板球系统的T-S模糊多变量控制方案

板球系统是一个典型的多变量、非线性控制对象，它是杆球系统的扩展，适合用以 检验各种控制方案．本文介绍了板球系统及其数学模型，就轨迹跟踪问题提出了基于T-S模 型的模糊多变量控制方案，并验证了这种控制方案能使系统全局渐进稳定．仿真实验结果表 明本文所采用的控制方案明显优于传统的PD控制方案．     

基于FNN的板球系统轨迹控制方案

基于视觉的板球系统是一个典型的多变量、非线性控制对象,本文针对该系统的基本位置控制和轨迹控制问题,提出了模糊多变量控制方法并结合神经网络控制方案,仿真实验结合实际系统实验均实现了其对位鼍控制和任意运动轨迹控制,验证了控制效果。     

基于气动直缸驱动伺服控制动态系统仿真

气动直缸驱动的板球系统是一个多变量非线性控制系统,可说明气动控制元件的产品性能,对控制理论性能研究,具有很好的价值。为改善气动驱动的板球系统控制特性,提出了用模糊和滑模控制相结合,来控制气动伺服板球系统。采用MATLAB的仿真环境,对气动直缸伺服驱动的板球控制系统进行了仿真。仿真结果表明模糊—滑模控制一方面可以满足气动控制的鲁棒要求,另一方面可以为改善板球控制系统轨迹跟踪的控制精度,提高稳态特性提供依据。     

板球系统的间接模糊自适应控制

针对具有强耦合、不确定摩擦力的多变量非线性板球系统,利用Lyapunov稳定理论,设计一种间接模糊自适应控制器。该控制器可以在确保系统变量在有限范围内变动的同时保持收敛性,并且在系统的增益矩阵不可逆时,使得板球系统稳定并跟踪误差收敛到零邻域内。控制器是由监督、间接模糊自适应和自适应补偿3种控制算法结合的。仿真实验表明,所提出的控制方法能够确保板球系统跟踪控制的稳定性和收敛性。     

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。     

基于视觉的板球控制系统研究

板球系统是一个典型的多变量、非线性控制对象,本文针对该系统的基本位置控制和轨迹控制问题,采用基于视觉的控制方案,并在实物板球控制系统做了实时控制,达到了误差1mm以内的控制效果.     

基于变量分组模糊控制算法的倒立摆系统

采用模糊控制理论研究了直线一级倒立摆控制问题。直线一级倒立摆系统是多变量不稳系统,为了解决模糊规则爆炸问题,本文采用了变量分组的方法完成倒立摆模糊控制器的设计方案。要使直线一级倒立摆系统稳定,必须对小车位置和摆杆角度同时进行闭环控制,而单一的控制只能控制一个控制量,本文提出了两回路的模糊控制方案。仿真和实验结果证明了该方案的可行性和良好的控制性能。     

板球系统遗传神经网络PID控制器参数优化研究

板球系统是球杆系统的二维扩展,对其控制算法的研究可以提高实际系统的可靠性。板球系统作为典型的非线性、多变量控制系统,具有强耦合、欠驱动和无约束的特点。国内外学者对板球系统的研究主要在系统动力学分析和建模、视觉检测技术、小球定点控制与运动轨迹跟踪控制算法等方面。针对板球系统在传统RBF-PID控制中震荡大、精度低、实时性差等问题,应用拉格朗日方程对板球系统在忽略干扰因素的条件下进行数学建模,采用遗传算法优化PID参数;利用RBF神经网络具有逼近任意非线形函数的能力,在线调整PID参数;设计PID控制器,直接对被控对象闭环控制。在MATLAB环境下完成仿真,并在GPB2001型板球系统实物上完成定位控制和方形轨迹跟踪试验。试验结果表明,遗传神经网络控制算法能够提高板球系统定位控制、轨迹跟踪的稳定性和精度,对板球系统的控制效果有显著提高。     

多变量温度模糊控制器的研究

本文提出一种非解析的方法对多变量温度系统进行模糊解耦控制，简化了多变量之间的模糊关系，并在工程实践上得以成功应用。     

处理复杂模糊系统的模糊穴映射方法

在对模糊穴和模糊穴空间等基本概念作一简单介绍之后，本文着重从模糊多变量系统的建模，辨识和控制等方面出发概述了基于模糊穴射的理论和方法，本文的方法有效地处理多变量模糊系统和利用已有的传统方法来解模糊系统问题开辟了一条新的途径，本文建立的方法的有效性已补实际的应用所证明。     

多变量系统的模糊神经网络控制模型及其应用

本文综合模糊控制系统与人工神经网络的优点，提出了一种多变量系统的模糊神经网络控制模型并给出了其建模方法，该方法适合于多变量系统的建模及其模糊控制器的设计。笔者以此方法建立了渣贫化电炉生产过程的模糊神经网络控制模型并开发出相应的决策支持系统，该系统自１９９２年６月投入生产现场使用以来，一直稳定可靠地正常运行，取得了令人满意的效果和显著的经济和社会效益。     

多变量模糊自校正控制器及其应用

本文介绍了表达ＭＩＳＯ动态系统的模糊模型，并提出了有关参数和结构的在线辨识算法。根据辨识的模糊模型，利用Ｃｌａｒｋｅ的单变量广义预测控制（ＧＰＣ）原理［１］设计了多变量模糊自校正控制器。仿真研究表明，该模糊自校正控制方法应用于火电机组负荷系统的控制，可以收到良好的效果。     

模糊广义预测控制及其应用

本文将单变量广义预测控制原理应用到多变量模糊系统,提出了一种基于辨识模糊模型 的多变量预测控制方法.仿真研究表明,该模糊广义预测控制方法适用于工业过程的动态辨 识和控制,交能取得良好的效果.     

MIMO非仿射非线性系统的自适应模糊控制

针对一类多输入多输出非仿射非线性系统,设计了一种自适应模糊H∞控制方案,该方案把自适应模糊控制和高增益观测器结合起来.利用多变量的隐函数定理,证明了非仿射系统控制器的存在性.通过设计高增益观测器,解决了系统的状态不可测量问题,实现系统的输出反馈控制,模糊自适应控制增强了系统在线逼近干扰及处理系统不确定的能力.仿真结果表明了控制方案的有效性及优越性.     

污水处理过程多变量控制方法研究

针对在污水处理过程中存在的多变量相互影响,单变量控制显然不能满足其要求的情况下,本文提出了2种分级多变量模糊控制方法,分别为基于模糊PID-Smith和模糊理论的2级控制和基于双模糊PID-Smith理论的2级控制。这2种控制方法均采用1个双输入、单输出的控制器,它在结构上分为2级,其中基于模糊PID-Smith和模糊理论的2级控制器的第1级结构为模糊PID-Smith控制,第2级结构为模糊控制;而基于双模糊PID-Smith理论的2级控制的2级结构均为模糊PID-Smith控制。这2种控制器的设计方法不但解决了多变量模糊控制规则难以制定的问题,又充分的考虑了其他因素对控制量DO的影响,从而实现了污水处理过程中的多变量模糊控制。本文利用MATLAB软件实现了这2种控制方法的设计与仿真,并和单变量模糊控制进行了比较,总结了多变量模糊控制的特点和优势,指明了把多变量模糊控制应用于污水处理系统是切实可行的。     

用模糊RBF神经网络简化模型设计多变量自适应模糊控制器

针对多变量系统实时性要求,提出模糊径向基神经网络结构的简化模型及相应算法,并对由此简化模型设计的多变量模糊控制器模糊规则的在线自学习算法进行分析,提出一种系统动态增益的处理方法和基于过程最优的改进方案,仿真实验结果表明该控制器可实时自自应控制,改进算法是有效的。     

二级倒立摆的状态变量合成模糊神经网络控制

为解决模糊神经网络在控制多变量系统时的规则组合爆炸问题，提出用状态变量合成模糊神经网络控制二级倒立摆。该方法既能解决具有快速、强非线性、绝对不稳定系统的控制问题，又能对状态变量可摈性质和类型分类的多变量系统，大大减少模糊神经网络控制器的规则数，有利于利用专家的控制经验。实验结果证实了该方法的控制效果好，鲁棒性强。     

基于LQR算法的板球系统轨迹跟踪研究

板球系统是一个典型的多变量、非线性控制系统,是杆球系统的扩展,用以检测各种控制方案;该文首先采用拉格朗日方程法建立板球系统的数学模型,然后以线性二次最优控制理论为理论基础设计控制器并对系统进行仿真,采用基于触摸屏的控制方案,并在实物板球控制系统做了实时控制,利用多媒体定时器中断技术设计了Matlab6.5和Visual C++6.0两个版本的实时控制程序,成功实现小球的圆形和矩形轨迹跟踪,达到了误差1mm以内的控制效果;仿真及实验结果表面建立模型的合理性与控制算法的有效性。     

多变量模糊系统建模与控制理论

对多变量模糊系统建模与控制理论中存在的一些问题进行了有益的探讨,并着重介绍了多变量模糊系统建模与控制理论在近年来的一些最新研究进展,其中包括四种新颖的多变量模糊模型的建模与辨识,以及两类多变量模糊控制器的最新研究成果,最后对未来的研究课题和发展趋势作了阐述。     

多变量非线性系统参数自调整的模糊加权控制

本文针对多变量非线性系统,提出了一种参数自调整的模糊加权信息融合方法．利用 模糊组合变量降低模糊控制系统的维数,根据不同的模糊组合变量对最后决策的作用大小, 赋予不同的权重来实现对多变量非线性系统的控制,在利用反向传播算法对量化系数和加权 系数进行自学习后,在线进行基于模糊规则的参数自调整,有效地解决了多变量模糊控制系 统中难于设计多维规则库和在线实现自适应模糊控制的问题．本文还对所提出的方法进行了 仿真实验和实际系统的实验,实验结果证明了该方法的有效性．