机械手自适应模糊控制器设计

本文提出了一种自适应模糊控制器用于机械手轨迹跟踪控制,该控制器通过对训练数据的聚类分析提取典型数据送入神经网络学习,得到的控制规则更加适用,在线控制时可以自动调整神经网络的结构以及隶属函数的参数。仿真实验表明该控制器能够对机械手实时控制,而且精度较高。     

一种广义线性隶属函数的设计及应用

研究模糊控制器问题,针对广泛应用的三角形和梯形隶属函数存在的问题,为提高控制器的控制性能,设计并研究了一种将三角形和梯形隶属函数作为特例的广义线性隶属函数,并将它作为输入隶属函数,应用于两输入一输出的典型模糊控制器.基于模糊控制器的解析结构,在不增加模糊规则的情况下,增加模糊子空间的划分,使用合适的隶属函数提高模糊控制器的控制性能;同时,证明了输入为广义线性隶属函数的模糊控制系统的解析结构是全局多值继电器和局部PI控制器之和.最后,仿真结果证明了设计的有效性,并为线性隶属函数的模糊控制器起到了优化性能的作用.     

π型隶属函数的典型模糊控制器的解析结构

研究了一种新型的典型模糊控制器,它的输入隶属函数采用π型样条函数,具有二阶逼近特性,而一般典型模糊控制器采用的三角形隶属函数只具有一阶逼近特性,因此研究这种新型的模糊控制器具有重要的意义.文章首先给出了该类典型模糊控制器的定义,推导了它的解析表达式,证明了该类典型模糊控制器可以等效为一个全局的二维继电器和一个局部的非线性PD控制器之和.在此基础上,给出了其极限特性和非线性特性.     

Willis混沌系统的模糊滑模控制方法

本文利用模糊逻辑连续滑模控制方法,研究了非线性Willis混沌系统的受控问题。设计基于模糊逻辑的模糊控制器,通过隶属函数将滑模面切换函数模糊化,再采用质心法解模糊控制器的输出。用此方法使系统输出跟踪一个给定的状态目标,最终使跟踪误差趋于零,仿真结果验证了方案的有效性。     

图书馆机器人机械手参数自整定模糊PID控制器设计

采用PC/104系列板卡设计了一款嵌入式图书馆机器人气动机械手控制器,对机械手的参数自整定模糊PID控制算法进行了重点探讨,根据模糊子集的隶属度赋值表和模糊逻辑规则,查模糊矩阵表得出修正参数,完成对PID参数的在线自校正.用Microsoft eMbedded Visual C++(EVC)编程实现了图书取放气动机械手的智能控制,给出了控制软件算法流程及关键部分实现方法.用阶跃、正弦等典型输入信号做系统仿真,实验结果表明气动机械手能够快速、稳定、几乎无误差地跟踪系统给定值.所提出的系统设计方法对类似领域具有普遍适用性.     

一种高效能的机器人模糊控制方案

本文提出一种高效能的模糊控制方案,来提高机器人当存在摩擦力和负载等不确定因素时以及动力学参数变化时的系统响应特性.该控制方案是由一个模糊逻辑(FL)控制器(主控制器)和一个传统的微分(D)控制器(辅助控制器)所构成.FL控制器用来提高系统的瞬态特性和稳态精度,D控制器用来保证系统的稳定性.在这一控制方案基础上,获得理想控制特性的主要思想是研究和调整语言变量的隶属度函数.模拟结果表明了这一控制方案的有效性和鲁棒性.此外,这一控制方案具有结构简单且易于实现的优点.     

高速公路非线性反馈模糊逻辑匝道控制器

入口匝道控制是高速公路交通控制和智能运输系统的重要组成部分,但现有的入口匝道控制效果尚不理想.为此,本文提出一种非线性反馈方法用模糊逻辑进行入口匝道控制.建立了高速公路交通流动态模型,在此基础上,结合模糊逻辑理论设计了非线性反馈匝道控制器,根据密度误差和误差变化用模糊控制决定匝道调节率,模糊变量选用三角形隶属度函数,并制定了包含56条模糊规则的规则库,最后用MATLAB软件进行系统仿真.结果表明该控制器具有优越的动态和稳态性能,它能使高速公路主线交通流密度保持为设定的期望密度,该方法用在高速公路入口匝道控制中效果良好.     

采用非线性规则和不均匀分布的输入输出隶属函数时典型模糊控制器的结构分析

针对两输入 (e,Δe)一输出 (Δu)的典型模糊控制器, 其输入变量采用三角形、全交迭、对称、不均匀分布的隶属函数, 输出变量采用对称、不均匀分布的单点隶属函数, 当采用非线性控制规则和Sum Product推理方法时, 推导了输出的解析表达式, 分析了其结构特性和极限特性, 证明了此类模糊控制器具有通用逼近性, 并讨论了典型模糊控制系统的局部稳定性.     

单片模糊控制器与智能PID的实现

模糊逻辑是处理非精确输入与非线性的强有力处理方法，便于迅速开发鲁棒性控制系统，本文介绍隶属函数，模糊变量，模糊逻辑规则等基本概念，介绍单片模糊逻辑控制器的原理与结构，最后以实现智能ＰＩＤ控制为例子，系统地叙述了单片模糊逻辑控制器的应用与优点。     

单片模糊控制器与智PID的实现

模糊逻辑是处理非精确输入与系统非线的强有力处理方法，便于迅速开发鲁棒性控制系统。本文介绍隶属函数、模糊变量、模糊逻辑规则等基本概念，以及单片模糊逻辑控制器的原理与结构，然后以实现智能ＰＩＤ控制为例，系统地叙述了单片模糊逻辑控制器的应用与优点。     

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。     

混沌系统的一种自学习模糊控制

提出一种基于遗传算法的自学习模糊控制方法控制混沌系统。用一种改进的遗传算法学习模糊控制器的隶属度函数，以改善模糊控制器的性能，使其达到良好的控制效果。用此方法控制Ｈｅｎｏｎ系统的混沌行为，效果良好。     

Multivariable gain-scheduled fuzzy logic control of an exothermic reactor

Fuzzy logic control frequently exhibits superior performance to classical linear controllers even for ‘hard’, mathematically well defined plants, as described in this paper. The case-study of a highly nonlinear exothermic continuous stirred tank reactor, which poses a multivariable control problem with two interacting loops and open-loop instability, is used. The behaviour of the fuzzy logic controller is compared with that of a PID controller. A smooth, easily tuneable gain-schedule is designed to handle offset-like problems with a fuzzy controller. It is analytically shown that such a gain-schedule is the simpler, intuitive equivalent of a manipulation of the corresponding fuzzy membership functions. The fuzzy controller structure chosen is a parsimonious one, with the choice of Gaussian bell-shaped membership functions generating a smooth input/output surface with nontrivial inferencing spanning the entire input space. This provides a clear, non-heuristic reason to select Gaussian over triangular shapes for membership functions. The gain-scheduled fuzzy controller shows excellent control performance, significantly outperforming the PID controllers in both servo and regulatory modes. The disturbance rejection behaviour of the modified fuzzy controller is observed to be particularly good.     

三级倒立摆的加权变量模糊神经网络控制

为了提高三级倒立摆系统控制的响应速度和稳定性,在设计Mamdani型摸糊推理规则控制器控制倒立摆系统稳定的基础上,设计了一种更有效率的基于Sugeno型模糊推理规则的模糊神经网络控制器。该控制器使用BP神经网络和最小二乘法的混合算法进行参数训练,能够准确归纳输入输出量的模糊隶属度函数和模糊逻辑规则。通过与Mamdani型控制器的仿真对比,表明该Sugeno型模糊神经网络控制器对三级倒立摆系统的控制具有良好的稳定性和快速性,以及较高的控制精度。     

Fuzzy logic based adaptive admittance control of a redundantly actuated ankle rehabilitation robot

Ankle rehabilitation robots have recently attracted great attention since they provide various advantages in terms of rehabilitation process from the viewpoints of patients and therapists. This paper presents development and evaluation of a fuzzy logic based adaptive admittance control scheme for a developed 2-DOF redundantly actuated parallel ankle rehabilitation robot. The proposed adaptive admittance control scheme provides the robot to adapt resistance/assistance level according to patients' disability level. In addition, a fuzzy logic controller (FLC) is developed to improve the trajectory tracking ability of the rehabilitation robot subject to external disturbances which possibly occur due to human-robot interaction. The boundary scales of membership functions of the FLC are tuned using cuckoo search algorithm (CSA). A classical proportional-integral-derivative (PID) controller is also tuned using the CSA to examine the performance of the FLC. The effectiveness of the adaptive admittance control scheme is observed in the experimental results. Furthermore, the experimental results demonstrate that the optimized FLC significantly improves the tracking performance of the ankle rehabilitation robot and decreases the steady-state tracking errors about 50% compared to the optimized PID controller. The performances of the developed controllers are evaluated using common error based performance indices indicating that the FLC has roughly 50% better performance than the PID controller.     

Fuzzy Optimal Control for Bilinear Stochastic Systems with Fuzzy Parameters

In this paper we consider the control problem for a class of partially observed bilinear stochastic systems with fuzzy parameters. Using Takagi–Sugeno fuzzy model, the problem is described by three sets of fuzzy stochastic differential equations: one for the state process, one for the observed process and one for the controller which is assumed to be driven by the observed process. With this formulation, the original stochastic control problem can be treated as a deterministic identification problem in which the controller parameters and the corresponding membership functions are the unknowns. Using a suitable performance index, we have developed a set of necessary conditions for determining the parameters of the controller and the corresponding membership functions. Finally, some numerical simulations are presented to illustrate the effectiveness of the proposed fuzzy control scheme.     

遗传模糊神经网络在航空发动机控制中的应用

模糊神经网络控制器是一种将模糊逻辑与神经网络相结合的智能控制器,其既不依赖于被控对象精确的数学模型,又能根据被控对象参数和环境的变化自适应地调节控制规则和隶属函数参数,但是存在着收敛速度慢,较多局部极小的情况下很容易陷入局部极小值等缺点。针对存在的问题,提出一种模糊神经网络控制器的优化方法。隶属度函数的参数具有全局性,用遗传算法来优化;神经网络的权值代表模糊系统的控制规则,它用神经网络的误差反传算法(BP)来调整。将算法用于航空发动机控制,实现对低压转子转速的无静差控制,与应用BP算法的模糊神经控制相比,控制性能改善较大,结果令人满意。     

MEMBERSHIP FUNCTIONS SHAPE AND ITS INFLUENCE ON THE DYNAMICAL BEHAVIOUR OF FUZZY LOGIC CONTROLLER

In the present paper, the influence of membership functions shape on the fuzzy logic controller output surface is investigated and discussed. Bell-shaped membership functions with two parameters are used. An example with linear object under control is shown. The results are presented graphically and can serve to determine two parameters with respect to the desired action of fuzzy controller.