一种神经网络自适应PID控制器

采用神经网络与模糊逻辑相结合的方式，构造了一种自适应ＰＩＤ控制器。该控制器用具有改进学习算法的神经网络作ＰＩＤ参数调节器，用模糊神经网络对被控对象进行模型辨识，综合了神经网络，模糊控制和ＰＩＤ控制的优点。结构简单，易于实现，且适应环境能力强。     

SCLD板模态控制模型及振动控制

为有效抑制薄板在外界激励下的低频振动,对机敏约束层阻尼(SCLD)结构进行了主动振动控制研究.首先,考虑了黏弹性材料随温度与频率变化的阻尼特性,结合GHM阻尼模型建立了耦合系统有限元动力学分析模型;其次,考虑到结构动力学模型自由度庞大,采用物理坐标下自由度动力缩聚和状态方程下复模态截断进行了两次降阶,并通过复模态空间向实模态空间转换,得到了低维实模态控制模型;最后,通过模态实验验证了理论模型,并基于低阶控制模型设计了振动控制器,证明了研究方法的正确性.研究结果表明,采用本文的组合降阶方法可以有效地对SCLD结构进行降阶,对模态控制模型主动控制取得了良好控制效果:在单位阶跃激励下,振动响应衰减时间从0.20 s缩短为0.08 s;在随机白噪声激励作用下,振动响应均方根值降低了39.65%.      

基于模糊线性模型的舵减横摇广义预测控制

舵减摇技术是一项新的减摇技术,通常其控制器设计所用的舰船模型为通用线性模型,对实际上为非线性被控对象的控制性能要下降.文中依据非线性舰船模型,应用模糊神经网络简化出适应于舵减横摇控制器设计的模糊线性模型,并设计了广义预测控制器.在典型航行工况下进行系统仿真.仿真结果表明,针对模糊线性模型和通用线性模型,用同一种方法与参数设计的2个控制器,前者的减摇率可达到40.70%,要高于后者的25.38%.仿真证明了模糊线性模型的可用性.     

一种基于PID论域自调整的模糊控制方法

针对以误差、误差的微分和误差的积分组成的线性函数作为输入的模糊控制器存在着模糊推理机规则数取决于单变量的简单划分和控制器设计的自由度减小等因素，在规则不变的情况下，采用了控制器的论域随输入的变化而自调整的策略．对大时延被控对象的数值仿真和误差泛函积分评价指标表明，所提出的论域自调整的模糊控制器比现有控制器具有更好的动静态性能．     

变论域的进化模糊控制器

设计了一种新型模糊控制器－进化模糊控制器,其规则库由整数编码遗传算法在线调整．提出了自适应模糊控制新的调整因素：论域．仿真结果验证了设计的合理性与有效性。     

适用于非线性对象的神经元非模型控制方法

改进了神经控制器的输入信号处理函数，设计出一种非线性转换器，能有效提高神经元非模型控制器对非线性对象的适应能力。仿真试验表明，新的神经元控制器能有效地克服非线性的不利影响，具有响应快速和强鲁棒性，对过程参数的变化和负荷干扰都有较好的自适应能力。同时该控制器保留了简单，实用，无需对象模型等优点，能方便地应有竽具有非线性的工业过程控制。     

基于路面识别的主动馈能悬架多目标控制与优化

针对主动悬架减振性能和馈能特性在不同等级路面适应性较差的问题,建立了非线性电磁主动悬架模型; 考虑车辆在行驶过程中悬架簧上质量存在不确定性,提出了一种主动悬架自适应滑模控制器; 基于不同路面下悬架动力学响应数据,采用自适应模糊神经网络算法识别路面等级,确定控制器目标系数,实现了主动悬架安全性和舒适性之间的协调; 研究了电磁主动悬架馈能特性及其切换控制策略,在此基础上,考虑电磁主动悬架安全性、舒适性和节能性的矛盾关系,采用多目标粒子群优化(MOPSO),以悬架动力学性能和馈能特性为设计目标综合优化控制器和悬架结构参数,并通过模糊集理论对多目标优化后的Pareto解集进行最优解选取。研究结果表明:模糊神经网络对不同等级路面下非线性电磁主动悬架的最大识别误差能够控制在10%以内,满足识别准确性要求; 在C级路面条件下,优化后的主动悬架与传统被动悬架相比,簧上质量振动加速度减小了35.3%,轮胎动行程增大了7.7%,但可以控制在10%的安全范围内; 与原主动悬架相比,优化后悬架簧上质量振动加速度减小了10.5%,馈能效率增大了1.7%,优化后自适应滑模控制器能够更好地协调悬架馈能特性和减振特性; 建立的非线性电磁主动悬架模型可实现不同路面等级下悬架系统安全性、舒适性和节能性的综合最优。      

基于参数自整定模糊PID的船舶控制

针对船舶操纵过程存在非线性、慢时变特性，设计一种参数自整定模糊PID控制器，可以在线实现PID参数的调整，使控制系统的响应速度快，超调量减少，过渡过程时间大大缩短，振荡次数少，具有较强的鲁棒性和稳定性。     

基于SIMULINK的电压源驱动异步电机矢量控制系统仿真

异步电机是一个多变量、强耦合、非线性的控制对象．文中介绍了电压源驱动异步电机矢量控制系统建立控制器和异步电机数学模型的方法，并对该矢量控制系统的多元微分方程组不通过拉氏变换，直接构造仿真模型，分别对控制器和异步电机建立SIMULINK仿真模型，采用基于SIMULlNK可视化动态仿真平台的电压源驱动异步电机矢量控制系统仿真技术，对该控制系统进行速度和负载转矩动态特性研究，给出了该控制系统动态仿真结果．     

一种基于模糊逻辑的城市交叉口交通信号控制方法

提出了一种基于模糊逻辑的城市交叉口交通信号控制方法,此方法不需要建立复杂的交通模型,可以有效地解决交通信号控制过程中复杂和随随机难题,同时应用加权系数的遗传算法对模糊逻辑控制器的参数进行了优化,仿真结果表明模糊逻辑控制可以成功地应用于城市交叉口交通令号控制中。     

公路隧道通风系统的前馈式智能模糊控制

将模糊逻辑应用于长大公路隧道通风系统的前馈式控制中，以有效地节约电能，解决传统控制法中存在的时滞性和风机启动频繁等问题．介绍了前馈式智能模糊控制系统的构成，对模糊控制器（FLC）进行了详细设计，并对前馈式智能模糊控制系统进行了仿真测试．测试结果表明，与普通后馈控制法相比，在相同条件下该系统可以降低能源消耗，延长风机使用寿命．     

基于模糊控制的电动汽车起停控制系统研究

利用车间时距的方法确定安全车距,设计一种基于双模模糊控制的起停控制系统车距控制器,并对模糊控制器的权值分配进行了分析.仿真结果表明,双模模糊控制器能高效地控制车距,使车辆大部分时间平稳地运行于高权值的细调模糊控制器中.最后通过实车试验验证了该起停控制系统的有效性.     

Iterative Learning Based Adaptive Traffic Signal Control

Iterative learning control (ILC), as a branch of data-driven control, has obtained plentiful achievements both in theoretical research and practical application over the past two decades. Taking the traffic signal control system as a plant system, the paper introduces the idea of the ILC and fuzzy logic to design an adaptive data-driven traffic signal controller to improve the capacity of the intersection. The key rule of the signal control logic is described by fuzzy iterative theory, and the control strategy can adapt itself to the changing of traffic flow by iterative learning and handle the uncertainty and randomness in traffic system by fuzzy logic, so as to avoid the modeling of complex transport system and take advantages of data-driven on non-model control. Finally, the proposed method is testified to be applicable and effective based on the simulation results by VISSIM. The simulation result indicates that the effect of the proposed method is more effective than the fixed and actuated control approaches.     

һ�ֻ��ڵ���ѧϰ������Ӧ��ͨ�źſ��Ʒ���

迭代学习控制作为数据驱动控制的一个分支,经历二十多年的发展,无论在理论研究,还是在实际应用上都取得了丰硕成果. 本文以交通信号系统为被控对象,利用迭代学习控制和模糊理论的核心思想,设计基于数据驱动的信号交叉口自适应控制器,使交叉口的通行能力得到显著提升. 信号控制的关键规则采用模糊迭代理论,通过迭代学习使得信号控制策略适应交通流的不断变化,通过模糊理论处理交通系统中的不确定性和随机性,从而避免对复杂交通系统的建模,发挥了数据驱动的无模型控制优势. 最后,使用基于VISSIM的仿真平台对算法的有效性和实用性进行验证. 仿真结果表明,基于迭代学习自适应交通信号控制方法的控制效果优于定时控制和感应控制.     

一种基于迭代学习的自适应交通信号控制方法

迭代学习控制作为数据驱动控制的一个分支,经历二十多年的发展,无论在理论研究,还是在实际应用上都取得了丰硕成果. 本文以交通信号系统为被控对象,利用迭代学习控制和模糊理论的核心思想,设计基于数据驱动的信号交叉口自适应控制器,使交叉口的通行能力得到显著提升. 信号控制的关键规则采用模糊迭代理论,通过迭代学习使得信号控制策略适应交通流的不断变化,通过模糊理论处理交通系统中的不确定性和随机性,从而避免对复杂交通系统的建模,发挥了数据驱动的无模型控制优势. 最后,使用基于VISSIM的仿真平台对算法的有效性和实用性进行验证. 仿真结果表明,基于迭代学习自适应交通信号控制方法的控制效果优于定时控制和感应控制.     

自动寻迹运输车舵轮模糊PID控制器的设计与仿真

建立了自动寻迹运输车舵轮控制系统的数学模型,设计了一种基于模糊PID控制的运输车方向控制系统。文中较详细地分析了控制系统数学模型的简化、模糊PID控制器的设计过程以及加模糊PID算法后系统的阶跃响应,同时对加控制算法前后系统的阶跃响应进行了对比仿真研究。仿真结果表明,加入模糊PID算法后系统的稳定性和快速性等动态性能得到了较好地改善。将仿真得到的数据应用到样机的试验中,发现该运输小车的方向控制系统能很好地满足其在前进过程中对方向调节的快速响应,样机系统具有较好的动态性能。     

非线性不确定系统的无撞击切换双重控制

对于具有非线性、时变特性和纯滞后等特点的不确定系统,传统的PID控制和单纯的模糊控制都难以达到所期望的效果.无撞击切换模糊PID双重控制吸取了两者的优点,减少了模型切换时所产生的跳跃,既不依赖于对象精确的数学模型,又具有鲁棒性较强等优点.仿真结果表明,采用无撞击切换模糊PID双重控制保证了系统的快速和稳态性能好.     

非线性系统的智能容错控制

本文提出一种针对非线性系统问题的智能容错控制方案,该方案基于自适应模糊逻辑系统的学习方法,论述了控制器作为一个扩充的体系,集成了自适应模糊控制器、检测控制器及调节控制器三者的功能。仿真表明,所提出的控制方案能够有效的鉴别和适应非线性未知错误,且被控系统在不确定及产生错误时具有很好的稳定性和鲁棒性。     

����ģ���߼��Ľ�ͨ�źſ��Ʒ�����������ɳ�ذ�������Ӧ��ǰ��

模糊控制器的应用于1977年首次在文献中提出,其中指出对于有简单绿灯延时控制的单车道交叉口,模糊控制器比车辆感应式控制器更具优势。此后,模糊控制器有了进一步发展,关于交通信号控制的模糊逻辑方法的研究也进一步深入,该方法被陆续应用于无转向车流的双车道交叉口、无限制的单车道交叉口、多交叉口、相位顺序和相位时长控制、拥挤交叉口和路网等等,尤其在高负荷和不均衡交通流条件下表现出优于传统交通信号控制方法的特性。模糊逻辑方法可以改善自适应交通信号控制,改变自适应控制器和TMS的整个决策过程,很大程度上改善未来的交通需求管理方法,然而这类交通信号控制和交通需求管理方法的实际应用并不多见。在诸如沙特阿拉伯这样的发展中国家,学者应根据本国的特有情况研究基于模糊逻辑的交通信号控制与TMS的发展潜力,从而减少拥挤导致的各种损失。