模糊模型参考学习控制在静态热箱试验装置中的应用

模糊模型参考学习控制是一种具有自学习机制的模糊控制,在控制过程中能自动调整模糊控制规则表,使其控制性能得到不断改善,从而达到理想的控制效果。介绍了这种控制算法的原理。采用这种控制算法对静态热箱装置的空气温度进行了控制,并与PI控制进行了比较。结果表明,模糊模型参考学习控制具有响应快的优点,同时具有与PI控制同样高的稳态精度,但超调量比PI控制稍大。

模糊模型参考学习控制在动态热箱试验中的应用

针对实际工况偏离设计工况很大时,PI控制性能不理想的情况,采用模糊模型参考学习控制方法对动态热箱装置进行空气温度控制,结果表明,模糊模型参考学习控制能很好地跟踪设定温度曲线的变化,取得了令人满意的控制效果.

模糊模型参考学习控制在中央空调系统中的应用

针对中央空调系统的大滞后、时变性和非线性等特点,在中央空调的冷却水系统中采用模糊模型参考学习控制方案。不断修正控制规则改善控制性能,调整模糊控制器的参数,使得对象的输出跟踪参考模型的输出。控制算法由程序实现,以数字语言值为特征,在线推理。仿真采用Simulink中的S函数,仿真结果证明了该控制策略响应速度快、鲁棒性好,能够实现中央空调系统的节能运行。

模糊模型参考学习控制在水电机组中的应用

研究了模糊模型参考学习控制的原理和方法,对模糊模型参考学习控制所具有的对模糊规则进行调节和修改的功能进行了分析,并将其应用于具有非线性、时变和非最小相位的水电机组的控制系统中。设计了水电机组的模糊模型参考学习控制器,由于该控制器引入了模糊学习机制,利用被控对象和理想参考模型间的输出误差,调整模糊控制器的规则集,从而使机组输出实时跟踪参考模型的输出。仿真结果表明:该控制方法不仅适用于水电机组系统工况小波动的情况,也适合工况发生大波动的情况,但要应用于工程实际还需作进一步的探索。

基于模糊模型参考学习控制的焦炉温度控制

焦炉是一个大惯性、纯滞后、非线性、时变和参数分布的系统,很难对其建立精确的数学模型。现有的线性系统控制方法对焦炉的温度控制存在精度不高、不能适应工况变化等问题。而模糊控制又因规则和隶属度函数的粗糙性导致系统在稳态时出现振颤,模型参考自适应控制需要对被控对象进行阶次辨识,而且算法复杂。针对上述问题,提出一种新的控制策略,使用模糊模型参考学习控制算法来对焦炉的温度进行控制,该方法结合模糊控制和自适应控制的优点,通过在线学习算法适应工况变化,提高了控制精度。对焦炉简化模型进行的仿真实验结果表明,系统具有良好的动态和稳态性能,有效减少了炉温波动,具有一定的推广应用价值。

防抱制动系统模糊模型参考学习控制的研究

在保持可操纵性的前提下,提高车辆制动效能是设计防抱制动系统的主要目的。为此,设计了防抱制动系统的模糊模型参考学习控制器。由于该控制器引入了模糊学习机制,通过观察被控对象和代表理想动态性能的参考模型的输出差,从而调整模糊控制器的规则集,以使对象输出跟踪参考模型的输出。而后建立了直线制动车辆系统的数学模型,基于MATLAB/SIMULINK工具箱,并对所设计的模糊模型参考学习控制系统在不同的路面状态下进行了模拟,仿真结果表明,该控制方案是合理可行的。

模糊模型参考学习控制及其应用

介绍了一种新型的模型参考自适应控制器-模糊模型参考学习控制.学习机制可以观测对象的输出并且调节模糊控制器中规则的隶属度函数,从而使得对象的输出跟踪参考模型的输出.仿真结果表明该控制器可以实现对非线性时变系统的高效控制,可保证闭环系统具有良好的跟踪性能和鲁棒性,且算法简单,易于在线控制.

水轮机调节系统的模糊模型参考学习控制

阐述了模糊模型参考学习控制(FMRLC)系统的控制原理,并将FMRLC具有的对模糊规则进行调节和修改的功能应用于水轮发电机组的调节系统。仿真结果表明该方法不仅适用于机组参数不变的情况,当工况发生较大变化时,仍然能获得较理想的控制效果。

基于高阶内模的变参考轨迹鲁棒迭代学习控制

针对一类带有非重复不确定参数的线性离散系统跟踪批次变化的参考轨迹问题,提出一种双环控制结构的鲁棒间接型迭代学习控制(ILC)算法。通过在内环部分设计比例-积分(PI)型反馈控制器保证闭环系统沿时间轴方向的稳定性,实现前几批次对参考轨迹的快速跟踪。在外环部分,通过高阶内模(HOIM)描述参考轨迹变化规律,并设计一个基于内模原理的高阶比例(P)型ILC控制器提升系统在批次方向上对变参考轨迹的跟踪性能,实现对变化的参考轨迹精确跟踪。针对不确定性参数带来的扰动问题,设计一类性能指标函数,将系统模型在间接型ILC控制器作用下转换为等价的重复过程模型;基于重复过程模型稳定性理论,将保证系统具有沿批次鲁棒稳定的性能指标条件转换为线性矩阵不等式(LMI)。最后通过一类永磁电机的控制仿真验证了所提算法的有效性。

航空发动机模型参考模糊自学习控制

模型参考模糊自学习控制方法利用一个参考模型作为被控对象的输出性能要求 ,并且根据参考模型的输出和实际对象的输出间的误差 ,经过一个逆模糊模型学习产生模糊控制系统的控制规则。本文基于该方法离线构造了某型发动机的模糊控制器 ,并在发动机的其它状态及飞行包线的其它点进行在线学习校正 ,以得到期望的性能。仿真结果表明用该方法设计的模糊控制系统获得了满意的控制效果。

基于模糊模型参考学习控制的手术机器人人机交互

为了解决机器人辅助手术环境下人机交互运动过程中的不稳定性问题以及医生个人因素难以建模的问题,提出了一种基于模糊模型参考学习的变导纳人机合作控制方法.首先将人体手臂自然运动的特征作为模糊学习控制的参考模型,通过离线学习机构训练出模糊导纳控制器的变阻尼系数调整参数规则.再以医生对机器人的拖拽力以及机器人速度作为输入、机器人期望的速度作为输出,构建基于变阻尼参数调整的变导纳控制方法.离线训练实验结果表明,该方法经过10次离线训练,可以达到柔顺性要求,人机合作速度最大误差低于17mm/s,且人机合作轨迹最大误差低于15mm.相比单纯基于固定导纳参数的模糊控制,该方法具有更好的跟踪速度与精度.

联合收获机前进速度的模型参考模糊自适应控制系统

以切纵流联合收获机为研究对象,设计了一种基于联合收获机前进速度的模型参考模糊自适应控制系统,建立了融合多个变量的自适应控制参考模型和模糊控制规则。研制了联合收获机前进速度控制装置,并进行了田间水稻收获试验。试验表明,与普通模糊控制相比,所设计的模型参考模糊自适应控制系统可以实现对联合收获机的自适应控制,能够有效地降低操作人员的作业强度,提高田间收获效率。

基于T-S模糊模型的间歇过程的迭代学习容错控制

间歇过程不仅具有强非线性,同时还会受到诸如执行器等故障影响,研究非线性间歇过程在具有故障的情况下依然稳定运行至关重要。针对执行器增益故障及系统所具有的强非线性,提出一种新的基于间歇过程的T-S模糊模型的复合迭代学习容错控制方法。首先根据间歇过程的非线性模型,利用扇区非线性方法建立其T-S模糊故障模型,再利用间歇过程的二维特性与重复特性,在2D系统理论框架内,设计2D复合ILC容错控制器,进而构建此T-S模糊模型的等价二维Rosser模型,接着利用Lyapunov方法给出系统稳定充分条件并求解控制器增益。针对强非线性的连续搅拌釜进行仿真,结果表明所提出方法具有可行性与有效性。

MATLAB在模型参考模糊自适应控制系统仿真中的应用

该文详细介绍了用MATLAB(SIMULINK)语言对模型参考模糊自适应控制 (MRFAC)系统进行仿真的步骤和方法。可以看出SIMULINK工具箱是控制系统动态仿真的有力工具 ,而且相对于以往任何一种仿真方法 ,MATLAB语言更方便、高效 ,具有无可比拟的优越性。

基于2维性能参考模型的2维模型预测迭代学习控制策略

将迭代学习控制(Iterative learning control,ILC)系统看作一类具有2维动态特性的控制系统,根据模型预测控制(Model predictive control,MPC)和性能参考模型控制思想,提出了一种基于2维性能参考模型的2维模型预测迭代学习控制系统设计方案.在该控制系统设计方案中,可以通过选择适当的2维性能参考模型来构造2维动态变化的设定值信号和预测控制信号,从而引导迭代学习控制系统收敛到合理的控制性能,并有效避免系统性能收敛过程中控制输入可能发生的剧烈波动.通过对控制系统的结构分析可知,所得的迭代学习控制器本质上是由沿时间指标的参考模型预测控制器和沿周期指标的迭代学习控制器组成,闭环系统的收敛性等价于一个2维滤波系统的稳定性.数值仿真结果证明了该设计方案的有效性和鲁棒性.

永磁同步电机的模型参考模糊自适应控制

采用模糊基函数形式,将永磁同步电机时变参数的辨识转化为对模糊基函数权系数的辨识问题,经过离线学习和在线自适应调节的模糊估计器具有对永磁同步电机时变参数的逼近能力。利用参数跟踪误差和控制预测误差信息,设计模型参考模糊自适应速度控制器,基于Lyapunov稳定性理论分析了控制器的收敛性,仿真及dSPACE实验结果表明:所设计的永磁同步电机控制系统具有较好的参数跟踪及控制性能。

基于模糊神经网络的模型参考自适应控制

用模糊神经网络作为控制器，依靠参考模型产生理想的控制系统闭环响应，从而随时得到控制系统的输出误差．用梯度法实时修正模糊控制器的输入和输出隶属度参数，得到一种在线模糊自适应控制的新方法．通过倒立摆的仿真实验表明，该方法是可行的并能适应对象特性的大范围变化．

基于模糊PID的模型参考自适应IMC汽包水位控制

针对发电厂锅炉汽包水位具有非线性特性、存在虚假水位,且运行过程中控制系统超调量大、响应速度慢、抗干扰能力差等问题,提出了一种基于模糊推理的模型参考自适应内模控制(IMC)方法。将模糊控制方法和IMC方法相结合,采用相消法设计IMC器,根据参考模型输出与实际被控对象输出的偏差e及其变化率ec在线模糊调节PID参数。通过Simulink对基于模糊PID的模型参考自适应IMC的汽包水位控制系统进行仿真验证,并与IMC-PID的汽包水位控制系统进行对比。结果表明,基于模糊PID的模型参考自适应IMC方法自适应能力更强,抗干扰能力和鲁棒性更好,能够更好地保证水位的稳定。

液压伺服系统的模型参考自适应模糊控制新方法

基于液压伺服系统参数不确定性,提出一种改进的模型参考自适应模糊控制方法。该方法用模糊自适应机构代替常规的自适应机构,并用模糊因子自调整律实时调节模糊自适应机构的模糊规则。此方法提高了模糊自适应机构推理规则的调整精度,获得了更好的控制性能。仿真结果验证了该方法的优越性。

基于强化学习的模型参考自适应控制

提出了一种基于强化学习的模型参考自适应控制方法,控制器采用自适应启发评价算法,它由两部分组成:自适应评价单元及联想搜索单元.由参考模型给出系统的性能指标,利用系统反馈的强化信号在线更新控制器的参数.仿真结果表明:基于强化学习的模型参考自适应控制方法可以实现对一类复杂的非线性系统的稳定控制和鲁棒控制,该控制方法不仅响应速度快,而且具有较高的学习速率,实时性较强.