上肢康复机器人模糊自适应交互控制研究

为解决脑卒中患者在主动康复训练过程中因患者个体差异导致的训练强度不足或过强问题,提出了一种基于模糊规则的上肢康复机器人自适应交互控制系统.针对不同病情患者的肌力差异,设计模糊自适应阻抗控制器.控制器基于人机交互力和系统误差,利用模糊推理对阻尼和刚度系数进行自适应调节,改变训练强度,实现康复机器人按需辅助控制.为保证康复训练过程中运动轨迹的准确跟踪,设计GA-FuzzyPID控制器,基于改进遗传算法对模糊规则隶属度函数和规则库进行优化,降低康复机器人轨迹跟踪误差.基于Matlab/Simulink对系统进行轨迹跟踪和自适应阻抗控制仿真实验.结果表明,轨迹跟踪实验中,GA-FuzzyPID控制器的轨迹误差相较于PID控制器和FuzzyPID控制器分别降低了55.9%和34.0%,有效提高了轨迹跟踪精度;自适应阻抗控制实验通过与固定阻抗方法进行对比,验证了所提自适应交互控制系统的有效性和可行性.

基于力反馈的拖拉机驾驶机器人换挡机械手模糊PID自适应控制方法研究

[目的]针对目前四轮农用拖拉机换挡器的特殊结构,设计了新颖的拖拉机驾驶机器人换挡机械手,将拖拉机换挡操纵杆的三维球面运动转化为直角坐标中的二维直线运动,机械手可以沿X、Y 2个方向的运动来实现选、换挡。[方法]拖拉机换挡操纵杆在X方向的换挡阻力很小,且选挡位置固定,因此在X方向采用传统的位置控制;由于拖拉机换挡操纵杆在Y方向换挡时,位置重复性差,换挡过程中的力存在时变、非线性等特征,难以通过位置控制进行纵向换挡,因此,构建基于力反馈的拖拉机驾驶机器人换挡机械手模糊PID自适应控制系统,并通过力信号的小波入位检测判断换挡手柄是否成功入位。[结果]仿真结果及在国产JINMA(金马)300E型拖拉机的换挡试验均表明:模糊PID自适应控制方法具有良好的力跟踪特性,与传统PID控制方法相比,该控制方法可实现换挡过程中PID参数的在线自整定,换挡力跟踪误差低于6%,超调量小于10%,上升时间缩短46%。[结论]基于力反馈的模糊PID自适应控制能够实现拖拉机驾驶机器人的平顺换挡,具有较强的鲁棒性和自适应能力。

多机电力系统模糊自适应控制

发电机组的励磁控制对于提高电力系统的暂态稳定性起着至关重要的作用。针对多机电力系统励磁控制模型,设计模糊自适应控制器。考虑到电力系统的状态不可测及多变量、非线性等特点,设计状态观测器,而后根据多机电力系统互联的实际情况,运用蚁群算法的寻优功能优化模糊规则,一定程度上改善了多变量系统控制中模糊规则繁多的问题。此方法使系统在保证了良好暂态稳定性的同时,降低了控制器的设计难度。仿真结果表明所设计的控制器能够快速有效地改善系统在大干扰下的暂态稳定性。

基于GA的交叉路口自适应模糊控制器优化设计

经典交叉路口交通信号模糊逻辑控制器的模糊规则是预先人为确定的,不可避免地带有主观因素,且不能随着交通流的变化而动态改变,不能保证模糊逻辑控制系统最优的要求。本文提出适用于交通信号模糊逻辑控制的改进GA算法,设计适用于模糊规则编码的带区间范围限制的十进制编码方案,并实现受限分布一致交叉和变异算子,改进经典赌轮选择法,避免病态个体产生,加快收敛速度,可以自适应地动态确定最优模糊规则。MATLAB仿真结果表明该方法的有效性。

模糊自适应遗传算法的原理和发展

模糊自适应遗传算法是将模糊控制器应用于遗传算法性能和参数控制的新型进化算法。该文论述了模糊自适应遗传算法的定义和基本原理,并根据规则基不同的产生方式对其进行了系统分类,最后提出了模糊自适应遗传算法性能改进和应用研究的发展方向。

模糊离散事件系统的自适应监督控制

针对基于模糊自动机的模糊离散事件系统模型在实际工程应用中的不足,从产生式规则出发,建立了该类系统的模糊规则化模型。通过定义结构化的模糊因子并以其构成模糊规则,实现了对模糊状态转移函数的描述。提出了一种包含模糊监控器和模糊控制器的系统闭环监控结构,并针对模糊推理环节给出了具体的实现方法。通过定义一种可动态调整的模糊规则允许发生度,实现了系统的自适应监控机制。借助电动汽车电池均衡管理系统对方法进行了验证。结果表明,系统的运行过程符合预定的目标。

基于模糊规则递推的车辆自动换挡策略仿真研究

基于模糊规则递推调整算法的车辆自动换挡控制策略,建立了履带车辆模糊换挡控制器模型,以Matlab/Simulink中典型的车辆模型作为仿真环境,与二参数换挡规律进行分析比较.结果表明,该模糊换挡策略能有效的提高履带车辆自动换挡过程中的加速性及动力性.

模糊规则在线自调整算法及仿真研究

在模糊规则的可修正因子的基础上,提出了一种在线自调整模糊控制器解析规则模糊控制器的改进结构,引入了能够动态调整模糊控制规则的修正函数;同时,通过遗传算法,应用该修正函数对模糊控制器控制参数进行优化。通过对一个典型的二阶系统进行仿真实验,结果表明使用该方法设计的模糊控制器具有响应快、超调小、稳态精度高等优点,改善了模糊控制系统的性能。

基于自适应遗传算法模糊PID控制器参数优化

该文针对自适应模糊控制器的多参数优化问题,提出一种自适应遗传算法同时优化模糊规则和隶属函数的方法。先对隶属度函数和控制规则进行联合编码,遗传进化前期采用锦标赛精英保留,后期采用基于轮盘赌的非线性选择方法,保留了种群中较优个体,提高种群的多样性。采用一种自适应交叉变异算子,使交叉变异概率根据进化过程不断自动调整,避免算法过早收敛,加快收敛速度。仿真结果表明,优化后的自适应模糊控制器具有良好的动静态特性。

导盲系统方向与速度综合控制及FPGA实现

以预瞄与跟随理论为基础,设计了以FPGA为控制核心的导盲小车控制系统,可实现正常盲道行进、障碍物避障行进和红绿灯识别行进控制,为盲人出行提供安全保障.系统首先建立了基于平面几何约束的角度与速度综合控制模型,在此基础上提出了一种适于FPGA实现的基于模糊规则的自校正舵机控制算法,进而实现对导盲小车的方向与速度综合控制.本设计首先在Matlab环境下进行建模与调试,调试成功后运用Quartus II对控制器进行设计与仿真.实验证明该系统具有很强的实时性与可靠性,可极大程度的保障盲人出行的安全.

一种多变量自适应模糊控制器的设计方法

把采用梯度学习算法的自适应模糊控制器设计方法推广到多变量情形。针对梯度学习算法收敛速度慢的缺点，把神经元学习中的赫布（Ｈｅｂｂ）规则与梯度算法相结合，构成梯度一赫布学习算法，从而使收敛速度明显加快，满足了过程控制中实时性的要求。仿真研究表明，本文的设计方法是可行的。

一种新的自适应模糊规则的算法

本文基于模糊目标的隶属函数调整修正因子的方法 ,提出一种新的基于模糊目标的隶属函数自调整算法来在线调整模糊规则的修正因子 ,从而得出一种新的自调整模糊控制器的设计方法 ,应用该方法对一个典型的二阶系统进行仿真研究 。

常规模糊控制算法的单调性

控制算法的单调性对分析系统的动 稳态特性具有十分重要的意义 ,文章对输入输出模糊数基点非孤共鸣条件下的常规模糊控制算法的单调性进行了讨论 .给出了基点非孤共鸣条件下的常规模糊控制算法单调性成立的一个充分条件 ,对现有结论进行了改进 .

模糊滑模自适应控制及其在电厂热工过程中的应用

通过一种新学习算法的导出,并结合模糊逻辑系统中的模糊基函数,给出了一种带有通用规则库的模糊滑模自适应控制器。这种控制器能够在线自动调整参数,能对热工过程中的大惯性大迟延对象进行有效的控制。当对象参数变化或存在较大扰动的情况下,仍能保持很好的控制品质。该方法已被用于某电厂主汽压力控制系统。仿真结果表明:该算法具有良好的控制品质和很强的鲁棒性。

基于AGA的智能桁架结构模糊振动控制

应用一种根据适应度自动调整选择交叉概率和变异概率的自适应遗传算法(Adaptive Genetic Algorithm,简称AGA),来优化智能桁架结构模糊控制系统。首先,考虑到压电主动杆的机电耦合特性,建立系统的有限元动力方程;其次,以智能桁架结构的主动杆轴向位移差为优化目标,使用自适应遗传算法优化模糊控制规则,以增强智能桁架结构模糊控制器的振动控制效果;利用Matlab/Simulink建立空间智能桁架结构的仿真模型,对模糊规则优化前后的控制结果进行对比。仿真结果表明:使用自适应遗传算法优化后的模糊控制器,能够加快智能桁架振动衰减速度,并且有效消除模糊控制的稳态误差。

基于自适应遗传算法优化的模糊PID控制在实验轧机中的应用研究

轧机板厚控制系统是一个具有非线性和时变特性的复杂系统,采用普通PID控制往往难以取得满意的控制效果。针对Hille 100实验轧机,建立其简化的数学模型,并采用模糊PID控制策略对其进行控制。模糊控制规则是模糊PID控制器设计的关键,采用自适应遗传算法(AGA)对其进行优化。仿真结果表明:优化后的模糊PID控制器具有更好的动态响应特性,控制效果得到了进一步改善。

规则自适应模糊PID数字电压调节器设计

应用自适应模糊控制理论,结合航空电源发电机控制器系统的实际情况,设计了基于规则自适应模糊PID算法的数字电压调节器系统。介绍了系统的硬件组成和相应规则自适应模糊PID控制器算法的具体实现。该算法克服了不能建立精确的数学模型所带来的弊端,经过验证,该系统具有良好的稳定性和快速的跟踪性,具有一定的现实意义。

基于自适应神经模糊推理系统的连续搅拌反应釜系统的改进广义预测控制

连续搅拌反应釜(continuously stirred tank reactor,CSTR)是典型的非线性、大滞后的化工对象。为克服传统控制方法难以建立其机理模型的难点,基于对实际工业现场采集得到的大量输入输出数据,提出采用自适应神经模糊推理系统(adaptive-network-based fuzzy inference system, ANFIS)的方法,得到CSTR系统较理想的输入输出关系规则库,即CSTR系统的T-S模糊模型。最后,通过改进的广义预测控制(Jin’s generalized predictive control, JGPC)算法对CSTR系统的浓度进行控制,并与常规的广义预测控制(generalized predictive control,GPC)算法、比例-积分-微分(proportion integral differential,PID)控制算法进行对比,仿真结果显示,JGPC算法的控制效果优于GPC算法和PID控制算法,证明了方法的有效性。

基于数据学习逆模糊模型的自适应逆模糊控制

针对在逆模糊模型控制中出现的在线滚动数据窗口计算量大和控制模型精度低等问题,提出了基于数据逆模糊学习算法,并将该算法运用到建立逆模糊模型中。首先利用建模数据在时间与空间相邻的特点,从系统积累的数据中找出与当前模态相匹配的输入数据,在保证控制模型精度的同时大大减少了计算量,然后采用自适应算法在线调节系统模型参数,实现非线性系统的实时跟踪控制。该方法提高了系统控制精度与计算效率。仿真结果证明了该方法的有效性。

基于FGA的模糊规则自动生成

解决遗传算法优化自动生成的模糊规则时,可能存在局部解以及规则种群的收敛速率过慢等问题,该文提出了一种基于模糊遗传优化的模糊规则自动生成算法。该算法基于模糊逻辑,利用规则种群的收敛速率和多样性来自适应调整遗传算法的交叉率和变异率,从而实现遗传模糊系统的控制规则的自动生成。给出了控制系统的性能指标,以及如何设定遗传算法的适应度函数。最后通过仿真试验,验证了算法的可行性和有效性。