研究堆Mamdani型模糊控制器设计优化方法

Mamdani型模糊控制器的设计优化尚无系统、成熟的方法。本文针对应用于研究堆功率调节系统的Mamdani型模糊控制器,提出了两种设计优化方法,即非均匀分布输出隶属函数法和细化且非均匀分布隶属函数法,并在MATLAB/Simulink平台下分析了优化后模糊控制器的控制特性。结果表明:优化后模糊控制器的控制性能得到改善,且性能优于经典PID控制器。本文提出的两种设计优化方法是行之有效的Mamdani型模糊控制器优化方法。

采用Coupland-John降型的区间二型模糊控制器的解析结构推导

区间二型模糊控制器的解析结构在系统稳定性分析中具有重要的作用。针对区间二型模糊控制器的解析结构推导过程繁琐、计算效率较低等问题,设计一种采用乘积型算子和Coupland-John降型算法的区间二型模糊控制器,并代入参数推导出其解析结构。新的区间二型模糊控制器的解析结构推导简便,不需迭代和分区,减少了计算量,易于进行性能分析和参数调节。

一类乘积型区间二型模糊控制器的解析结构

区间二型模糊控制器的降型算法需要使用迭代计算,是导致其解析结构推导困难的主要原因.针对乘积型区间二型模糊控制器,本文提出了一种新的解析结构推导方法.区间二型模糊控制器的配置为:三角形输入模糊集,一型输出模糊单值,集合中心法降型器,平均法解模糊器和基于乘积型"与"操作的规则前件.通过对比传统PID控制器的解析结构,证明了区间二型模糊控制器等效于两个PI(或PD)控制器之和.利用KM算法的迭代终止条件,提出了6步骤IC划分法,保证了激活子空间的正确划分.叠加各个子空间,即可得出全局IC划分图.为了避免重复求解符号数学方程,提出了IC边界线的直接定义法,改进了6步骤IC划分法的便利性.本文方法避开了降型算法的迭代计算,可以保证推导出区间二型模糊控制器的闭环解析表达式.

直接型自适应模糊控制器的设计及其在汽温控制中的应用

针对一类具有未知函数增益的不确定非线性系统,基于监督控制方法并利用第二类模糊系统的通用逼近能力,提出了一种带有自适应补偿器的直接型模糊控制器的设计方案.它通过引入自适应补偿器来减小建模误差和参数估计误差对系统性能的影响,从而在稳定性分析中取消了要求逼近误差平方可积或上界已知的条件.理论分析表明闭环系统的状态有界,跟踪误差收敛到零,仿真和实际应用结果证明了该方法的有效性.

Sugeno型二维模糊控制器设计及其优化研究

基于MATLAB/Simulink平台设计了某研究堆功率调节系统各环节模型,并设计了应用于该研究堆功率调节系统中的Sugeno型二维模糊控制器。仿真分析结果表明,Sugeno型二维模糊控制器可应用于该研究堆功率调节系统,且在超调量、调节时间等方面的性能优于经典PID控制器。本文提出了一种优化方法,优化后的模糊控制器性能得到改善,且性能(超调量、调节时间、振荡性能等方面)优于经典PID控制器。该优化方法是一种有效的模糊控制器优化方法。

PID型模糊控制器在开关磁阻电机驱动系统中的应用

本文对开关磁阻电机驱动控制系统 (SRD)这一非线性控制系统 ,提出了采用模糊控制理论与PID调节器相结合的控制方法 ,着重介绍了PID型模糊控制器的设计原理。通过仿真实验证明 :该控制方法较常规PID控制及单纯的模糊控制具有更好的控制性能。

一种简单的PID型模糊控制器的参数调整方法

对常规模糊控制器的结构进行了深入的研究 ,揭示了模糊控制器与PID控制器的相似之处 ,分析了模糊控制器与PID控制器参数之间的关系 ,进而用PID控制器的参数就能很容易地设计出模糊控制器 ,从而大大简化了模糊系统设计的复杂性。仿真结果表明了该方法的有效性。

基于TS模型的二型模糊控制器和观测器分析与设计

主要探讨一种新的系统方法———二型模糊系统在控制上的应用.文章先介绍了二型模糊集合和系统的基本概念和基本方法,然后集中推导TS模型下规则的输出形式,推广一型系统的特性,从而获得二型模糊控制器和观测器的表达式、稳定性以及其它特性分析方法,并以小车倒立摆仿真验证.最后文章从整体上分析和比较了传统系统、一型模糊系统和二型模糊系统的主要特点和不同点.

π型隶属函数的典型模糊控制器的解析结构

研究了一种新型的典型模糊控制器,它的输入隶属函数采用π型样条函数,具有二阶逼近特性,而一般典型模糊控制器采用的三角形隶属函数只具有一阶逼近特性,因此研究这种新型的模糊控制器具有重要的意义.文章首先给出了该类典型模糊控制器的定义,推导了它的解析表达式,证明了该类典型模糊控制器可以等效为一个全局的二维继电器和一个局部的非线性PD控制器之和.在此基础上,给出了其极限特性和非线性特性.

基于改进型模糊神经网络的抽油机节能控制器

为了解决抽油机拖动电动机长期处于“相对轻载状态” 的问题,采用电动机启停间歇控制方案,并提出了改进型模糊神经网络模型。该模型利用神经网络的学习功能划分输入空间,抽取删除置信度低的语言变量值和规则,确定模糊规则后件结构,不断增添、修改、删除知识数据库中的控制规则,使系统具有很强的自适应能力。将此模型及其学习算法合理简化后,主要利用微处理芯片的精简指令所编制的软件来加以实现。基于该思想开发的抽油机节能控制器在国内各大油田使用表明,控制系统工作可靠,抽油机启停时间合理,在保证采油量的前提下,节电率达30％以上,实现了控制的智能化。

串联型模糊神经网络PID控制器的设计

该文提出了一种串联型模糊神经网络PID控制器的设计方法 ,该方法利用人工神经元网络的聚类功能来对反馈回来的误差输入量进行分类 ,然后串联一个模糊控制器 ,并根据人工神经网络的分类结果来构造模糊规则库 ,使整个控制器既具有PID调节的功能 ,同时避免了神经元网络的发散问题 ,并解决了模糊规则库构造的困难 ,从而实现对PID控制器参数的智能调节。

基于模糊算法的双三相PMSM无传感器控制

针对现有高速情况下双三相永磁同步电机无传感器控制精度低,增益值固定的问题,提出一种提高精度同时可变换增益值的基于模糊离散型超螺旋滑模观测器。首先,对双三相永磁同步电机的数学模型与电流方程进行分析;其次,结合电流方程与超螺旋算法构建超螺旋滑模观测器并利用反向差分离散法进行离散化,同时加入模糊控制得到变换增益值,解决了超螺旋滑模观测器受固定增益值限制无法兼具收敛速度快和观测误差小的问题;最后,在MATLAB环境下搭建了仿真模型对所提算法进行验证,仿真结果表明了新型观测器精度高的同时也能够改变增益值从而快速收敛。

一种新复用型模糊控制器VLSI设计

本文提出了一种模糊化器复用的模糊控制器（ＦＭＣ）的ＶＬＳＩ设计．这一ＡＳＩＣ电路利用模糊处理特点，采用模糊化器复用的结构，在系统的实现规模不变的情况下大大提高了系统性能．同时由于采用了并行流水线和控制ＦＡＴ表等技术，可以获得每６个时钟至少８条模糊规则的处理速度．基于硬件描述语言ＶＨＤＬ的模拟和综合结果表明，采用１．５μｍＣＭＯＳ工艺时，电路的规模约为２０ｋ单元面积（内含２ｋＲＡＭ），在最坏情况下，最高时钟频率约可达３０ＭＨｚ，数据处理速度达到４０Ｍ条规则／秒．

一种等价于PI的二型模糊控制器设计算法

区间二型模糊集合将次隶属度做了简化,基于KM降阶算法的区间二型模糊控制器实现起来相对简单。虽然区间二型模糊控制器在一定程度上优于传统的一型模糊控制器或者PI控制器等,但区间二型模糊控制器并没有充分利用二型模糊集合的次隶属度信息。为解决这些问题,研究了普通二型模糊控制器的一般结构,提出了一种等价于PI的二型模糊控制器。该控制器基于普通二型模糊集合的α平面表现形式,在次隶属度函数的顶点处,将区间二型模糊集合简化为一型模糊集合。通过n阶有自平衡对象,无自平衡对象以及2个非线性对象的仿真结果表明,提出的二型模糊控制器能够得到较好的控制效果。

一种新型的对角型模糊变结构轨迹跟踪控制器设计

文章试图结合模糊控制和滑模变结构控制的优点, 设计一种新的对角型模糊变结构轨迹跟踪控制器。用SISO的对角型模糊逻辑控制取代一种一般的变结构轨迹跟踪控制器的切换控制项, 并且增加了动态调整输入和输出空间的功能去增强系统的快速性和灵活性。仿真表明了该控制器具有快速性、较小稳态误差及较强抗干扰能力; 所设计的控制器性能良好, 具有一定实用价值。

基于Sugeno型模糊推理算法的模糊控制器及其应用

介绍了Sugeno型模糊推理算法的基本原理,给出了一种实现方法,并对其控制性能进行了仿真.

PD型模糊控制器稳态误差的一种补偿策略

针对一类具有自衡特性的SISO系统,借助其开环阶跃输入稳态响应所提供的信息设计了一个新颖的PD型模糊控制器.其基本思想是:合理确定模糊逻辑控制系统的结构和参数,使系统处于稳态时控制器的输出等于或近似等于某个先验知识确定的值,该值能将系统输出维持在设定值的一个微小邻域内.通过增加前馈环节,调整误差及其变化率在调节过程不同阶段中的比重,提高了系统的快速性.经仿真实验证明该控制器具有良好的稳态性和鲁棒性.

改进型模糊控制器在网络控制系统中的应用研究

针对网络控制系统中的网络诱导时延和丢包问题,本文提出了改进的模糊控制方案.在基本模糊控制器的基础上,加入了二级模糊控制和网络延迟补偿环节.仿真结果表明:改进型模糊控制器对大滞后系统有着很好的控制效果.

T-S型模糊系统的控制器设计

T- S型模糊系统可以描述工程中的许多非线性系统。为了研究该类系统的镇定问题 ,提出了将 T- S型模糊系统嵌入到区间系统的思想。利用区间系统的鲁棒控制理论 ,通过解代数 Riccati不等式方程 ,给出了一种镇定该类系统的控制器设计方法。最后通过对倒立摆系统的控制器设计 。

考虑干扰的交通子区模糊迭代学习边界控制

针对固定增益迭代学习控制器跟踪交通子区内期望累计车辆数n^(*)的速度较慢,迭代次数过多的问题,并考虑到实际交通子区内存在的干扰对其运行状态的影响,建立了含有干扰项的交通流模型并对其进行离散化。采用开闭环比例微分(proportion differentiation,PD)型模糊迭代学习控制器,根据研究子区实际路网内的累计车辆数与期望累计车辆数n^(*)的误差及其变化率对开闭环PD型迭代学习控制器的迭代学习增益和反馈增益进行调整,使交通子区内的实际累计车辆数可以较快速地跟踪期望累计车辆数n^(*),并对开闭环PD型模糊迭代学习控制器的收敛性进行严格证明。通过对轻度和中度干扰影响下的交通子区进行仿真,结果显示,对比固定增益迭代学习控制器,开闭环PD型模糊迭代学习控制器的误差收敛速度分别提高24%和31%,平均排队长度分别减少24.52%和16.55%,平均延误分别减少21.63%和19.23%,平均停车次数分别减少23.68%和10.77%。