一种自适应PID控制算法

将现代控制理论的自适应技术与经典的PID控制算法相结合,推导出一种自适应PID控制算法,并在计算机上对不同对象及时变参数进行了数字仿真.结果表明这种自适应PID控制算法的有效性.     

自适应模糊神经网络控制器设计的线性化方法

基于Ｔ－Ｓ模糊推理系统模型构造一个简化形式的Ｆｕｚｚｙ神经网络（ＦＮＮ），应用Ｓｔｏｎｅ－Ｗｅｉｅｒｓｔｒａｓｓ逼近定理证明了这种ＦＮＮ网络对非线性连续函数的全局逼近性质，并利用Ｃｌａｒｋｅ一步加权最优预报控制性能指标及前向ＦＮＮ网络辨识器模型的线性化思想，提出一种间接Ｆｕｚｚｙ神经网络自适应控制算法，仿真结果证实了该算法的有效性。     

一种新的自适应模糊规则的算法

本文基于模糊目标的隶属函数调整修正因子的方法．提出一种新的基于模糊目标的隶属函数自调整算法来在线调整模糊规则的修正因子．从而得出一种新的自调整模糊控制器的设计方法．应用该方法对一个典型的二阶系统进行仿真研究，结果表明其设计方案具有一定的忧越性．     

一种基于自适应小波网络的非线性控制算法

结合动态逆和小波网络提出了一种新的非线性控制方法，根据小波网络的逼近特性，利用具有在线学习能力的小波网络来补偿动态逆的误差，建立了基于自适应小波网络的控制结构，用李雅普洛夫函数导出了网络权值的自适应调整规则，并分析了小波网络的输入。     

一种自适应模糊系统

采用模糊计算与神经计算相结合的方法，本文提出一各自适应模糊系统模型－－ＡＦＳ。ＡＦＳ采用前向神经网络来实现模糊推理规则，运用模型一致矩阵方法实现动态自适应以及最大关联隶属原则执行模型决策，最后通过若干实便以ＡＦＳ的性能。     

自适应预报内模控制器

本文针对具有确定性扰动的线性系统提出了一种预报内模控制算法，证明了该控制算法能够确保系统闭环稳定，给出了自适应预报内模控制算法和仿真实例研究，仿真结果表明该自适应预报内模控制算法具有较强的抗确定性干扰能力和很好的跟踪性能。     

一种新的自适应网络拥塞控制算法

摘对网络拥塞机制进行了分析,并根据对RTT波动变化的分析,在不改变网络处理能力的情况下,通过对拥塞进行预测,改进了传统的TCP拥塞控制算法,提出了一种新的自适应RTT拥塞控制算法(ARCC)。通过NS2仿真,与传统TCP拥塞控制算法进行了比较,仿真实验证明该方法拥塞窗口变化比较平稳,很少出现拥塞,不会导致超时重传和丢包快速重传,同时吞吐率较高,在拥塞避免方面具有一定的意义。     

一种自适应的模糊关联规则挖掘算法

关联规则是数据挖掘的重要研究内容之一。传统的关联规则挖掘算法仅适于处理二元属性与分类属性。为更好地处理数量属性,提出了一种自适应的基于模糊概念的量化关联规则挖掘算法。该算法克服了传统的离散分区法的不足,改进了已有模糊关联规则支持度的计算方法。引入了一种基于聚类的隶属函数自动生成方法,使得模糊关联规则的发现不依赖于人类专家给出的隶属函数,使得关联规则的表示自然、简明,有利于专家理解。实验表明该算法是有效的。     

一种基于遗传算法的模糊内模控制方法

针对一类非线性过程,提出了基于T-S模糊模型的非线性内模控制方法.使用遗传算法和模糊聚类方法进行模糊建模,解决了非线性内模控制方法中建立精确的模型及其逆模型困难的问题.通过模糊辨识获得过程的T-S模型及逆模型,并以此设计了内模控制器.最后,将该方法应用于一类非线性过程的控制,仿真结果表明该方法的有效性.     

自适应内模控制及其应用

介绍了将LMS自适应滤波算法用于对象动态模型的参数在线估计,并将实时估计得到的动态模型用于内模控制算法中。文中介绍一则应用实例。     

基于模糊树模型的间接自适应模糊控制

提出了一种基于模糊树模型的间接自适应模糊控制器的设计方法. 采用模糊树辨识方法离线辨识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, 实现对有界参考信号的跟踪控制. 通过对倒立摆系统进行数值仿真, 验证了所提方法的有效性和优越性.     

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。     

基于模糊模型的非线性内模控制策略研究

针对一类非线性动态过程提出了基于模糊模型的非线性内模控制算法(NFIMC)。NFIMC控制器包括逆模糊模型控制器和滤波器。过程的模糊模型和逆模糊模型均可由模糊辨识获得。CSTR的仿真结果表明:该算法可以对强非线性过程实现有效控制,并且具有结构简单、计算效率高等优点,有利于在线应用。     

一种鲁棒补偿的直接自适应模糊控制算法

针对一类含有不确定项的非线性系统,提出了一种鲁棒直接自适应模糊控制算法,可在系统的控制增益已知、部分已知和未知三种情况下,实现系统跟踪有界参考信号的控制目标。该算法采用广义模糊双曲正切模型逼近系统的等价控制项,广义模糊双曲正切模型具有模糊规则个数少,更易于用语言描述获取的特点,在实际应用中更易实现。同时,引入鲁棒补偿项消除系统的不确定项和逼近误差,放宽系统稳定条件为最小近似误差有界。利用Lyapunov函数证明了采用上述控制策略保证了控制系统跟踪误差收敛到原点的一个小的邻域内,且所有的变量一致有界。仿真例子说明了该算法的有效性。     

基于模糊树模型的自适应直接逆控制

基于模糊树模型, 结合神经网络中的逆向学习和专门化学习, 提出了自适应直接逆控制方法. 首先离线辨识对象的逆模型作为初始的控制器, 然后与对象串联, 用最小均方差 (Least mean square, LMS) 算法在线调节控制器中的线性参数. 本方法辨识得到的逆模型控制器可以减少需要的模糊规则数目, 同时达到较好的跟踪控制效果. 仿真结果表明了方法的有效性.     

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.     

基于内模重复与自适应复合控制的位置伺服系统

针对传统全断面盾构机姿态调整位置精度难以控制的难题,采用复合控制策略实现位置精度控制。利用模糊控制智能非线性特点在线整定PID参数提高与增强位置伺服系统的自适应与抗干扰能力,同时引入内模重复控制策略进一步优化位置伺服系统的控制精度。通过Simulink/AMEsim联合仿真实现全断面盾构机位置伺服系统的控制与液压系统相联合,实验验证复合策略使设备抗干扰能力与自适应跟踪性能稳步提高,并在矿井巷道试验中取得较好试验结果。     

在线变结构模糊神经网络的自适应内模控制

本文提出一种在线变结构补偿模糊神经网络训练算法.该在线变结构算法,使得出的网络结构简单.并且由于该网络引入了补偿模糊神经元,使网络能对模糊规则进行在线的训练.将此算法应用到仿射非线性动态系统和大时滞线性动态系统的内模控制中.仿真结果表明,该方法能有效的控制动态过程,具有较好的自适应性和鲁棒性.     

一种基于T-S模糊模型的自适应预测函数控制

针对离散时间非线性系统,提出了一种基于T-S模糊模型的自适应预测函数控制算法。该算法利用加权递推最小二乘法在线辨识T-S模糊模型后件参数,以克服模型失配对系统性能的影响。根据辨识得到的模型参数直接递推计算模型的预测输出,而不需要求解Diophantine方程,进而直接递推求解预测控制律,而不需要求解矩阵逆。仿真结果表明,该算法具有良好的跟踪性能和较强的鲁棒性。