摘要:

基于模糊T-S模型,提出一种具有自学习能力的模糊方法用于批过程建模和最优控制.通过引入与均方误差相关的动态误差传递因子,使用改进的梯度下降法,本方法能够辨识模糊T-S预测模型.对于批过程的受限非线性最优控制,基于所辨识的预测模型,运用庞特里亚金最小值原理和平行分布补偿算法,本方法能够把一个复杂非线性系统最优控制设计问题转化为一些基于复杂T-S预测模型的局部线性系统的最优问题,从而给出一种有效和简单的模糊最优控制策略.所提方法用于一个半连续式反应器的建模和最优控制,仿真结果表明新方法是有效和准确的.

摘要:

针对一类非线性系统,把模糊T-S模型和自适应模糊逻辑系统两类模糊逻辑方式结合起来,提出了一种基于观测器的控制方案.首先,应用模糊T-S模型对非线性系统建模,设计观测器来观测系统状态;由线性矩阵不等式得到模糊模型的控制律.其次,应用自适应模糊逻辑系统作为补偿器来补偿建模误差.证明了闭环系统满足期望的性能.仿真结果表明了该方案的可行性.

摘要:

针对一类复杂非线性系统,把模糊T-S模型和自适应模糊逻辑系统结合起来,提出了一种跟踪控制方案.首先,应用模糊T-S模型对非线性系统建模,设计观测器用来观测系统状态:其次,应用基于权值、中心和宽度3个参数可调节的自适应时延模糊逻辑系统补偿器来消除建模误差和小确定性.文中证明了闭环系统满足期望的跟踪性能.示例仿真结果表明了该方案的有效性.

摘要:

在电力系统中装设可控串联补偿(TCSC)可以改善系统的稳定性,抑制次同步谐振和区域问的低频振荡,提高远距离联络线的传输能力.为更好地发挥TCSC效益,利用模糊T-S模型无限逼近非线性系统的特性,提出了一种多目标TCSC控制器设计方法.建立了一类含TCSC的两机电力系统的模糊T-S模型,把闭环系统的稳定性、H_∞性能、极点配置的要求统一到一个线性矩阵不等式组中,基于线性矩阵不等式理论实现了TCSC多目标控制器设计,采用并行分配补偿技术,设计出了全局非线性系统的控制规律.最后,利用MATLAB进行了仿真,结果表明所设计的控制器能有效提高电力系统的功角稳定性,保证系统具有良好的动态性能,能满足多个目标要求,具有比TCSC非线性H_∞鲁棒控制器更优越的性能,且易于工程实现,它将会在电力系统稳定控制中得到更多应用.

摘要:

针对一类具有多时滞的不确定非线性系统,提出了一种基于模糊模型和神经网络的组合控制方法.利用具有多时滞的模糊T-S模型对系统进行近似建模并给出基于线性矩阵不等式(LMI)的模糊H∞控制律.提出完全自适应RBF神经网络控制方法,通过在线自适应调整RBF神经网络的权重、函数中心和宽度,来对消系统的未知不确定性和模糊建模误差的影响,不要求系统的不确定项和模糊建模误差满足任何匹配条件或约束,并证明了闭环系统的稳定性.最后,将所提出的方法应用到一具有多时滞的非线性混沌系统,仿真结果表明了该方法的有效性.

摘要:

为了克服现有双足蝶形直线超声电机驱动的一维平台定位中的摩擦驱动非线性,本文基于电机工作原理和扇形非线性特性建立了电机及平台的模糊Takagi-Sugeno(T-S)模型.基于该T-S模型,采用系统增广的方法设计了无静态误差伺服定位控制算法;设计中考虑了鲁棒H∞性能,使得该非线性系统的模糊控制器具有较好干扰抑制性能和鲁棒性.采用嵌入式微控制器实现了所设计的控制算法,并进行了不同步进值的伺服定位控制实验.实验结果显示,在不同步进值下系统的超调量小于4％;在空载和带载荷的状态下对伺服定位控制实验数据的对比显示,系统最大超调量小于5％.与传统PID控制算法相比,本文提出的控制系统具有较高的定位精度,良好的运动平稳性和鲁棒性.

摘要:

为提高多轴转向车辆的控制性能和操纵稳定性,考虑多轴转向车辆的轮胎非线性、不确定性和外界干扰,提出一种基于区域极点约束和T-S(Takagi-Sugeno)模糊模型的H∞模糊保性能控制方法.分析基于轮胎立方非线性动力学的多轴转向车辆三自由度非线性模型,建立具有不确定性和外界干扰的多轴转向车辆模糊T-S模型.针对固定极点配置适用范围问题,对各个局部线性子系统设计区域极点约束的保性能控制器,并共用T-S模糊模型的前件和采用并行分配补偿法(Parallel distributed compensation,PDC)计算出总控制器.应用Matlab 软件的线性矩阵不等式(Linear matrix inequality,LMI)和模糊逻辑控制(Fuzzy logic control,FLC)工具箱对某五轴转向车辆控制器进行求解,并对原非线性闭环系统进行控制仿真.结果表明控制算法有效,具有一定的鲁棒性,并有利于改善多轴转向动态性能和提高操纵稳定性.

摘要:

提出了一种基于T-S模糊型的鲁棒自适应跟踪控制方法.整个控制方案在结合所有的局部线性状态反馈控制器的基础上,引入了基于自适应神经网络的鲁棒控制器.所提出的模糊自适应鲁棒控制器设计方法不需要求取李亚普诺夫方程的公共解,不要求系统的不确定性项满足任何匹配条件或约束条件.所提出的带有补偿项的完全自适应RBF神经网络,通过在线自适应调整RBF神经网络的权重、函数中心和宽度,提高了神经网络的学习能力,可以有效地对消系统的未知不确定性的影响.同时通过自适应补偿项来在线估计神经网络的近似误差边界,弥补了神经网络的不足.所提出的方案保证了闭环系统的稳定性,有效地提高了系统的鲁棒性和跟踪性能.仿真实例表明了所提出方法的有效性.

摘要:

针对一类非线性系统,把模糊T-S模型和自适应模糊逻辑系统两种模糊逻辑方式结合起来,提出了一种基于观测器的跟踪控制方案.首先,应用模糊T-S模型对非线性系统建模,设计观测器用来观测系统状态;由线性矩阵不等式得到模糊模型的控制律.其次,构建了自适应模糊逻辑系统;应用基于权值、中心和宽度三个参数可调节的自适应模糊逻辑系统作为补偿器来补偿建模误差.文中证明了闭环系统满足期望的跟踪性能,实现了跟踪目的.两连杆机械臂的仿真结果表明该方案消除了建模误差对跟踪的影响.

摘要:

基于模糊T-S模型,提出一种具有自学习能力的模糊方法用于批过程建模和最优控制.通过引入与均方误差相关的动态误差传递因子,使用改进的梯度下降法,本方法能够辨识模糊T-S预测模型.对于批过程的受限非线性最优控制,基于所辨识的预测模型,运用庞特里亚金最小值原理和平行分布补偿算法,本方法能够把一个复杂非线性系统最优控制设计问题转化为一些基于复杂T-S预测模型的局部线性系统的最优问题,从而给出一种有效和简单的模糊最优控制策略.所提方法用于一个半连续式反应器的建模和最优控制,仿真结果表明新方法是有效和准确的.