基于T-S模糊神经网络的飞机防滑刹车系统研究

航空业的发展对飞机防滑刹车系统提出了更高的要求,而传统PID+PBM控制器存在着低速打滑、刹车效率较低等问题;针对刹车过程中的不确定性和非线性问题,提出采用T-S模糊神经网络来进行防滑刹车控制器设计;在MATLAB/SIMULINK平台建立飞机刹车总体仿真模型,将设计的控制器与传统控制器进行对比仿真试验;仿真结果表明,基于T-S模糊神经网络的控制器解决了传统PID+PBM系统存在的问题,具有良好的控制效果,系统具有鲁棒性,能够适应变化的跑道情况,为飞机防滑刹车控制提供了一种新的方法。     

基于多数据融合的智能定位传感器避障方法研究

针对传统小车定位传感器控制效果差,导致小车避障能力不佳的问题。提出基于T-S模型模糊神经网络多数据融合的智能定位传感器避障方法。首先设计一个智能小车控制系统;然后将超声波传感器和红外传感器相结合应用于小车避障控制中,采用基于T-S模型神经网络信息融合算法对避障控制器的数据进行融合处理,以此提升智能小车避障控制效果。实验结果表明,对比于单一传感器,提出的多数据融合传感器的探测距离更加接近真实障碍物。基于T-S模型的模糊神经网络控制器的避障控制精度最高可达97.6%,避障精度较高,说明提出方法具备较好的控制效果,设计的智能小车能够准确安全地避开障碍物,具有一定的有效性和可靠性。     

基于T-S模型的模糊神经网络PID控制

针对在非线性、时变不确定系统中,常规PID控制器难以获得满意效果的问题,仿照传统PID控制器结构,设计了一种基于T-S模型的模糊神经网络PID控制器。该控制器基于T-S模糊模型,将PID结构融入模糊控制中,充分发挥了模糊系统非线性、可解释性的特点;然后又利用神经网络的学习算法,实现了对模糊控制器的参数调整,使控制器具有了适应时变、不确定系统的自学习和自组织能力。针对非线性、时变系统,将此控制器与传统PID控制器对比进行了仿真研究,并应用于啤酒发酵领域,其结果表明,该控制器取得了令人满意的效果。     

救援机器人自适应模糊控制的研究

研究了腿轮混合结构式救援机器人的自适应运动控制问题;由于腿轮式救援机器人是一多自由度、非线性和强耦合的系统,其动力学模型比较复杂且难以精确建立,提出采用T-S型模糊神经网络进行机器人的运动控制;充分利用T-S模糊模型的特点和优点,以一种简化的T-S型模糊神经网络作为前馈控制器,同时反馈控制器也采用T-S型模糊神经网络实现;该控制器利用人的经验和知识实时调整PID参数,从而改善控制系统的性能,提高控制器的适应能力;实验结果表明该方法具有良好的轨迹跟踪精度和抗干扰能力.     

模糊预测控制炉窑温度系统中应用

针对炉窑温度系统的大时滞、多扰动和非线性的特点,将T-S模糊状态空间模型作为预测控制的预测模型,并将T-S模糊表示的非线性系统转化为线性时变系统,给出了基于状态空间的多变量复杂系统的T-S模糊模型表达形式,设计出预测时域内多模型的非线性模糊预测控制器。根据实际控制中对控制量和输出的约束,将控制器输出求解转化为二次规划问题。     

T-S模糊神经网络应用于变参数系统的控制研究

针对基于模型的传统控制策略在线性时变系统中的应用受到系统的时变性和不确定性限制,通常难以获得理想的控制性能这一问题,提出了线性时变系统的一种变参数系统模型。该模型具有有界性和不确定性特点,利用模糊神经网络具有的自学习能力强、模型依赖性小以及鲁棒性强的优点,提出一种基于遗传算法的T-S模糊神经网络控制器对其进行控制研究,并通过仿真实验证明了该模糊神经网络控制器对变参数系统控制的可行性与有效性,为线性时变系统的控制问题提供了一种新思路。     

具有学习功能的多值模糊神经网络控制系统

对于具有非线性、大时滞、不确定性等特性的难以用精确数学模型描述的多变量复杂系统,靠传统控制理论难以获得理想的控制效果。基于模糊神经网络控制技术不依赖于被控对象精确的数学模型,且能根据被控对象参数的变化自适应调节控制规则和隶属函数参数的特性,进行了采用模糊神经网络控制器实现其控制的应用研究。采用典型的前向型模糊神经网络模型,给出了具有学习功能的多值模糊神经网络控制系统的一种设计方法。仿真实验证明,该系统能够获得较理想的控制效果。     

变风量空调系统优化控制策略研究

变风量空调系统是多变量,大滞后、非线性和不确定性的系统,普通的模糊神经网络控制已难以满足其多变量动态控制的要求,为改善变风量空调系统控制性能,本文提出了一种小波模糊神经网络预测控制方法,实现变风量空调的温湿度有效控制.通过小波神经网络预测器在线建立被控对象的数学模型,并用模糊RBF神经网络控制器对所得到的信息在线修正,优化控制器参数,从而改善系统的控制效果.仿真结果表明,小波模糊神经网络预测控制具有很强的鲁棒性和自适应能力,控制精度高,控制效果好,安全可靠等优点,具有广泛的应用价值.     

基于事件触发的网络化T-S模糊系统容错控制

研究了基于事件触发的网络化T-S模糊系统容错控制问题．首先针对一类具有随机执行器故障的网络化T-S模糊系统,提出一种有效减少数据传输量的事件触发机制．然后在综合考虑事件触发机制和控制器与T-S系统前件变量的异步的情况下,建立一种能同时描述事件传送策略、执行器失效、网络诱导时延和异步前件变量的新颖模型．利用李亚普诺夫泛函方法,得到保守性较小的闭环T-S系统均方渐近稳定条件和相应的容错控制器设计方法．实例表明了本文所得结果的有效性．     

基于模糊神经网络的多变量解耦控制

针对焦炉集气管压力这类多变量非线性系统，提出了一种基于PID神经网络和RBF模糊神经网络的多变量解耦控制方案，RBF模糊神经网络对多变量对象解耦，PID神经网络控制器控制过程的动态特性。工程应用表明，提出的控制策略有效地解决了集气管压力这类复杂对象的过程控制问题。