暖通空调系统的新型模糊自调节PID控制

针对暖通空调系统中由于存在高度非线性,外部扰动,多变量等因素而难以控制的现状,提出一种利用模糊控制器的解析表达式实时调节PID控制器各参数的新型模糊PID控制算法。闭环系统中的模糊模型在发挥控制作用的同时,作为调节器实现了对PID控制器各参数的在线自适应调节,并且给出了具体控制算法设计。仿真结果表明与传统PID控制器相比,这一新型模糊PID控制器具有超调量小,调节时间短,鲁棒性强等优良的控制性能。     

基于模糊神经网络的滑模变结构控制方法的研究与实现

针对交流传动不确定非线性复杂系统,结合滑模变结构和模糊神经网的优点,提出了一种模糊神经网络滑模变结构的跟踪控制方法.采用等值控制型切换超平面设计滑模变结构控制系统,使用模糊神经网络系统自适应调节切换增益,得到模糊神经网络滑模变结构模型跟踪控制器.仿真结果表明,所设计的控制器不但能使被控对象较好地跟踪参考模型,而且对系统的不确定性具有不变性,保证了被控系统在整个控制阶段都具有较强的鲁棒性.     

基于模糊变步长神经网络的自适应PID控制

本文针对具有非线性和不确定性的控制对象，提出了一种基于前向神经网络的自适应PID控制系统算法。并根据其特点，提出学习步长模糊校正的方案.这种控制系统综合了神经网络、模糊决策和PID控制的优点，易于实现，仿真结果表明该控制系统对非线性被控对象具有比较好的控制效果。     

基于模糊切换增益调节的汽车稳定性滑模控制

针对汽车稳定性控制系统,根据滑模控制原理并利用模糊系统的逼近能力,提出一种自适应模糊滑模控制方案。设计基于模糊逻辑的模糊控制器,通过隶属函数将滑模面切换函数模糊化,根据滑模到达条件对切换增益进行有效的估计和调整,再采用积分法求解模糊控制器的输出。仿真结果表明,模糊滑模变结构控制方法既能缩短响应时间,也能抑制系统颤振。     

基于温度系统的模糊自适应PID控制器的设计与仿真

针对温度系统这类非线性、大惯性对象,常规的PID控制难以发挥良好的作用,设计了一种基于模糊控制的自适应PID控制器,根据偏差和偏差变化的需要实时调整PID参数.通过仿真表明,该模糊PID控制器既具有常规PID控制器高精度的优点,又具有模糊控制器快速、适应性强的特点,并可以迅速消除系统余差.     

ģ������ӦPID����������ABS�еķ����о�

无论是经典还是现代控制理论,大多是建立在线性系统基础上,目前对非线性系统还没有比较成熟的理论.常规PID控制在对象变化时,控制器的参数不能自动修改适应.将模糊控制与PID控制相结合,利用模糊推理方法实现对PID参数的在线自整定,设计了一种模糊自适应PID控制器.在分析汽车模型的基础上,采用PID控制、模糊自适应PID控制两种方法,联合Simulink软件分别对汽车的防抱死制动系统（ABS）进行刹车运动仿真研究,极大地提高了模糊控制方法和PID控制算法的应用性能.结果表明,模糊自适应PID控制方法可以达到更好的制动效果,提高了系统的动态性能和安全性能.     

基于模糊自整定PID控制器的非线性系统仿真

将PID控制与Fuzzy控制的简便性、灵活性以及鲁棒性融为一体，构造了一个自适应模糊PID控制器．通过模糊控制规则在线调整PID控制器的参数，并利用MATLAB语言结合具体实例方便而快速地实现了该控制器的计算机仿真．仿真结果表明：该控制方法提高了非线性系统的动、静态特性，使系统获得了较好的性能．     

����GA¬¬-BP�ĸ��ٹ�·����ѵ�ģ������������о�

鉴于模糊神经网络具有良好的非线性特性、学习能力、自适应能力和抗干扰能力,本文将模糊神经网络技术引入到高速公路入口匝道控制中。提出一种基于GA和BP算法的模糊神经网络控制器,并对控制器进行了详细设计。设计过程主要分为三部分：输入输出参数的选择、模糊神经网络的结构设计以及基于GA-BP的学习算法设计。最后,使用MATLAB软件对其进行了仿真。仿真结果表明,本文提出的方法是有效的,较之基于BP的模糊神经网络控制和ALINEA控制,能更好地稳定主线交通流密度。     

船舶主机缸套冷却水温度灰色预测模糊PID控制

针对船舶主机缸套冷却水温度控制系统的大惯性、纯滞后和时变性特点,提出了将等维新息灰色预测控制与模糊自调节PID控制相结合的新型控制策略,这种控制器可根据系统预测误差和变化率自动调整控制器参数,使控制器对系统响应具有适应性.仿真结果表明:灰色预测模糊PID控制比常规的PID控制与模糊PID控制有更多的优越性,自适应能力强...     

吊舱推进电机的无模型自适应滑模矢量控制

为解决半潜船吊舱推进电机控制系统中负载扰动造成的转速跟踪性能差的问题, 提出一种基于数据驱动的吊舱推进电机转速矢量控制方法; 对包含未知负载扰动的推进电机转速方程进行离散化处理, 给出关于输出转速与输入电流离散后的非线性转速系统; 由于非线性转速系统方程中变量较多且负载扰动模型未知, 设计了基于数据驱动的无模型自适应控制器, 并给出了伪偏导数估计算法; 采用滑模观测器观测螺旋桨负载扰动, 同时给出了滑模控制器; 结合无模型自适应控制和滑模控制给出了负载扰动下的无模型自适应滑模(MFASM)控制方案; 构建了吊舱推进电机无模型自适应滑模矢量控制调速系统, 并在MATLAB/Simulink环境下给出了仿真结果。研究结果表明: 在船舶正常作业恒定转速下, 在0.3~0.5 s时间区域内, 采用MFASM矢量控制方案和PI矢量控制方案的吊舱推进电机的转速误差分别为2、6 r·min-1; 在0.8~1.0 s时间区域内, 采用无模型自适应滑模矢量控制方案和PI矢量控制方案的吊舱推进电机的转速误差分别1、3 r·min-1; 对于船舶操车作业的可变转速情形, 采用MFASM矢量控制方案的推进电机转速和转矩达到稳态的时间比PI矢量控制方案少0.01~0.03 s。可以看出, 采用MFASM矢量控制方案可改善吊舱推进电机转速跟踪性能, 是一种有效的抑制负载扰动的数据驱动控制方法。      

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。     

基于反馈线性化的船舶航向保持模糊自适应控制

针对诺宾（Norbin）非线性船舶模型,基于反馈线性化方法和由径向基函数（RBF）神经网络构建的模糊系统的逼近能力,提出了基于反馈线性化的船舶航向保持模糊自适应控制算法。运用泰勒级数展开的线性化技术,使模糊系统的所有参数均可实时调节,引入了鲁棒控制消除模糊逼近系统带来的误差,在李雅普诺夫稳定性理论的基础上导出了自适应控制率。该算法可以确保闭环系统渐近稳定,使系统的模型跟踪误差为0,优于传统的PID控制策略,具有良好的自适应能力。     

基于神经网络的多变量模糊自整定PID控制器

针对脉冲ＴＩＧ焊动态过程控制提出了一种基于ＢＰ神经网络的多变量模糊自整定ＰＩＤ控制器。该控制器利用神经网络在线学习具有多变量耦合，非线性及不确定性的复杂的焊接动态过程的控制规则，实现ＰＩＤ参数的自动整定。仿真实验结果表明该控制器不仅具有模糊控制的简单，有效的非线性控制作用。还具备了神经网络的学习与适应能力，以及ＰＩＤ控制的普遍适用性。     

基于递归神经网络的预测模糊控制

为提高控制信息与实时状态的适应性，改善模糊控制品质，用传统模糊控制策略，根据当前时刻误差和预测误差变化值，预测下一时刻的控制输出和系统在未来时刻的误差,用递归神经网络预报系统未来输出值的功能，采用双系统交替控制模式．系统中包含1个模糊控制器和1个递归神经网络，一个工作，另一个学习，使控制系统具有自适应性．仿真结果表明，与常规模糊控制相比，预测模糊控制使超调减小，调节时间缩短．     

船舶主机缸套冷却水温度灰色预测模糊PID控制

针对船舶主机缸套冷却水温度控制系统的大惯性、纯滞后和时变性特点,提出了将等维新息灰色预测控制与模糊自调节PID控制相结合的新型控制策略,这种控制器可根据系统预测误差和变化率自动调整控制器参数,使控制器对系统响应具有适应性。仿真结果表明:灰色预测模糊PID控制比常规的PID控制与模糊PID控制有更多的优越性,自适应能力强,超调适中,具有更好的动、静态特性。     

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.     

����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。     

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.