基于模糊神经网络的滑模控制

研究了一类不确定性非线性系统的滑模变结构控制,提出了一种基于模糊神经网络（Ｆｕｚｚｙ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋｓ）的滑模变结构设计方法,设计了控制器的结构,利用动态反向传播算法实现滑模控制,这种方法与一般变结构控制相比不但具有强的鲁棒性而且还能有效地消除抖动现象,同时在设计中不需要知识系统中不确定性和扰动的上界,另外还运用Ｌｙａｐｕｎｏｖ函数从理论上分析上了系统的稳定性。仿真结果说明了本文所提     

基于模糊逻辑的滑模控制设计方法

针对一类具有不确定性的单输入非线性系统，根据滑模控制原理。采用趋近律方法优化的滑模控制设计方法，以满足控制系统的鲁棒性和趋近运动品质的要求；同时根据模糊理论将切换函数模糊化，并且通过模糊规则自适应调整切换函数的模糊量化因子，以消除变结构控制系统固有的抖振和进一步改善系统偏差。仿真结果表明．设计的模糊滑模系统，具有对模型不确定性和外来干扰较强的鲁棒性以及良好的跟踪性能。避免了系统固有的颤动现象，控制的效果良好，性能满意；可应用于此类不确定非线性系统的设计综合问题。     

基于自适应模糊滑模控制的船舶航向控制器设计

针对船舶运动系统中固有的非线性、模型不确定性和风、浪、流等的干扰.提出了自适应模糊滑模控制(AFSMC)策略解决船舶的航向控制问题.通过采用模糊逻辑系统逼近系统未知函数,将滑模控制技术与自适应模糊控制技术相结合,设计了船舶航向AFSMC控制器.在滑模边界层内应用PI (proportional-integral)控制代替滑模控制中的切换项,削弱了滑模控制带来的抖振现象.借助李亚普诺夫函数证明了船舶运动系统中的信号都一致有界并利用Barbalat引理证明了跟踪误差渐近收敛到零.在参数摄动和外界干扰情况下进行了航向保持与改变仿真试验,采用AFSMC控制器得到了与无摄动和无干扰情况下相似的输出响应.实验结果表明,所提控制器能有效地处理系统不确定性和外界干扰,控制性能良好,具有很强的鲁棒性.     

一类非线性系统的间接自适应模糊滑模控制

基于启发式知识的模糊控制是一种解决非线性系统控制问题的有效方法。然而其设计缺乏系统性,并且系统的稳定性和鲁棒性难以保证。本文利用滑模控制的概念和Lyapunov综合方法提出一种针对一类非线性系统的间接自适应模糊滑模控制（IAFSMC）方法。仿真研究表明即使在缺少系统先验知识和不确定性干扰的情况下,系统性能也十分理想。     

非线性系统模糊免疫滑模控制研究

对于一类具有不确定性及未知部分的非线性控制系统,采用传统的模糊滑模控制时,由于切换函数的不连续性,易导致系统的高频振颤问题.为此提出了滑模控制与免疫控制相结合的自适应模糊免疫滑模控制方法.该方法通过免疫系统的免疫反馈原理,对滑模控制中产生的振颤现象进行抑制和补偿,并对非线性系统中的不确定性及未知部分采用T-S模糊系统逼近,较好地实现了此类非线性系统的鲁棒控制.通过倒立摆系统的控制,对所提出的方法进行了跟踪性能和鲁棒性能的验证.仿真结果表明,该方法与常规模糊滑模控制方法相比控制量的振颤得到了改善,具有良好的跟踪性能和较强的鲁棒性.     

基于遗传算法的模糊滑模控制

模糊控制和滑模控制的结合提供了非线性控制的一大新方法,它消除了滑模控制的抖动,但同时带来新的问题——静差,而且这种控制器在控制切换时动态性能与滑平面系数选择有很大关系.鉴于以上问题,该文提出用不均匀分布隶属函数的模糊控制器来代替传统滑模控制器的符号函数,同时为了保证模糊控制系统的全局稳定性,考虑加入模糊监督控制器.再基于遗传算法对滑平面系数和因子寻优,在算法中目标函数是系统的误差和表征系统稳定性的一个新变量.这种方法减小了系统的稳态误差,加快了系统到达滑动平面的速度,有效地消除了抖动.仿真结果表明了该方法的有效性.     

模糊滑模控制及应用

模糊控制和滑模控制是现代社会最先进的两种应用控制方法,有着非常好的优势,但同时两者也存在一些不足。本文结合这两者的优点,弥补不足,形成了模糊滑模控制律,在机器人、伺服控制、航空航天、混沌系统等多个方面的得到广泛应用。     

一类非线性系统综合自适应模糊滑模控制

针对一类非线性系统把模糊控制,模糊逻辑逼近及模糊滑模控制相结合,提出一种综合自适应模糊滑模控制方法、直接和间接自适应模糊控制器只能利用模糊控制规则或模糊描述信息,而综合自适应模糊控制器能利用上述两种信息。理论证明闭环系统稳定,跟踪误差收敛到零或零的一个小邻域内。仿真结果表明了算法的有效性。     

一类非线性系统的自适应模糊滑模控制

对一类具有不确定性的非线性系统,根据滑模控制原理并利用模糊系统的逼近能力,提出了一种自适应模糊滑模控制系统的设计方法.控制结构中采用模糊系统自适应朴偿过程的不确定性.利用李雅普诺夫理论,证明了控制算法是全局稳定的,跟踪误差可收敛到零的一个邻域内.     

广义不确定系统的模糊滑模控制*

研究了广义不确定系统的模糊滑模控制问题。控制结构中采用模糊系统来补偿动态不确定性,利用李亚普诺夫理论,证明了闭环系统的所有状态是全局有界的。     

基于模糊双线性模型的连续搅拌反应釜滑模控制

主要对连续搅拌反应釜系统(CSTR)的滑模控制问题进行研究;该系统的模型可由Takagi-Sugeno (T-S)模糊双线性模型进行描述,基于该模糊双线性模型,给出滑模控制方法;在之前学者的研究成果上对线性滑模面进行改进,构造积分滑模面,由此设计出的等效控制量与切换控制量,可以保证系统的控制精度;通过对其进行稳定性研究,得到全局稳定的充分条件,并求出滑模面的控制器参数;同时,构造7条模糊规则,采用模糊化方法对切换增益项进行模糊推理,使整体控制量平滑化,也避免系统状态出现抖振现象,实现实际可操作性;最后,连续搅拌反应釜的仿真验证了控制方法的有效性.     

基于FNN的滑模自适应控制

研究一类不确定性非线性系统的直接自适应控制方法。该方法由滑模控制器和模糊神经网络构成，通过平滑切换实现自适应控制策略。仿真结果表明，这种方法既有强鲁棒性，又能有效地消除高频颤动。     

Fuzzy Sliding Mode Control for Discrete Nonlinear Systems

Sliding mode control is introduced into classical model free fuzzy logic control for discrete time nonlinear systems with uncertainty to the design of a novel fuzzy sliding mode control to meet the requirement of necessary and sufficient reaching conditions of sliding mode control. The simulation results show that the proposed controller outperforms the original fuzzy sliding mode controller and the classical fuzzy logic controller in stability, convergence and robustness.     

基于T-S模糊模型的滑模跟踪控制

基于T-S模糊模型设计跟踪控制器,它包括两个部分:权重最大子系统局部反馈控制和采用滑模控制设计的全局监督控制,能保证系统稳定.倒立摆跟踪控制结果证明了算法的有效性.     

基于量子遗传算法的模糊滑模控制

针对一类具有不确定性的非线性系统,提出了一种新的基于量子遗传算法的模糊滑模控制器的设计方法.将模糊控制与滑模控制相结合,利用滑模控制使系统跟踪误差进入边界层内;启用模糊控制替代切换控制,并在边界层上通过监督函数平滑控制作用.在滑动模态产生条件下,通过量子遗传算法优化模糊控制器的控制规则,有效地解决了模糊滑模控制中模糊控制规则的确定问题,从而削弱了系统的抖振,改善了控制器的控制性能.仿真结果表明了该方法的有效性.     

Sliding Mode Control for T-S Fuzzy Systems

A sliding mode control scheme for a class of complex nonlinear systems with T-S fuzzy models is proposed in this paper. It is shown that, by using the concept of extreme matrices to determine the upper bound information of the interactions of the fuzzy subsystems, a simple, yet constructive sliding mode control scheme can be developed to guarantee the asymptotic stability and robustness of the closed-loop system. Simulation results are presented in support of the proposed scheme.