车辆主动悬架自适应变论域T-S模糊控制研究

针对传统变论域模糊控制存在过度依赖专家经验、伸缩因子参数不能自适应调整的问题,提出一种车辆主动悬架自适应变论域T-S模糊控制策略,从而提高车辆的行驶平顺性。结合神经网络和T-S模糊推理建立基于自适应神经模糊推理的一阶T-S模糊控制器,利用神经网络的自学习特性产生完善的模糊规则,进而在传统函数型伸缩因子的基础上,将系统误差和误差变化率作为动态参数引入伸缩因子中,实现伸缩因子参数的自适应调整,解决了传统函数型伸缩因子因参数确定难度大导致控制效果差的问题。通过随机工况下的仿真分析和基于相似理论的缩尺实验,对所提出算法的有效性和工况自适应性进行了验证。结果表明,所提出的自适应变论域T-S模糊控制策略具有较强的工况适应性,在不同车速、路面激励下均可有效提高车辆的平顺性并保证轮胎接地安全性。

基于T-S模糊故障树的驱动电机冷却系统可靠性分析

车用驱动电机液压冷却系统存在故障机理不确定等问题。本文应用模糊数描述其故障概率和故障程度,建立驱动电机冷却系统的T-S模糊故障树模型,计算系统模糊可能性,分析各部件的概率重要度和关键重要度,找出影响系统可靠性的关键部件。

混合差分和多种群粒子群算法的T-S模糊模型辨识

为提高T-S模型的辨识精度,针对基本粒子群优化(particle swarm optimization,PSO)算法T-S模型全局优化辨识问题,提出混合差分和多种群粒子群算法的T-S模糊模型辨识方法,将T-S模型前件参数和后件参数整体编码进行全局优化辨识.为避免基本粒子群的早熟收敛和后期收敛速度慢的缺陷对T-S模型辨识精度和速度的影响,算法将种群分为若干个子群,每个子群根据粒子适应度值自适应调整惯性权重,平衡了算法的开发和探索能力,对子群最优粒子,进行差分操作以增强算法的全局搜索能力,采用全局最优粒子替代随机子群的最优粒子以加强子群间的信息交流,维持粒子多样性.典型非线性系统和混沌系统的仿真结果表明,采用混合差分和多种群粒子群算法辨识的T-S模型具有更高的辨识精度.

S-T-S混合式循环互助教学模式用于少学时“化工原理”课程

“化工原理”课程是化工及相关专业的专业基础课程,相关专业的学时少,课程难,需重点解决的问题是“三多”“三不愿”“三不明”。针对痛点问题,提出了线上线下混合式循环互助的创新设计思路,包括:教师帮助学生自制课前、课中、课后习题,学生帮助教师反馈真实学习情况,学生帮助学生组团互助学习。问卷调查和评教结果显示,在一定程度上解决了“三多”“三不愿”的问题;通过建立“助教团队”反馈不同层次学生的学习情况,较好地解决了“三不明”的问题。学生的成绩与教改前相比有明显提高。

基于T-S模糊逻辑的混合储能孤岛直流微电网功率分配控制

在含混合储能的直流微电网中,传统阻容下垂控制无法解决由线路电阻和负荷功率波动导致的系统功率分配失衡问题。为此,提出一种基于Takagi-Sugeno(T-S)模糊逻辑的自适应阻容下垂控制方法以实现混合储能的分频分配。根据蓄电池和超级电容的物理特性,建立单个蓄电池支路输出电压、蓄电池组间输出功率差额和阻性下垂系数之间的T-S模糊逻辑关系,以及单个超级电容支路输出功率及其变化率、超级电容组间功率差额和容性下垂系数之间的T-S模糊逻辑关系,并由此构建基于T-S模糊逻辑的阻容下垂控制器。推导含混合储能的直流微电网中各部分的平均阻抗模型,并采用阻抗比分析法对微电网的小信号稳定性进行研究。MATLAB/Simulink仿真结果表明,基于T-S模糊逻辑的阻容下垂控制可保证在线路电阻和负荷功率波动情况下系统功率的合理分配。

基于T-S MPC的车辆自适应巡航控制策略研究

针对于汽车自适应巡航系统面对复杂工况时自适应性不强的问题,提出了一种基于T-S模糊变权重模型预测控制(Takagi-Sugeno fuzzy model predictive control,T-S MPC)的自适应巡航分层控制策略。首先上层控制器基于安全距离模型将自适应巡航系统划分为定速巡航模式、多目标优化控制的跟随模式和紧急制动模式;下层控制器基于车辆逆动力学模型,将上层控制器输出的期望加速度转变为节气门开度或制动压力;其次考虑到权重系数对控制精度的影响,建立基于T-S模糊控制的变权重模型预测控制器;最后搭建Carsim Simulink联合仿真平台,验证控制策略的准确性、适应性和跟踪响应速度。结果表明,在定速巡航工况时,T-S MPC控制方法跟踪响应时间为1.54 s,较PID和传统MPC控制跟踪响应快;在跟随和混合工况时,T-S MPC控制方法均方根误差为分别为0.3073、2.775,均低于PID、PID+LQR和传统MPC控制的均方根误差、并且自适应性好,有效提高了跟车性能与安全性。

基于改进T-S模糊模型的弧焊机器人轨迹实时跟踪

针对弧焊机器人在实际作业中受到诸多不确定因素的影响,导致弧焊机器人焊接轨迹偏离预期轨迹的问题,提出一种基于改进T-S(Takagi-Sugeno)模糊模型的弧焊机器人轨迹实时跟踪方法。采用图像识别技术识别并定位焊缝,通过坐标转换,确定焊缝中心线在机器人坐标系中的位置坐标。利用蚁群算法根据焊缝中心线在机器人坐标系中的坐标,搜索从起始位置到目标位置的最优焊接路径。设计了一种改进区间二型T-S模糊模型,通过视觉传感器实时获取新的焊缝信息,计算轨迹误差,以此为输入,利用改进T-S模糊模型对机器人的运动轨迹进行实时调整。实验结果表明,采用改进T-S模糊模型后,机器人轨迹跟踪离散度均降至1 mm以下,弧焊机器人轨迹与预期轨迹高度重合,比传统方法跟踪离散度大大降低。

T-S模糊系统的动态自触发有限时间H_(∞)控制

文中研究一类不确定Takagi-Sugeno(T-S)模糊系统的自触发有限时间H_(∞)控制。首先,提出动态自触发方案,构造触发参数的动力学方程,从而使自触发机制能依据触发时刻状态自适应地调整触发参数;同时,基于当前触发时刻的系统状态实时计算触发间隔,预测下一个触发时刻。相较于T-S模糊系统的静态自触发方案,文中所提的动态自触发方案能进一步降低触发频率,节约计算资源。其次,基于有限时间稳定理论,设置系统状态运动轨迹的次临界界限;结合状态轨迹与次临界界限的相对位置关系和动态自触发方案,分析系统的H_(∞)性能;此外,设计依赖模糊规则的H_(∞)状态反馈控制律,保证T-S模糊系统的动力学行为有限时间有界。最后,给出实例仿真验证文中方法的可行性。

制冷站系统负荷和能效比改进T-S模糊模型构建

制冷站具有非线性、强耦合等特点,导致传统机理的建模面临困难。为实现系统节能优化控制,并改善模型在线修正和移植性能,提出一种基于改进Takagi-Sugeno(T-S)模糊模型的制冷站负荷和能效比动态建模方法,前件结构辨识设计改进天牛须搜索算法,以改善模糊C-均值聚类方法对初值敏感和易陷入局部最优的问题;为实现非线性模型辨识,并降低现场测试数据噪声的影响,设计自适应扩展卡尔曼滤波算法实现模型后件参数辨识和在线修正。实验结果表明,所建立的负荷和能效比预测模型在广州某建筑上运行时,相对误差分别为0.63%和1.49%;使用广州市另一座建筑的数据进行模型可移植性验证,经过500步在线训练,新模型成功收敛,证明所构建模型具备良好的可移植性和适应性。

基于T-S动态故障树的桁架机器人系统可靠性分析

为了提高桁架机器人系统的动态可靠性,并且在发生故障时提升排查故障的效率,提出一种对桁架机器人系统动态可靠性分析的方法。首先,对桁架机器人系统建立T-S动态故障树;然后,把T-S动态故障树和T-S动态门规则分别转化为离散时间贝叶斯网络(DTBN)与相应网络节点的条件概率表,根据DTBN正反向推理分别计算得到各时间段以及任务时间内系统失效概率和根节点后验概率,并获得各根节点的T-S概率重要度、T-S关键重要度和灵敏度;最后,应用Monte Carlo仿真法进行验证,结果显示相对误差为0.29%,证明所提方法可行。给出当系统发生故障时应优先排查的零部件,并确定了系统薄弱环节,得出应优先提高可靠度的零部件,为桁架机器人系统的动态可靠性分析提供了理论依据。

基于模糊T-S型内模PID控制算法的无刷直流电机仿真分析

针对无刷直流电机(BLDCM)双闭环控制调速系统的控制响应速度慢、转速波动较大等问题,提出一种模糊神经网络与内模控制相结合的驱动方式。该方式利用Matlab/Simulink来构建一种基于BLDCM和控制器的电梯一体式限速器仿真模型,得到BLDCM的速度、转矩响应曲线。仿真分析和实验结果均表明,模糊T-S型内模PID控制算法在响应速度、转速误差、抗干扰能力和控制精度等性能方面优于内模PID控制算法与常规双闭环PID控制系统。该研究可为模糊神经网络T-S型内模PID算法在电梯一体式限速器上的应用积累经验。

T-S模糊系统的自触发有限时间H∞控制

为克服事件触发控制对硬件设备的依赖以及控制策略频繁更新的局限,针对一类不确定Takagi-Sugeno(T-S)模糊系统的有限时间H∞控制问题,引入自触发机制,提出一种基于此机制下只与触发时刻状态有关的模糊控制器设计方法;基于自触发机制并结合有限时间控制的思想,通过设计触发间隔函数、推导并求解线性矩阵不等式(LMI),使得系统在保障稳定性的前提下,系统运动轨迹不会超过一定的界限,并达到所期望H∞性能水平;同时相较于事件触发机制,自触发机制位于系统内部,无需额外硬件设备接收触发信号且只需利用当前的触发状态信息来预测下一触发时刻,在一定程度上进一步降低系统资源成本;此外,利用李亚普诺夫函数对系统稳定性进行了严格分析,并提供一个确保能够防止芝诺现象发生的证明;最后,通过数值仿真、单连杆刚性机器人系统实例仿真两个实验说明所提方法的有效性。

基于T-S模糊建模的气动肌肉拮抗关节预测角度控制

目的:为了提升气动肌肉拮抗关节的控制精度。方法:提出了一种用于气动肌肉拮抗关节角度跟踪的T-S模糊模型预测控制方法。建立了拮抗关节的T-S模糊模型,并对模型进行了离散化处理;基于离散后的T-S模糊模型,设计了拮抗关节的模型预测控制器,通过特征值法验证了系统的稳定性。结果:仿真实验表明,T-S模糊模型预测控制器跟踪±15°和±10°的角度时,相对于传统模型预测控制,平均绝对误差分别降低了29.05%和44.11%。结论:设计的T-S模糊模型预测控制器提高了气动肌肉拮抗关节的控制精度。

基于T-S模糊神经网络的光伏发电机组自动控制

光照情况变化会使光伏发电机组功率呈现不稳定性,加大光伏发电机组控制难度,为此,设计了基于T-S模糊神经网络的光伏发电机组自动控制方法。构建光伏阵列数学模型,分析在均匀和不均匀2种光照情况下光伏发电机组特性曲线。以分析结果为依据,采用T-S模糊神经网络构建光伏发电机组自动控制模型。为保证良好的控制效果,引入定比因子优化隶属度函数,输出最佳跟踪结果,结合最佳跟踪结果和自动控制模型实现光伏发电机组自动控制。测试结果显示,该方法能够完成光伏阵列特性分析,控制效果好。

基于T-S故障树和贝叶斯网络的模糊可靠性评估方法

针对贝叶斯网络方法存在的贝叶斯网络模型和节点条件概率表难以构造、根节点故障率和故障概率数据难以精确获取等不足,以及T-S故障树分析方法存在的计算复杂、不能进行反向推理等不足,提出基于T-S故障树和贝叶斯网络的模糊可靠性评估方法:利用T-S故障树构造贝叶斯网络模型、T-S门规则构造节点条件概率表;用模糊数描述节点的多种故障状态,模糊子集描述节点各故障状态下的故障率、故障概率;结合贝叶斯网络推理给出在仅知根节点故障状态条件下,叶节点各故障状态的发生概率、根节点状态重要度;以及已知根节点各故障状态的故障率、故障概率模糊子集条件下,叶节点各故障状态的故障率、故障概率模糊子集,以及根节点模糊重要度、后验概率。通过与文献[5]的T-S故障树分析方法、文献[10]的贝叶斯网络方法对比,验证所提方法的可行性。对巷道运输车液压系统进行模糊可靠性评估,计算根节点状态重要度等可靠性指标,为提高系统可靠性和进行故障诊断提供依据。

T-S模糊故障树重要度分析方法

传统部件重要度分析方法建立在布尔逻辑门的基础上,需要精确已知部件之间的联系,并且不能全面考虑部件所有状态及部件之间的联系对多状态系统可靠性的影响。针对上述问题,首先通过给出传统二态、多态逻辑门的T-S门规则形式,验证了T-S模糊故障树分析方法的可行性,进而将传统二态和多态部件重要度分析方法推广到T-S模糊故障树中,提出了T-S重要度概念及其计算方法,包括T-S结构、概率及关键重要度。然后,与传统部件重要度分析方法进行算例对比与分析,验证方法的可行性。最后,给出了液压系统T-S模糊故障树分析及其重要度计算实例。

凸模型T-S故障树及重要度分析方法

针对故障数据缺乏、故障机理复杂多样等原因导致T-S故障树底事件的失效可能性具有不确定性的问题,以及概率和模糊T-S故障树以及布尔逻辑门故障树适用性的不足,提出凸模型T-S故障树及重要度分析方法:将区间模型引入到T-S故障树分析方法中,利用区间模型描述底事件的失效可能性,提出区间T-S故障树分析方法,解决底事件的失效可能性不易精确获取的问题;在此基础上,引入超椭球模型来界定不确定性参量的取值范围,进而提出超椭球T-S故障树分析方法,解决区间T-S故障树在进行可靠性分析时,分析结果相对保守的问题;进而,定义凸模型T-S故障树的重要度指标,为找到系统的关键环节提供依据;求解出上级事件的失效可能性、底事件的T-S凸模型重要度和T-S凸模型关键重要度,通过与凸模型布尔逻辑门故障树、T-S故障树进行对比,验证所提方法的可行性。最后,给出了组合导航系统可靠性分析实例。

T-S模糊故障树分析方法

提出一种新的T-S模糊故障树分析方法,该方法将模糊逻辑和T-S模糊模型引入到故障树分析中,使故障树具有处理模糊信息的能力.T-S模糊故障树分析中不需要精确了解部件的故障概率,也不需要精确了解故障的机理,从而解决了系统的事件和故障机理的不确定性问题.最后给出了INS/GPS组合导航系统可靠性分析实例.

T-S模糊重要度分析方法研究

针对故障树分析中部件失效概率、故障状态和系统故障机理的不确定性问题,用模糊子集来表示部件的失效可能性,用模糊数来描述部件和系统的故障状态,用T-S模糊模型来描述部件之间的联系,在T-S模糊故障树分析算法基础上,提出两种T-S模糊重要度:拓展传统二态系统模糊重要度的重心法,综合部件所有故障状态的失效可能性对系统重要程度的影响,定义多态系统T-S模糊重要度,并由算例对比得出,传统模糊重要度可看作是T-S模糊重要度的一个特例,T-S模糊重要度更为一般化;在仅已知部件故障状态的情况下,提出T-S状态重要度的概念及其计算方法。对某导航系统进行重要度分析,验证了算法的有效性。

基于T-S模糊故障树和贝叶斯网络的多态液压系统可靠性分析

为解决T-S模糊故障树分析方法在液压系统可靠性分析过程中运算复杂和只能单向推理的问题,提出一种基于T-S模糊故障树与贝叶斯网络的多态系统可靠性分析方法。根据给出的T-S模糊故障树向贝叶斯网络转化的方法确定贝叶斯网络的模型结构与条件概率表,利用贝叶斯网络的推理算法计算顶事件发生概率、事件后验概率以及底事件重要度。该方法既能进行计算系统可靠性指标及重要度的前向推理,又能进行故障诊断的反向推理,而且计算公式简单。最后通过900t提梁机液压驱动系统工程实例验证了算法的可行性与有效性。