基于非线性控制方法的倒立摆系统控制

应用非线性系统跟踪控制方法对倒立摆系统的控制进行研究.基于非线性系统控制方法对倒立摆系统摆的镇定问题、台车位置调节问题和鲁棒控制问题设计出了具体的控制器.最后给出了在所设计的各种控制器作用下系统的仿真结果,结果表明所设计的控制器对倒立摆系统的稳定控制具有良好的效果.     

模糊控制及其在开关磁阻电动机控制中的应用

对常规的模糊控制器的设计进行了分析研究。以提高系统精度为目的,简单实用为原则,设计了模糊PID控制器。仿真结果表明,所设计的模糊PID控制器大大提高了系统的控制精度,加快了系统的响应特性,可以做到理论上无静差,明显优于常规的模糊控制器。最后把设计的模糊PID控制器应用到开关磁阻电动机调速系统中,经过反复实际调整,确定了一组合适的量化因子的数值,这对量化因子使用理论值来说是个突破。同时实验结果表明,文中设计模糊PID控制算法不但可行,且效果很好,已在实际中得到成功的应用。     

一种单神经元自适应伺服控制器的研究

针对日益提高的对伺服系统的控制速度及精度的要求，文章探讨了一种可用于伺服控制系统的单神经元自适应控制器设计方法，并对控制器的结构及参数对系统性能的影响进行了仿真研究，在神经网络控制在伺服控制系统中的应用方面，进行了一些探索性工作。     

基于变控制律方法的智能控制器在空调监控系统中的应用

介绍了一种采用变控制律的新型智能控制器在厂房空调中央监控系统中的应用 ,以取代采用单一 PID控制律的传统空调系统控制器。该系统应用集散控制 ,控制器以 PID控制为基础 ,结合 Fuzzy控制及 Bang-Bang控制技术 ,构成变控制律结构。将该控制器应用于恒温恒湿空气调节中央监控系统控制后 ,可具有控制精度高、响应速度快、对干扰不敏感等优点 ,取得良好的控制效果     

控制方向未知的二阶时变非线性系统自适应迭代学习控制

对一类二阶严格反馈时变非线性系统的自适应迭代学习控制问题进行了研究.系统中含有非周期时变参数化不确定性且控制方向未知.首先,提出了一种神经网络估计器,实现了对未知非周期时变非线性函数的逼近.随后,用Nussbaum函数对未知控制方向进行了自适应估计,并综合应用baCkstcpping技术和自适应迭代学习控制技术设计了控制器.所设计的控制器能保证系统所有状态量在Lpe-范数意义下有界,且系统的输出量在LT2-范数意义下收敛到期望轨迹.最后的仿真研究证明了控制器设计方法的有效性.     

平面一级倒立摆的稳定控制

平面倒立摆系统是进行控制理论研究的理想实验平台.在对平面一级倒立摆进行运动学和动力学分析的基础上,采用拉格朗日方程建立了它的动力学模型.分别设计了LQR控制器和模糊控制器,应用所设计的控制器对倒立摆系统进行了实时控制实验.验证了两种控制方法的优缺点.     

DC/DC 变换器的变结构模糊控制研究

对不同类型的模糊PID控制器(模糊P控制器、模糊PD控制器、模糊PI控制器、模糊PID控制器)在DC/DC变换器中的应用作了全面的研究。目前,模糊PI控制器应用得最为广泛,然而在其控制作用下,DC/DC变换器的输出电压通常会超调,并且当响应时间较短时有很大的冲击电流尖峰。探讨一种变结构模糊控制器,这种控制器将有效地克服模糊PI控制器的上述不足。基于Matlab/Simulink对应用变结构模糊控制器控制的DC/DC变换器系统进行了计算机仿真。仿真结果表明,变结构模糊控制器控制拥有较好的动态特性和稳态性能。     

采用集结的预测控制器仿真研究

集结策略在减少预测控制在线计算量同时也必然带来控制性能的下降,研究集结策略与控制器性能的关系,对于应用集结策略有着重要的意义.约束预测控制器不存在公式解,无法从理论上得到集结策略与控制器性能的关系.通过仿真研究的方法,结合定性分析,研究了集结阵维数和集结阵结构对控制器性能影响,以及衰减策略下不同衰减率的集结阵对控制器性能影响.仿真得到的结果能有效地指导实际系统中集结阵的选取,使集结预测控制器具有良好的性能.     

参数时变系统的广义预测控制研究

针对参数时变系统,研究了自适应预测控制器的设计问题.采用隐式广义预测控制算法(IGPC),无需辨识对象模型参数,而是利用输入/输出数据直接辩识控制器参数,以求解最优控制增量,具有计算量小、实时性高的特点.仿真结果表明,在不需要关于被控对象先验知识的情况下,隐式广义预测控制器可以很好地跟踪设定值的变化,同时对于系统外部干扰和模型参数的变化具有很好的适应能力,在参数时变系统控制器设计中具有良好的应用前景.     

非线性系统基于HM模型的自适应鲁棒跟踪控制

研究了非线性系统的跟踪控制问题，基于HM模型对非线性系统进行描述，并将全局模糊模型表示成不确定系统形式。在满足匹配条件下，针对未知不确定界，采用自适应鲁棒控制器，利用自适应变量信息来补偿系统的不确定性信息，实现了非线性系统的渐近跟踪控制。一级倒立摆仿真实验，验证了方案的有效性。控制器结构简单，规则少，具有应用价值。     

一种基于Matlab的参数自调整模糊控制器的设计方法

本文介绍了一种在MATLAB的模糊控制工具箱中,通过编写S函数实现对量化因子和比例因子的在线自动调整来设计模糊控制器,从而有效地实现参数自调整模糊控制器的设计方法。为了验证参数自调整模糊控制器的优越性,分别进行了空调温度控制系统的PID控制、常规模糊控制和参数自调整模糊控制的仿真研究。结果表明,参数自调整模糊控制器较之常规的模糊控制器,在被控对象特性变化或较大扰动的情况下,控制系统能保持较好的性能,是一种较理想的控制方法,具有广阔的发展前景。     

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。     

模糊控制器的设计与阈值误差的选取

将模糊控制器通过离线计算做成控制表,应用时通过查表实现模糊控制器功能,仿真表明查表法能够满足控制要求;同时解决了当模糊控制器与传统PID相结合应用时,闽值误差｜e｜的最优值的选取问题。     

基于模糊控制的双闭环直流可逆调速系统的设计

对于双闭环直流可逆调速系统,提出了一种将模糊控制与常规PI控制相结合应用在转速环调节器设计的方法。根据工程经验与专家知识所确定的模糊控制规则,进行模糊推理,实现转速环调节器参数的动态整定。应用Matlab软件构建了双闭环直流可逆调速系统的仿真模型,并对转速环分别采用模糊PI控制器和常规PI控制器的直流可逆调速系统分别进行仿真实验并对比结果。从仿真结果可以得出采用模糊控制可以对直流可逆调速系统的动态与静态特性、抗扰性能、恢复性能以及跟踪性能有比较明显的改善与提高。     

Optimal two-degree-of-freedom fuzzy control for locomotion control of a hydraulically actuated hexapod robot

Locomotion control of legged robots is a very challenging task because very accurate foot trajectory tracking control is necessary for stable walking. An electro-hydraulically actuated walking robot has sufficient power to walk on rough terrain and carry a heavier payload. However, electro-hydraulic servo systems suffer from various shortcomings such as a high degree of nonlinearity, uncertainty due to changing hydraulic properties, delay due to oil flow and dead-zone of the proportional electromagnetic control valves. These shortcomings lead to inaccurate analytical system model, therefore, application of classical control techniques result into large tracking error. Fuzzy logic is capable of modeling mathematically complex or ill-defined systems. Therefore, fuzzy logic is becoming popular for synthesis of control systems for complex and nonlinear plants. In this investigation, a two-degree-of-freedom fuzzy controller, consisting of a one-step-ahead fuzzy prefilter in the feed-forward loop and a PI-like fuzzy controller in the feedback loop, has been proposed for foot trajectory tracking control of a hydraulically actuated hexapod robot. The fuzzy prefilter has been designed by a genetic algorithm (GA) based optimization. The prefilter overcomes the flattery delay caused by the hydraulic dead-zone of the electromagnetic proportional control valve and thus helps to achieve better tracking. The feedback fuzzy controller ensures the stability of the overall system in the face of model uncertainty associated with hydraulically actuated robotic mechanisms. Experimental results exhibit that the proposed controller manifests better foot trajectory tracking performance compared to single-degree-of-freedom (SDF) fuzzy controller or optimal classical controller like state feedback LQR controller.     

模糊控制理论在即热式热水器中的应用

针对传统PID控制器依赖被控对象精确的数学模型,当应用在复杂的、非线性、人迟滞的即热式热水器时难以达到良好的动态响应的缺点,本文将模糊控圳理论噍用于即热式热水器的温度控制中,同时分析了即热式热水器控制系统硬件绀成及工作原理,并且在MATLAB中应用Fuzzy Toolbox和Simulink纣控制系统进行仿真。实验结果表明,模糊控制方法相对于传统的PID控制具仃更好的动态和静态性能,控制精度为大为提高。     

无刷直流电动机积分反演模糊滑模控制

针对普通的无刷直流电动机控制策略受电动机本身因素影响,难以达到理想效果的问题,介绍了一种积分反演自适应滑模变结构控制和模糊控制相结合的控制器。该控制器在滑模面中加入积分项,实现了对速度信号的无静差跟踪,提高了系统的稳态精度;用模糊控制器来解决切换控制增益设定只能靠经验的问题;采用模糊控制算法对不确定性进行估计,有效地减小了滑模控制方法带来的抖振;为了进一步提高控制性能,重新设计了趋近律。仿真结果表明,该控制器能够大幅提升无刷直流电动机控制系统的性能。     

铝电解模糊控制系统的研究与应用

本文提出了一种自适应模糊控制方法．并应用在铝电解控制系统中。该方法将模糊控制函数的优化和模糊控制系统增益自适应调整集中于一体，可大大改善系统的品质和适应能力。仿真结论及应用表明．这种新型的模糊控制方法取得了良好的控制效果。     

基于遗传算法和模糊逻辑的智能飞控技术研究

设计了基于遗传算法和模糊逻辑控制的智能飞行控制系统及采用论域自调整的模糊控制器，控制器以角度跟踪误差及其微分信号为输入来控制相应的气动舵面偏转，实现对该姿态的跟踪控制。文中给出了控制器输入输出的隶属函数，设计了相应的规则库。并在此基础上进一步利用遗传算法对模糊控制器进行优化设计，给出了遗传算法各个参数的选择原则。仿真结果表明，基于遗传算法和模糊逻辑的智能飞控系统具有良好的控制效果。     

Fuzzy sliding-mode control with rule adaptation for nonlinear systems

Abstract: A fuzzy sliding-mode control with rule adaptation design approach with decoupling method is proposed. It provides a simple way to achieve asymptotic stability by a decoupling method for a class of uncertain nonlinear systems. The adaptive fuzzy sliding-mode control system is composed of a fuzzy controller and a compensation controller. The fuzzy controller is the main rule regulation controller, which is used to approximate an ideal computational controller. The compensation controller is designed to compensate for the difference between the ideal computational controller and the adaptive fuzzy controller. Fuzzy regulation is used as an approximator to identify the uncertainty. The simulation results for two cart–pole systems and a ball–beam system are presented to demonstrate the effectiveness and robustness of the method. In addition, the experimental results for a tunnelling robot manipulator are given to demonstrate the effectiveness of the system.