基于分层变论域模糊控制方法的倒车控制

为了解决一些模糊控制中的维数爆炸与精确控制问题,提出一种将分层控制思想和变论域控制思想结合起来的分层变论域模糊控制方法,并将这种模糊控制器应用于拖车倒车控制,其中下层变论域模糊控制器控制小车的方位角,上层变论域模糊控制器控制小车前轮转角.仿真实验结果与未采用分层方法的普通模糊控制器和变论域模糊控制器的控制结果作了比较,说明了新的控制方法计算量小,调整时间短且几乎无超调,具有较好的可行性与有效性.     

带积分环节的隶属度函数中心自适应模糊控制器设计

自适应变论域模糊控制是改变模糊控制性能的主要方法之一,针对自适应变论域模糊控制器的稳定性设计这一难题,将输入和输出的隶属度函数分别用论域值表示成解析形式;针对典型模糊控制系统没有考虑积分环节带来的稳态误差问题,设计一种积分器,并从减小控制规则数目的角度出发设计了针对积分环节的控制规则库;引进Lyapunov函数,设计了输入隶属度函数论域值的自适应律和输出隶属度函数中心取值的自适应律,最后针对Duffing非线性系统仿真,结果表明设计的变论域模糊控制器是可行的。     

模糊向量真值修正模糊化方法

模糊化是将物理空间的实测精确量影射为模糊推理空间上的模糊集合。在模糊控制中，不同的模糊推理方法要求不同的模糊化方法，不同的模糊化方法对模糊控制性能影响很大。本文首先系统地总结了现有的模糊化方法，然后提出了模糊向量真值修正模糊化方法，最后，针对常用的CRI法，完成了不同模糊化方法的一阶惯性时滞定常系统的模糊控制仿真，结果表明，该方法能够提高CRI法的模糊控制性能，消除稳态误差。     

变论域模糊控制器及其在拖车倒车中的应用

建立变论域模糊控制器输出论城上的一种伸缩因子的微分方程模型,得到该伸缩因子的数学表达式.仿真实验表明在输出论城上使用这种新的伸缩因子构造的变论城模糊控制器可以快速准确地实现拖车倒车.在同样的条件下,与经过遗传算法参数优化的模糊控制器和普通模糊控制嚣的控制效果相比较,变论域模糊控制器控制得更加灵敏且几乎无超调.     

自适应模糊变结构控制的研究

本文主要研究一类具有未知常数控制增益的非线性系统的自适应模糊控制问题,提出了一种能够利用专家的语言信息和数字信息的自适应模糊变结构控制器的设计方案。通过理论分析,证明了模糊变结构控制系统是全局稳定的,跟踪误差可收敛到零的一个邻域内     

基于牛顿插值算法的模糊控制器

提出一种基于牛顿在线插值算法的模糊控制器,介绍该控制器的设计方法。该方法既简化了合成推理运算,又能满足模糊控制规则的完整性要求,从本质上消除由于量化误差和调节死区给模糊控制系统带来的稳态误差与颤振现象。通过仿真证明系统的性能得到明显改善。     

一类基于模糊T-S模型的有执行器故障的自适应容错跟踪控制

研究了一类带有执行器故障的T-S模糊系统的容错跟踪控制问题。设计中,把模糊控制与自适应控制相结合,提出了一种新的容错控制方法。该控制器由正常控制器和一个自适应控制器组成,能够使得闭环系统稳定,故障状态模型渐近跟踪正常模型,并获得优化的控制性能。应用Lyapunov函数和线性矩阵不等式方法,给出和证明了带有执行器故障的T-S模糊系统的稳定的充分条件。仿真结果进一步验证了所提出的方法的有效性。     

一类变论域自适应模糊控制器

目前常用的自适应模糊控制器存在控制精度不高和调整时间长等问题.变论域自适应模糊控制器能够显著提高控制精度并缩短其调整时间,但其控制效果对一组完备的初始模糊规则的依赖,限制了其应用的范围.针对上述问题,本文提出了一种推理规则前件论域可变,后件峰点自适应的自适应模糊控制器.Lyapnuov综合分析法证明新的控制器具有全局稳定性,并通过仿真实验表明,新控制器不仅能够提高控制精度,而且较为合理地回避了对初始模糊规则的依赖性,扩展了变论域模糊控制的适用范围.     

求模糊关系传递闭包的一种算法

根据模糊关系的传递性的特征,文章提出了利用相应的模糊矩阵求有限论域上模糊关系的传递闭包的一种计算方法,该算法可以加快获得传递闭包的速度。通过实例说明了该算法是简便、实用的。     

模糊输入时滞系统的输出反馈控制及稳定性分析

针对一类状态不可测的模糊输入时滞系统,应用平行分布补偿算法(PDC),设计了模糊观测器,提出了基于模糊观测器的输出反馈控制方法,给出了保证模糊时滞系统渐近稳定的新的充分条件.应用广义Lyapunov函数和线性矩阵不等式方法,证明了模糊输入时滞系统的渐近稳定性,同时给出了控制和观测增益矩阵的分离设计算法.仿真结果进一步验证了所提出的方法和条件的有效性.     

Observer-based robust adaptive variable universe fuzzy control for chaotic system

A novel observer-base output feedback variable universe adaptive fuzzy controller is investigated in this paper. The contraction and expansion factor of variable universe fuzzy controller is on-line tuned and the accuracy of the system is improved. With the state-observer, a novel type of adaptive output feedback control is realized. A supervisory controller is used to force the states to be within the constraint sets. In order to attenuate the effect of both external disturbance and variable parameters on the tracking error and guarantee the states to be within the constraint sets, a robust controller is appended to the variable universe fuzzy controller. Thus, the robustness of system is improved. By Lyapunov method, the observer-controller system is shown to be stable. The overall adaptive control algorithm can guarantee the global stability of the resulting closed-loop system in the sense that all signals involved are uniformly bounded. In the paper, we apply the proposed control algorithms to control the Duffing chaotic system and Chua’s chaotic circuit. Simulation results confirm that the control algorithm is feasible for practical application.     

Self-organizing adaptive wavelet CMAC backstepping control system design for nonlinear chaotic systems

A novel self-organizing wavelet cerebellar model articulation controller (CMAC) is proposed. This self-organizing wavelet CMAC (SOWC) can be viewed as a generalization of a self-organizing neural network and of a conventional CMAC, and it has better generalizing, faster learning and faster recall than a self-organizing neural network and a conventional CMAC. The proposed SOWC has the advantages of structure learning and parameter learning simultaneously. The structure learning possesses the ability of on-line generation and elimination of layers to achieve optimal wavelet CMAC structure, and the parameter learning can adjust the interconnection weights of wavelet CMAC to achieve favorable approximation performance. Then a SOWC backstepping (SOWCB) control system is proposed for the nonlinear chaotic systems. This SOWCB control system is composed of a SOWC and a fuzzy compensator. The SOWC is used to mimic an ideal backstepping controller and the fuzzy compensator is designed to dispel the residual of approximation errors between the ideal backstepping controller and the SOWC. Moreover, the parameters of the SAWCB control system are on-line tuned by the derived adaptive laws in the Lyapunov sense, so that the stability of the feedback control system can be guaranteed. Finally, two application examples, a Duffing–Holmes chaotic system and a gyro chaotic system, are used to demonstrate the effectiveness of the proposed control method. The simulation results show that the proposed SAWCB control system can achieve favorable control performance and has better tracking performance than a fuzzy neural network control system and a conventional adaptive CMAC.     

非线性时滞系统的直接自适应模糊控制

针对一类具有摄动的严格反馈非线性时滞系统,基于后推设计方法,利用第一类模糊系统的逼近能力,提出了一种新的直接自适应控制方案。该方案避免了虚拟控制增益符号已知的假设。设计中引入连续鲁棒项对系统的摄动部分进行抑制。通过理论分析,证明了闭环系统是半全局一致终结有界的,跟踪误差收敛到一个小的残差集内。     

Modeling and control of nonlinear systems using novel fuzzy wavelet networks: The output adaptive control approach

This paper proposes an observer based self-structuring robust adaptive fuzzy wave-net (FWN) controller for a class of nonlinear uncertain multi-input multi-output systems. The control signal is comprised of two parts. The first part arises from an adaptive fuzzy wave-net based controller that approximates the system structural uncertainties. The second part comes from a robust H_∞ based controller that is used to attenuate the effect of function approximation error and disturbance. Moreover, a new self structuring algorithm is proposed to determine the location of basis functions. Simulation results are provided for a two DOF robot to show the effectiveness of the proposed method.     

基于观测器的直接自适应模糊控制

针对一类不确定非线性系统,利用H∞控制技术和T-S模糊系统,提出了一种基于观测器的直接自适应模糊控制方法。该方法不需要系统的状态变量完全可测。通过引入最优逼近误差补偿项,取消了最优逼近误差平方可积的假设条件。基于Lyapunov稳定理论,证明了闭环自适应模糊系统是半全局一致终结有界的,且跟踪误差渐近收敛到零。仿真结果表明所提设计方法的有效性。     

Willis环状脑动脉瘤系统的自适应模糊控制

针对不确定非线性生物系统—W illis环状脑动脉瘤系统,利用高斯型模糊逻辑系统的逼近能力及新构造的Lyapunov函数,基于模糊建模提出了一种自适应模糊控制器设计的新方案.该方案把逼近误差引入到控制器设计条件中用以改善系统的动态性能.不但设计简单还保证了控制方法的鲁棒性与稳定性.通过反向传播算法调整模糊基函数参数及递归最小二乘法调整参数向量,θ更新控制律,实现了理想跟踪.从理论上研究了脑动脉瘤内血流速度的非线性行为及控制,具有实际意义.仿真结果表明该控制方法的有效性.     

一类死区非线性输入系统的自适应模糊控制

针对一类具有死区非线性输入的非线性系统,基于滑模控制的基本原理,利用II型模糊逻辑系统对未知函数进行在线逼近,提出了一种具有监督器的自适应模糊滑模控制方法。该方法通过监督控制器保证闭环系统所有信号有界,并通过引入最优逼近误差的自适应补偿项来消除建模误差的影响。通过理论分析,证明了跟踪误差收敛到零。     

一类非仿射不确定非线性系统的自适应模糊输出反馈控制

针对一类非仿射的不确定非线性系统,利用H∞控制技术和模糊系统,提出一种基于观测器的混合的直接自适应模糊控制方法,该方法不需要系统的状态变量完全可测,同时取消了最优逼近误差平方可积的假设条件,而且跟踪误差渐近收敛到零。仿真结果表明所提设计方法的有效性。