Finally, an implementation of a computer simulation is introduced with an adaptive fuzzy control for this real-time control demo-model.     

模糊自适应PID控制器的设计及应用

针对用普通PID对高阶大惯性环节对象的控制参数难以整定的问题,设计了一种基于模糊控制原理的PID参数自适应控制器,根据偏差和偏差变化率来实时调整Kp,Ti,Td参数。试验结果表明,这种模糊自适应PID控制器比常规PID控制器有更好的控制效果,大大改善了系统的动态和稳态性能。     

应用单层神经网络设计多变量自适应模糊控制器

提出一种应用单层神经网络设计多变量自适应模糊控制器的方法。应用单层神经网络可以学习多变量模糊控制规则中的未知参数，还可由它来实现多变量模糊推理过程。该方法能解决多变量模糊控制中普遍存在的规则获取困难和难于实现实时自适应等问题。仿真试验表明，所设计的多变量模糊控制器不仅实时性好，而且可得到满意的控制效果。     

Toward a Fuzzy Domain Ontology Extraction Method for Adaptive e-Learning

With the widespread applications of electronic learning (e-Learning) technologies to education at all levels, increasing number of online educational resources and messages are generated from the corresponding e-Learning environments. Nevertheless, it is quite difficult, if not totally impossible, for instructors to read through and analyze the online messages to predict the progress of their students on the fly. The main contribution of this paper is the illustration of a novel concept map generation mechanism which is underpinned by a fuzzy domain ontology extraction algorithm. The proposed mechanism can automatically construct concept maps based on the messages posted to online discussion forums. By browsing the concept maps, instructors can quickly identify the progress of their students and adjust the pedagogical sequence on the fly. Our initial experimental results reveal that the accuracy and the quality of the automatically generated concept maps are promising. Our research work opens the door to the development and application of intelligent software tools to enhance e-Learning.     

自适应模糊蚁群系统

针对蚁群系统（Ant Colony System，ACS）容易陷入局部最优和收敛速度较慢的不足，提出了自适应模糊蚁群系统（AF-ACS）用于旅行商问题（TSP）。该算法的核心是引入模糊隶属度和信息熵的概念，AF-ACS将以信息熵为概率，自适应地对ACS引入模糊隶属度，以平衡算法的种群多样性与收敛速度之间的关系。算法早期引入模糊隶属度的概率较小，保证算法的多样性；算法后期引入模糊隶属度的概率较大，提高算法的收敛速度。通过与ACS和ECACS（Entropy-based Adaptive Chaotic Ant Colony Algorithm）进行14种不同规模的TSP测试集实验对比，AF-ACS以较少的迭代次数取得最优解或较优解。从而证明了AF-ACS的可行性与高效性。     

一种基于距离的自适应模糊粒子群优化算法

传统的粒子群优化算法((Particle Swarm Optimization,PSO )在更新粒子的速度时忽略了各粒子间的差异,在一次迭代中,各粒子采用相同的惯性权值来更新粒子的速度。为了体现各粒子的差异,提出了一种基于距离度量的自适应模糊粒子群优化算法(Distance-based Adaptive Fuzzy Particle Swarm Optimization, DAFPSO)。DAFPSO根据各粒子与最优粒子的差异,设计了相应的隶属函数来自适应地调整粒子的惯性权值。通过基准测试函数对算法进行了实验,从而验证了DAFPSO算法的有效性。     

一类动态不确定系统的自适应模糊控制

针对一类不确定性系统, 用back-stepping设计方法设计了一种新的模糊控制器, 并在所有信号一致有界的意义上证明了系统的稳定性, 仿真结果表明本文所设计的控制器能达到预定的目的.     

适应性模糊控制系统的研究

本文基于参考模糊集建模方法，给出了模糊模型在线辨识方法，并按模糊模型求取模糊控制规则，实现了模糊自适应控制。仿真研究结果表明该方法是有效的。