陈学军[1]2005年在《基于TS模糊模型的二级倒立摆系统仿真研究》文中提出针对复杂非线性系统的表达和控制问题一直是控制理论界的难题之一。作为一种表述方法和控制手段,模糊逻辑理论得到了大家的共同关注。本文介绍了基于Takagi—Sugeno(TS)模糊模型的非线性系统建模和控制器设计的理论。首先介绍了各种形式的TS模型以及它们对任意连续函数的逼近特性,其逼近特性决定了其能以任意精度近似任意实际非线性系统。然后介绍了如何使用模糊聚类算法和等价的前馈神经网络从样本数据中辨识离散的TS模型。在辨识的基础上,对一阶TS模型采用Sugeno型控制器,基于闭环系统的稳定性给出了通用的控制器的设计方法;对状态方程TS模型,采用并行分散补偿(PDC)技术,得出了闭环系统稳定的充分条件,并详述了这方面的研究进展,如放宽的稳定性充分条件和基于其上的性能满足最低衰减率的控制器设计。在考虑参数摄动的情况下,还给出了同时满足最低性能要求和一定鲁棒性的保性能控制器的设计方法。TS模型还可以应用到预测控制中去,文中给出了具体的基于TS模型的预测控制算法的实现。最后对二级倒立摆的仿真演示了模糊建模的效果和各种控制器的性能。
季睿[2]2014年在《广义核模糊建模及在容错控制中的应用》文中提出本论文旨在以容错控制系统为对象，研究有效的模糊建模方法以提高容错控制的性能。本文首先提出了一种新的模糊建模方法：广义核模糊模型。针对该模型，提出了一种模糊规则库的精简策略以对其模糊规则库进行精简，以及一种基于双重核映射的广义核TS模型以提高其逼近能力，然后将广义核模糊模型应用于容错控制以提高容错控制系统的性能。本文的主要内容可以总结如下：(1)建立了广义核与模糊模型之间的联系，提出了广义核模糊模型。所谓广义核是对Mercer核的推广，广义核模糊模型利用光滑支持向量学习来进行广义核模糊建模，并生成模糊规则。这一方法的优点是可以解除Mercer条件对隶属度函数的正定性限制，使得可以选择任意的隶属度函数，包括可以使用自适应隶属度函数，从而可以提高系统的泛化能力，鲁棒性以及模糊规则的可解释性。(2)针对广义核模糊模型的规则库精简问题，提出了一种广义核模糊规则库精简策略。该策略分两步，第一步是广义核精简，传统的基于Nystr m方法的核精简方法针对的是Mercer核，本文针对广义核，利用矩阵CUR分解方法，使用基于矩阵行/列长度的采样分布对核矩阵的行列进行采样选择，选取一部分有代表性的样本对原核矩阵进行逼近，该方法的逼近误差上界要小于传统的基于均匀分布采样的Nystr m方法。在此基础上又提出一种规则库精简策略在模糊空间中将冗余和重复的模糊规则删除。该方法在不降低泛化能力的前提下极大地精简了模糊规则库。(3)为了提高广义核模糊模型的逼近能力，将其与TS模型建立了联系，提出一种基于双重核映射的广义核TS建模方法。对模糊规则的前件和后件空间分别进行核映射，进而构造出一个TS型核函数，该核函数是一个广义核而非Mercer核。然后利用TS型核函数进行广义核建模得到一个广义核TS模型。结合广义核模糊规则库精简策略使得该模型在具有较高逼近能力的同时有精简的结构。在此基础上，又针对在线问题提出一种在线广义核TS模型，该方法可以增量式地选择有代表性的样本来进行建模，有很好的泛化能力和精简的模糊规则库。(4)提出了基于广义核模糊规则的故障检测与诊断方法。利用广义核模糊模型可以使用非正定隶属度函数的优点，使用梯形隶属度函数对系统变量进行广义核TS模型的建模，利用产生的TS型模糊规则生成Mamdani型模糊规则，然后提出一种模糊决策因子，在Mamdani型模糊规则的基础上实现故障检测与隔离。将隔离出的故障信号传递给一个故障决策系统来实现故障诊断。(5)提出了基于自适应广义核TS模型的容错控制系统。首先，利用广义核模糊模型可以使用任意隶属度函数的优点，使用自适应隶属度函数，提出了自适应广义核TS模型，然后将其作为容错控制系统中的参考模型，可以在发生过程故障后根据过程状态的变化及时地调整隶属度函数的形状，从而对模型进行调整。结合主元分析方法可以对故障进行检测和诊断，再利用基于模型的预测控制可以实现容错控制。本文中使用了各种不同的数据集对算法的效果进行了仿真验证，还使用了阿尔法磁谱仪空间探测器试验的低温地面支持系统的真实降温过程数据对提出的方法进行了仿真。
姚巍[3]2008年在《自行车机器人系统辨识及MATLAB仿真》文中研究指明作为设计各种控制系统的基础,建立高精度的受控对象动力学模型具有重要意义。由于受控对象往往具有时延,非惯性等特点,用传统的方式建立受控对象动力学模型时,往往出现模型精度不高甚至难以建立系统模型的问题,这极大地限制了各种控制理论的应用和控制性能的提高。在自行车机器人控制系统设计这一课题中,为了建立高精度的系统动力学模型以提高控制系统的性能,我们引入系统辨识理论对自行车机器人展开系统辨识。实验仿真结果证明该理论是可行的,并且取得了很高的辨识精度,具有一定的推广价值。本文主要介绍基于ARX模型结构和模糊神经网络模型结构的自行车机器人动力学系统辨识原理及基于MATLAB的仿真实现。文章首先对系统辨识理论的基本原理、经典方法进行介绍,并有针对性地介绍了神经网络系统辨识和模糊模型系统辨识原理;接着对模糊理论及神经网络理论的基本概念、算法结构进行了系统的介绍;在此基础之上,又详细介绍了模糊模型系统辨识具体方法;最后应用前面所述理论及MATLAB系统辨识工具箱,完成了基于ARX模型结构和模糊神经网络模型结构的自行车机器人系统辨识,同时对两种辨识结果进行比较分析,判断不同辨识方法应用于自行车机器人系统辨识时的优缺点。文章的最后还对论文的主要内容进行了总结,并对下一步工作方向进行展望。
于亲波[4]2004年在《基于智能优化的模糊PID控制算法研究》文中研究指明本文主要研究基于T-S模糊模型构成推理形式的模糊PID控制器，针对以往的模糊PID控制没有统一的参数整定的准则及大量的待整定参数，本文采用具有动态交叉、变异概率的自适应遗传算法(AGA)优化控制器的待定参数，改善了系统的控制性能。首先，基于四条模糊规则的改进混合型PID-FLC，采用多个性能指标加权的AGA分别对其量化、比例因子，模糊后件参数和二者同时进行寻优，大量实例表明叁项寻优可明显的改善系统的动静态性能；其次，基于T-S模糊模型和常规PID控制器参数调整经验，将PID参数整定方法融入到模糊规则中，亦用AGA优化参数，应用在电厂600MW机组的主汽温串级控制系统的四个典型工况点仿真，表明具有很好的控制品质和抗干扰能力。
郭垒[5]2005年在《一类时滞非线性系统的自适应模糊控制》文中研究指明传统控制理论发展到今天已非常成熟。然而,随着控制要求的不断提高,在一些复杂控制过程中,却遇到了越来越多传统控制理论无法解决的问题。这些复杂系统往往具有如下的特点:高度的非线性,复杂的任务要求,各种不确定性等,使得难以建立精确的数学模型。虽然常规自适应控制技术可以解决一些问题,但范围是有限的。正是由于以上的原因,基于模糊理论的模糊控制产生了。然而,普通的模糊控制并不具有适应过程持续变化的能力。这是因为在采用启发式规则实现的模糊控制,只能使模糊控制器限于在操作者富于经验的情况下应用。为了克服这种局限性,就必须使模糊控制器具有自适应和自学习的能力。 本文主要对一类非线性时滞系统利用自适应模糊控制进行了研究。文章首先介绍了有关模糊控制及自适应模糊控制的一些产生与发展概况。然后系统的讲解了自适应模糊控制的基础知识及其相关理论。在此基础之上,采用TS模糊模型对一类非线性时滞系统进行建模。由于TS型模糊推理模型的结论部分用线性局域方程取代了一般推理过程中的模糊集合,当采用最大值反模糊化或中心值反模糊化时,结论输出为常数,所以TS模型可用少量的模糊规则生成较复杂的非线性函数,这在处理多变量系统时能有效地减少模糊规则的个数,因而产生巨大的优越性。首先,文章对一类时滞非线性系统建立的TS模型。然后估计得出相同结构具有未知参数的估计模型,通过相减做差得出了等价的误差模型。为使误差能够渐近收敛为零,文章先利用Lypunov第二稳定性定理构造稳定矩阵,然后设计Lypunov函数。为保证Lypunov函数求导小于零,文章对估计模型的未知参数进行了设计,从中得出自适应律,保证了估计模型的状态渐进跟踪上原模型的状态。全文的最后展望了自适应模糊系统理论的发展前景以及作者在以后的工作中需要学习和努力的方向。
田永青[6]2000年在《模糊控制系统的结构化分析》文中指出近年来，虽然以模糊控制、神经网络控制、知识基专家控制等软计算技术为代表的智能控制理论方法及其综合集成为解决具有不确定性（包括结构不确定性和参数不确定性）、时变非线性以及多变量等特性的复杂难建模系统的控制问题提供了一条有效的途径，但目前尚缺乏通用的分析和设计智能控制系统的有效工具。本文借鉴传统控制理论（包括经典控制理论和现代控制理论）和神经网络等智能控制技术着重研究智能控制系统的一个重要分支—模糊控制系统的系统化设计理论。 模糊控制经过叁十多年来的发展，取得了不少理论和应用上的研究成果，但许多基本问题尚需进一步研究与探讨。系统化设计是模糊控制系统的一个重要问题。由于模糊控制是基于语言变量和模糊推理的本质非线性控制，因此难于建立其系统化设计的一般方法。而且模糊控制应用的场合大多是没有被控对象精确数学模型的情况，这就更增加了其系统化设计的难度。本文针对这些问题，利用传统控制理论和神经网络等软计算技术，对模糊控制器的参数设计、TS模型的本质性研究和利用模糊控制与神经网络相结合对TS模型的参数进行辨识等问题进行了深入的研究，全文共分为六章，主要内容和结论如下： 第一章简要回顾了智能控制的基本理论和基本方法，并对智能控制的叁个重要分支：模糊控制、神经网络控制和基于知识的专家系统进行了评述，尤其对模糊控制进行了详细的叙述，详细地介绍了模糊控制的优缺点和分类以及它们的描述。 第二章对TS型模糊系统的建模和控制问题提出了新的方法，尤其对它的辨识问题进行了详细地研究。 第叁章针对传统的TS型模糊控制器需要辨识的参数太多辨识参数问题，引入一种简化TS型模糊控制器，这样将大大地减少参数数目，并从本质上对其进行了研究，如果采用叁个输入量，可知这种控制器是一种非线性的变参数的PID的控制器，并且其参数的特性受模糊模型参数的影响，合理地选择TS的参数，可以使控制器具有优越的特性。 第四章推导了两输入一输出的典型模糊控制器输出解析式并对最常用的输 河北工业大学硕士研究生学位论文一入变量各取五个模糊数的情况进行了详细分析。在此基础上提出了一种模糊控制系统的系统化设计方法，可根据以有的PI／PD控制器参数设计相应的模糊控制器参数。 第五章提出一种基于简化的TS型模糊推理混合神经网络算法。根据反向｛p－－播原理，我们能够辨识简化的TS型模糊控制器的参数。并且由于是简化的T；模糊推理，所以计算负担也将大大地减少。 第六章针对一类非线性系统，利用模糊推理系统对非线性函数的逼近能力，导出了基于 Lyapunov稳定性理论的自适应控制器，不但能够解诀这类非线性系统的跟踪问题，而且保证了闭环系统的稳定性。仿真结果表明了这一算法的有效性。 第七章总结全文，给出了本文的主要结论和需进一步研究的问题和方向。 模糊控制系统的系统化设计的研究刚刚开始，许多问题尚待进一步探讨，模糊控制系统化设计理论的深入研究必将极大地丰富和发展二十一世纪自动化控制科学的核心一智能控制技术。
赵曌[7]2012年在《基于PLS方法的建模以及控制器设计》文中提出随着信息产业和计算机技术的发展,基于数据驱动的方法和理论获得了巨大的应用突破,越来越受到工业界和学术界的重视。偏最小二乘(Partial Least Squares, PLS)作为一种多元回归技术,已经在流程工业的建模、故障诊断和软测量等多个领域有不少研究并获得运用,但基于这些研究的控制方法仍有比较大的欠缺。流程工业的多变量建模与控制问题一直受到较多关注。而流程工业存在内部机理复杂,变量众多,强非线性等问题,使得建立纯机理模型十分困难,也限制了基于模型的控制方法的使用。本文通过结合PLS方法在降维、解耦,以及去除自变量共线性等方面的优点,分别提出一种针对过程变化的自适应动态PLS模型更新方法,以及建立在更新方法基础上的控制方法;提出了一种针对过程动态非线性特性的动态模糊PLS建模方法,以及基于动态模糊PLS模型上的控制器设计方法。主要的研究内容包括：(1)针对过程受到工况变化、设备、催化剂等变化引起的原始模型与当前对象产生的偏差,对基于模型的控制器的控制性能产生较大影响,甚至引起整个系统的不稳定。所以,我们在第二章中,提出了一种将RPLS方法与递推最小二乘方法相结合的自适应模型更新方法。结果显示,这种自适应算法在极点漂移以及增益变化的情况下都能较好的更新模型参数,实现模型与过程匹配。在此基础上,结合动态自适应PLS模型特点,引入内模控制器,实现对过程的控制,并在测试模型上验证了我们的方法。(2)非线性特性是困扰工业过程建模与控制的一个难题,同时非线性特性的存在却具有普遍性。对多变量系统的非线性特性的建模就变得更加困难,模糊模型特别是TS模型为解决非线性问题提供了一种有效途径,通过将模糊方法与PLS方法结合,将多变量的动态非线性建模问题转变为多个单输入单输出的动态非线性建模问题,从而建立起描述过程动态非线性特性的动态模糊PLS模型。(3)结合提出的动态模糊PLS建模方法,我们将考虑在Kasper/Ray等学者提出的PLS控制框架的基础上,结合TS模糊模型特点,引入了模糊PID控制方法,在pH中和滴定过程上,验证了模糊PID控制方法的控制性能。同时,根据内模控制的基本结构,提出一种依据动态模糊PLS模型预测以及即时线性化模型的方法,实现了动态模糊PLS的内模控制方法,并在pH中和滴定过程以及Aspen Dynamic中MCH模型上验证了方法的可行性。
原抓纲[8]2005年在《模糊控制系统的新型非线性反馈控制器研究》文中研究表明本文首先介绍了模糊控制理论和非线性控制理论的发展状况,然后提出了作者自己对课题的理解,并提出作者研究的基本思路:结合矩阵论知识,使用模糊控制方法,解决非线性问题。 本文对TS模糊模型进行了认真的探索,发现基于此模型的反馈控制器设计全都局限于P状态反馈控制,作者首次对基于TS模糊模型的系统进行了PD状态反馈控制问题的研究,提出了具体的设计方法,并给出了保证设计完成后整个系统稳定的一组充分条件。最后给出了对于一个非线性质量—弹簧—阻尼器系统的应用实例.
刘波[9]2015年在《基于智能控制的汽车悬架减振性能研究》文中研究指明作为汽车底盘的重要组成,悬架系统在很大程度上决定和影响着汽车行驶的平顺性与操纵稳定性。半主动悬架系统能依据路面冲击和车身运动信号实时调节悬架的阻尼等参数,以改善悬架缓冲性能,比参数固定的被动悬架展现了更大的优势。相应地,半主动悬架系统结构较复杂,传统的控制方法往往不能获得令人满意的控制效果。因而半主动悬架系统的智能控制策略研究显得愈加重要。本文首先明确悬架性能评价指标,推导并构建时域下的随机滤波白噪声路面输入模型。在对汽车某些行驶特性经过合理的假设,分别建立被动悬架与半主动悬架对应的四自由度半车动力学模型。然后进行智能控制策略的研究。通过引入模糊逻辑理论,按照模糊化、模糊规则推理和解模糊化的步骤建立模糊推理系统,从而建立汽车半主动悬架的闭环模糊控制系统及其仿真模型。接着对模糊控制器进行改进,设计出基于Mamdani模型和TSK模型的两种神经模糊推理系统作为控制器,结合BP反传学习规则,训练出模糊控制规则,同时分别采用Simulink S-函数和MATLAB自带的ANFIS构建相应的模糊神经网络控制汽车半主动悬架系统仿真模型。最后统一在Simulink环境下对被动悬架系统、模糊控制和模糊神经网络控制的半主动悬架系统进行仿真试验,得到仿真结果。对结果取得的车身垂直加速度、悬架动挠度和轮胎动载荷相应的均方根值分析表明,模糊控制半主动悬架系统的综合性能比被动悬架系统更好,而模糊神经控制半主动悬架系统的综合性能更优于模糊控制的半主动悬架系统,TS模型模糊神经网络控制半主动悬架系统综合性能最优。故本文所用到的智能控制方法能有效提高半主动悬架系统的性能。
张恩勤, 施颂椒, 高卫华, 翁正新[10]2001年在《模糊控制系统近年来的研究与发展》文中进行了进一步梳理主要总结了近年来模糊控制系统的研究与发展 ,介绍了最近模糊控制系统研究的一些主要方面及研究成果 ,分析了它们的优缺点 ,并探讨了这一研究领域的研究趋向
参考文献：
[1]. 基于TS模糊模型的二级倒立摆系统仿真研究[D]. 陈学军. 合肥工业大学. 2005
[2]. 广义核模糊建模及在容错控制中的应用[D]. 季睿. 上海交通大学. 2014
[3]. 自行车机器人系统辨识及MATLAB仿真[D]. 姚巍. 北京邮电大学. 2008
[4]. 基于智能优化的模糊PID控制算法研究[D]. 于亲波. 华北电力大学（北京）. 2004
[5]. 一类时滞非线性系统的自适应模糊控制[D]. 郭垒. 沈阳工业大学. 2005
[6]. 模糊控制系统的结构化分析[D]. 田永青. 河北工业大学. 2000
[7]. 基于PLS方法的建模以及控制器设计[D]. 赵曌. 浙江大学. 2012
[8]. 模糊控制系统的新型非线性反馈控制器研究[D]. 原抓纲. 浙江大学. 2005
[9]. 基于智能控制的汽车悬架减振性能研究[D]. 刘波. 辽宁科技大学. 2015
[10]. 模糊控制系统近年来的研究与发展[J]. 张恩勤, 施颂椒, 高卫华, 翁正新. 控制理论与应用. 2001
标签：自动化技术论文; 自适应论文; 模糊控制论文; 模糊神经网络论文; 系统辨识论文; 模糊理论论文; 系统仿真论文; 模糊算法论文; 过程控制论文; 线性系统论文; 人工智能论文; 非线性论文; 主动悬架论文; 推理论文;