陈学军[1]2005年在《基于TS模糊模型的二级倒立摆系统仿真研究》文中进行了进一步梳理针对复杂非线性系统的表达和控制问题一直是控制理论界的难题之一。作为一种表述方法和控制手段,模糊逻辑理论得到了大家的共同关注。本文介绍了基于Takagi—Sugeno(TS)模糊模型的非线性系统建模和控制器设计的理论。首先介绍了各种形式的TS模型以及它们对任意连续函数的逼近特性,其逼近特性决定了其能以任意精度近似任意实际非线性系统。然后介绍了如何使用模糊聚类算法和等价的前馈神经网络从样本数据中辨识离散的TS模型。在辨识的基础上,对一阶TS模型采用Sugeno型控制器,基于闭环系统的稳定性给出了通用的控制器的设计方法;对状态方程TS模型,采用并行分散补偿(PDC)技术,得出了闭环系统稳定的充分条件,并详述了这方面的研究进展,如放宽的稳定性充分条件和基于其上的性能满足最低衰减率的控制器设计。在考虑参数摄动的情况下,还给出了同时满足最低性能要求和一定鲁棒性的保性能控制器的设计方法。TS模型还可以应用到预测控制中去,文中给出了具体的基于TS模型的预测控制算法的实现。最后对二级倒立摆的仿真演示了模糊建模的效果和各种控制器的性能。
邢宗义[2]2003年在《复杂工业过程的模糊建模与控制》文中研究说明随着科学技术和生产力的不断发展，在实际工业过程中受控对象越来越复杂，表现为如下一些特征：多输入多输出、时变性、耦合、时滞、非线性、不确定性、信息量少、高性能指标等。诸如此类的复杂系统，由于无法建立系统的精确数学模型，从而使得传统控制理论很难给出一个较好的控制效果，甚至不能控制。本文从建模与控制的角度出发，对模糊理论在复杂工业过程控制中的应用进行了研究，主要内容有： (1)研究了基于改进聚类算法的模糊建模方法：提出了模糊模型的精确性和可解释性并重的概念，并对可解释性进行了阐述。定义了一种用于实现模糊模型的变量选择和排序的变量选择标准函数。定义了一种同时考虑了模糊模型的精确性和可解释性的模糊模型目标函数，用于确定模型结构。根据模糊建模的实际需要，提出了一种改进的模糊聚类算法，并结合最小二乘和L-M优化算法，给出了模糊建模的具体实现方法。 (2)研究了基于T-S模糊状态空间模型的模糊系统稳定性分析和控制器设计方法：给出了并行分布补偿的原理，结合线性控制器设计方法(以极点置为例)实现了模糊系统的稳定性分析与控制器设计。针对稳定性分析中公共正定矩阵P难以确定的难题，引入了LMI方法，借助于成熟的数学工具，不仅解决了确定公共正定矩阵P的问题，而且建立了基于LMI方法的稳定性分析和控制器设计的理论方法。 (3)研究了基于T-S模糊状态空间模型的非线性模糊预测控制方法：利用T-S模糊建模方法，将非线性系统等价为线性时变系统，然后利用线性系统预测控制方法来实现非线性系统的控制。在预测时域内采用了多个线性模型作为预测模型，更真实的反映了系统实际状况，减小了预测误差。将非线性系统预测控制的目标函数转化为线性二次规划问题，避免了非线性规划巨大的计算量。采用了状态空间模型形式表达非线性系统，可以更方便直观的处理多变量系统。 (4)给出了玻璃熔窑生产线自动控制的软硬件具体实现。针对玻璃熔窑温度系统的模糊建模与控制问题，采用基于改进聚类算法的模糊建模方法和 铁道科学研究院博士学位论文 基于TS模糊状态空间模型的非线性模糊预测控制方法，对其进行了模 糊建模与模糊控制，仿真结果表明了上述算法的有效性。
田永青[3]2000年在《模糊控制系统的结构化分析》文中进行了进一步梳理近年来，虽然以模糊控制、神经网络控制、知识基专家控制等软计算技术为代表的智能控制理论方法及其综合集成为解决具有不确定性（包括结构不确定性和参数不确定性）、时变非线性以及多变量等特性的复杂难建模系统的控制问题提供了一条有效的途径，但目前尚缺乏通用的分析和设计智能控制系统的有效工具。本文借鉴传统控制理论（包括经典控制理论和现代控制理论）和神经网络等智能控制技术着重研究智能控制系统的一个重要分支—模糊控制系统的系统化设计理论。 模糊控制经过叁十多年来的发展，取得了不少理论和应用上的研究成果，但许多基本问题尚需进一步研究与探讨。系统化设计是模糊控制系统的一个重要问题。由于模糊控制是基于语言变量和模糊推理的本质非线性控制，因此难于建立其系统化设计的一般方法。而且模糊控制应用的场合大多是没有被控对象精确数学模型的情况，这就更增加了其系统化设计的难度。本文针对这些问题，利用传统控制理论和神经网络等软计算技术，对模糊控制器的参数设计、TS模型的本质性研究和利用模糊控制与神经网络相结合对TS模型的参数进行辨识等问题进行了深入的研究，全文共分为六章，主要内容和结论如下： 第一章简要回顾了智能控制的基本理论和基本方法，并对智能控制的叁个重要分支：模糊控制、神经网络控制和基于知识的专家系统进行了评述，尤其对模糊控制进行了详细的叙述，详细地介绍了模糊控制的优缺点和分类以及它们的描述。 第二章对TS型模糊系统的建模和控制问题提出了新的方法，尤其对它的辨识问题进行了详细地研究。 第叁章针对传统的TS型模糊控制器需要辨识的参数太多辨识参数问题，引入一种简化TS型模糊控制器，这样将大大地减少参数数目，并从本质上对其进行了研究，如果采用叁个输入量，可知这种控制器是一种非线性的变参数的PID的控制器，并且其参数的特性受模糊模型参数的影响，合理地选择TS的参数，可以使控制器具有优越的特性。 第四章推导了两输入一输出的典型模糊控制器输出解析式并对最常用的输 河北工业大学硕士研究生学位论文一入变量各取五个模糊数的情况进行了详细分析。在此基础上提出了一种模糊控制系统的系统化设计方法，可根据以有的PI／PD控制器参数设计相应的模糊控制器参数。 第五章提出一种基于简化的TS型模糊推理混合神经网络算法。根据反向｛p－－播原理，我们能够辨识简化的TS型模糊控制器的参数。并且由于是简化的T；模糊推理，所以计算负担也将大大地减少。 第六章针对一类非线性系统，利用模糊推理系统对非线性函数的逼近能力，导出了基于 Lyapunov稳定性理论的自适应控制器，不但能够解诀这类非线性系统的跟踪问题，而且保证了闭环系统的稳定性。仿真结果表明了这一算法的有效性。 第七章总结全文，给出了本文的主要结论和需进一步研究的问题和方向。 模糊控制系统的系统化设计的研究刚刚开始，许多问题尚待进一步探讨，模糊控制系统化设计理论的深入研究必将极大地丰富和发展二十一世纪自动化控制科学的核心一智能控制技术。
原抓纲[4]2005年在《模糊控制系统的新型非线性反馈控制器研究》文中指出本文首先介绍了模糊控制理论和非线性控制理论的发展状况,然后提出了作者自己对课题的理解,并提出作者研究的基本思路:结合矩阵论知识,使用模糊控制方法,解决非线性问题。 本文对TS模糊模型进行了认真的探索,发现基于此模型的反馈控制器设计全都局限于P状态反馈控制,作者首次对基于TS模糊模型的系统进行了PD状态反馈控制问题的研究,提出了具体的设计方法,并给出了保证设计完成后整个系统稳定的一组充分条件。最后给出了对于一个非线性质量—弹簧—阻尼器系统的应用实例.
郭垒[5]2005年在《一类时滞非线性系统的自适应模糊控制》文中指出传统控制理论发展到今天已非常成熟。然而,随着控制要求的不断提高,在一些复杂控制过程中,却遇到了越来越多传统控制理论无法解决的问题。这些复杂系统往往具有如下的特点:高度的非线性,复杂的任务要求,各种不确定性等,使得难以建立精确的数学模型。虽然常规自适应控制技术可以解决一些问题,但范围是有限的。正是由于以上的原因,基于模糊理论的模糊控制产生了。然而,普通的模糊控制并不具有适应过程持续变化的能力。这是因为在采用启发式规则实现的模糊控制,只能使模糊控制器限于在操作者富于经验的情况下应用。为了克服这种局限性,就必须使模糊控制器具有自适应和自学习的能力。 本文主要对一类非线性时滞系统利用自适应模糊控制进行了研究。文章首先介绍了有关模糊控制及自适应模糊控制的一些产生与发展概况。然后系统的讲解了自适应模糊控制的基础知识及其相关理论。在此基础之上,采用TS模糊模型对一类非线性时滞系统进行建模。由于TS型模糊推理模型的结论部分用线性局域方程取代了一般推理过程中的模糊集合,当采用最大值反模糊化或中心值反模糊化时,结论输出为常数,所以TS模型可用少量的模糊规则生成较复杂的非线性函数,这在处理多变量系统时能有效地减少模糊规则的个数,因而产生巨大的优越性。首先,文章对一类时滞非线性系统建立的TS模型。然后估计得出相同结构具有未知参数的估计模型,通过相减做差得出了等价的误差模型。为使误差能够渐近收敛为零,文章先利用Lypunov第二稳定性定理构造稳定矩阵,然后设计Lypunov函数。为保证Lypunov函数求导小于零,文章对估计模型的未知参数进行了设计,从中得出自适应律,保证了估计模型的状态渐进跟踪上原模型的状态。全文的最后展望了自适应模糊系统理论的发展前景以及作者在以后的工作中需要学习和努力的方向。
吕彬[6]2015年在《基于T-S模糊模型的强流电子枪建模与控制算法研究》文中研究说明随着辐照加工技术的应用和发展,电子辐照加速器作为辐照加工的主要射线源日益为人们所重视,辐照加工产品也已深入到人们生活的很多领域。辐照行业的迅速发展,不断推动着辐照加速器的制造技术和整机性能的提高。本文针对电子辐照加速器的电子枪控制系统,在Takagi-Sugeno(T-S)模糊控制理论的基础上,进行了电子枪束流特性建模和束流稳定及跟踪控制的研究。电子枪控制系统的性能对整个加速器系统的束流品质起着重要的作用,因此电子枪控制技术的研究有助于提高加速器束流的稳定性并对整个加速器控制系统的性能和运行可靠性有着重要的影响。本文从建模和控制的角度出发,对T-S模糊控制理论在LaB_6强流电子枪束流控制过程中的应用进行了研究,主要内容有:(1)研究了基于T-S模糊模型的非线性系统的离线辨识算法:提出了一种基于量子微分进化和遗传算法的混合优化算法(Hybrid quantum differential evolution,HQDE),该方法采用量子比特编码来表达待优化参数的染色体串,并借鉴了微分进化和遗传算法中的操作算子实现对染色体状态的更新;并结合模糊C均值聚类算法和递推最小二乘算法,给出了模糊建模的具体实现方法;讨论了建模过程中的精确度和快速性问题。在上述研究的基础上,实现了LaB_6强流电子枪束流特性的T-S建模,经辨识得到的离散T-S模糊模型能够很好地描述非线性系统的动态特性。(2)研究了基于离散T-S状态空间方程的模糊系统稳定性分析和控制器设计方法:给出了通过并行分布补偿原理(Parallel Distributed Compensation,PDC),结合线性控制器设计方法设计T-S模糊控制器并利用Lyapunov稳定性定理来解决模糊系统全局稳定性的理论推导过程;在模糊控制系统参数求解过程中,引入了线性矩阵不等式(Linear matrix inequality,LMI)方法,将T-S模糊系统稳定性分析和控制器的设计问题转化成了一组线性矩阵不等式求解的数学问题。借助于成熟的数学工具,可以极大地简化现代控制理论算法过于复杂的问题,为T-S模糊控制理论在实际过程控制中的实现提供了解决方法。(3)研究了基于离散T-S模糊模型的跟踪控制器设计问题:针对实际应用中的跟踪问题,在给定离散T-S模糊模型的基础上,通过在控制系统中引入积分器的方式,使得稳定时的系统输出能够跟踪外界参考输入;再根据离散T-S模糊系统稳定性分析和控制器设计方法来求解此跟踪控制器参数。利用此方法设计了LaB_6强流电子枪的T-S模糊跟踪控制系统,该控制器能够实现束流的跟踪控制。(4)研究了基于离散T-S模糊模型的H∞鲁棒跟踪控制器设计问题:此方案考虑了含外部干扰和噪声的T-S模糊系统的跟踪控制问题,使得系统具有给定的H∞跟踪控制性能;针对状态变量不可直接测量的情况,给出了一种带有模糊观测器的H∞鲁棒跟踪控制器的设计方法。根据此方法得到了LaB_6强流电子枪的H∞鲁棒跟踪控制器,该控制器在存在干扰和噪声的情况下仍可以跟踪参考信号。(5)在仿真验证的基础上,我们搭建了T-S模糊控制系统模拟平台,通过实验平台对T-S模糊跟踪控制系统的性能进行了测试。整个控制系统是在计算机的MATLAB环境下实现的,实验结果表明该控制系统具有良好的跟踪性能。因此,基于T-S模糊模型的强流电子枪控制方案是可行的、有效的。
吕燕[7]2013年在《基于动态PLS方法的建模及预测控制器设计》文中认为随着现代工业的快速发展,工业的生产规模越来越大,生产工艺以及生产流程变得越来越复杂,这对传统的机理建模与控制策略提出了重大的挑战,基于数据驱动的方法越来越受到工业界和学术界的重视。基于PLS的数据驱动控制方法由于其自身的优点已经广泛的应用到各个领域中,然而在实际的工业过程中仍存在其他不足,例如PLS非线性动态特性的拟合、PLS控制方法中隐变量约束耦合等问题。本文针对复杂化工过程中存在的强耦合、约束、非线性等问题,结合PLS去噪、降维、消除共线性、自解耦等特点,提出了基于动态PLS建模方法的多回路预测控制策略。在技术路线上,从线性无约束的控制器到有约束的控制器设计,随后进一步将算法推广到非线性系统建模及控制方法的研究中,最后对非线性系统在线建模与控制问题进行研究。主要的研究内容包括：(1)针对大滞后多变量系统的控制问题,本文第二章结合Kaspar等学者提出的PLS控制框架,提出了隐变量的动态PLS建模方法及PID控制框架。针对铝合金MIG焊接过程中存在的强耦合、难建模等特点,本文利用动态PLS框架的解耦特性,将其用于焊接过程中系统的建模以及控制器的设计中,通过该算法将原多变量系统的控制器设计问题转化成为多个单变量控制回路的控制器设计问题,在各个隐变量控制回路中进行独立PID控制器设计,通过仿真验证该方法的有效性。(2)过程受到装置、环境等外在条件和内部特性引起的过程变量和控制变量的约束,对基于数据驱动的控制器的设计提出了较高的控制要求。本文第叁章,提出了一种将空间投影方法(DyPLS)与迭代方法相结合的约束处理方法；并采用约束模型预测控制策略,对建立的模型进行控制器设计仿真验证。结果表明这种约束迭代算法在约束存在和极点漂移的情况下都能达到理想的控制效果。(3)非线性特性是困扰工业过程建模与控制的一个难题,同时非线性特性却具有普遍性。对多变量系统的非线性特性的建模就变得更加困难,模糊模型特别是TS模型为解决非线性问题提供了一种有效途径,通过将模糊方法与PLS方法相结合,将多变量的动态非线性建模问题转变为多个单输入单输出的动态非线性建模问题,从而建立描述过程非线性动态特性的动态模糊PLS模型。在此基础上,进一步研究解决约束工况下的控制问题,引入了模糊预测函数控制方法。在pH中和滴定过程中,验证了模糊预测函数控制方法的控制性能。(4)过程受到工况变化、设备、催化剂等变化而使原始模型与当前对象产生较大偏差,这对基于模型的控制器的性能产生较大影响,甚至引起整个系统的不稳定。所以,本文在第五章中,提出了一种将WPLS方法与递推TS建模方法相结合的非线性递推模糊PLS模型更新方法。这种自适应算法在增益变化的情况下能较好的更新模型参数,实现模型与过程匹配。在此基础上,引入预测函数控制器,并在pH中和滴定中验证了该算法。
刘小雍[8]2015年在《基于SVR的非机理模型建模研究及故障预测》文中提出建模是分析问题和解决问题的一种重要手段,无论是在纯科学还是在实际应用工程领域都有着广泛的应用,同时也是人们进行故障诊断、故障预报以及了解、重构、改造和控制所关注对象的有效方法。考虑到在实际应用中,被研究对象的复杂特性很难用机理的方式对其进行建模,因此,基于数据的非机理模型建模成为研究的热点。作为统计学习理论的支持向量机(support vector machinc,SVM),通过引入结构风险最小化准则来刻画过拟合与泛化性能之间的关系,从而找到能够在最小化经验风险和模型复杂度之间的最佳平衡点。SVM在回归和函数估计上的应用,被称为支持向量回归(SVR)。本文以SVR为主线,在基于数据的条件下对两种相对应的非机理模型,即确定性模型和非确定性模型建模分别进行了研究,其中非确定性模型以区间川归模型的形式来描述,最后将其研究应用到了故障检测和故障预测。本文的研究工作可归结为如下儿个内容：针对TS模糊模型的后件参数辨识,提出了一种基于最小二乘支持向量回归(LSSVR)的结构风险分解来建立新的代价函数,该代价函数不是传统意义上以经验风险最小化来求解参数,例如有最小二乘算法或它的变体、卡尔曼滤波算法、局部最优EM算法等,而是同时考虑到如何控制模型结构复杂性以及经验风险又要最小,来取其折中。然后,以该代价函数作为优化目标,TS模糊模型为约束条件,通过引入拉格朗日方法对其求解,最终得到模型的后件参数。在建立LSSVR的过程中,除了通过训练得到最终的模型参数(支持值参数)外,其较好的泛化性能还与模型的自由参数(即超参数)的选择存在很大关系,所以该部分提出了基于无迹卡尔曼滤波(UKF)方法来实现LSSVR的超参数在线更新,极大的削弱了传统超参数优化方法对训练数据集大小的要求,而且在优化过程中避免了较大的计算量和不利于自由参数的实时更新。针对LSSVR,通常被称为全局LSSVR,不具有局部解释能力以及局部建模方法会存在边界效应的问题,即对处在边界上的数据在建模过程中存在较大的偏差和计算时间。基于此,该部分结合TS模糊模型的局部划分原理,研究带模糊划分的模糊加权平均LSSVR用于非线性系统建模,克服了局部建模方法对处在边界上的数据所引起的边界效应。与前面确定性模型建模相对应,这部分内容提出非确定性模型建模的研究,这里提到的非确定性将通过区间回归模型来定义。因此,该部分研究了关于逼近误差上界的L∞范数和l1范数最小化的LP-SVR区间回归模型建模。由于模型结构在建模过程中尤为重要,所以将SVR所具有的结构风险最小化融合到区间回归模型,将基于二次规划求解的SVR问题转化为较简单的线性规划,紧接着,关于上界逼近误差的两种范数分别综合到LP-SVR得到新的线性规划问题,对其求解得到区间回归模型。提出的方法不仅可以处理非对称的区间回归模型,而且URM与LRM被独立求解,得到的间回归模型结构复杂性在满足建模性能的同时也得到很好控制。结合前面两种非机理模型建模的研究,我们分别将其应用于故障检测和故障预测。对于故障检测,提出了通过在无故障情况下的数据,建立系统无故障的自适应阂值模型(用区间回归模型描述)来作为故障发生的判断,结果表明通过提出的方法可以较好的克服在一些故障检测过程中存在较大时间滞后的问题,从而得到较好的检测效果。此外,如何评估被研究对象的当前状态,以及对系统未来状态进行预测并作判断,即故障预测,该部分提出了基于LSSVR与LP-SVR区间模型相结合的故障预测方法。为了能对基于LSSVR的预测模型进行实时更新,同时又能减少更新算法的计算量,提出了UKF以及带滑动窗口的方法来实现预测模型的更新;对于故障预测,其多步预测值的判断仍是通过自适应阈值模型来实现的。最后,对全文的工作进行了总结,给出有待进一步研究的课题和今后工作的重点。
王晓飞[9]2007年在《二连杆欠驱动机器人建模及其智能控制研究》文中进行了进一步梳理二连杆欠驱动机器人(Pendubot)是一种典型的欠驱动系统,它在非线性控制和机器人领域具有重要的研究价值。由于该对象具有本质的非线性,对其控制问题的研究具有重要意义。不基于模型的模糊控制是一种有效的方法。本文介绍了Pendubot的国内外研究现状,利用拉格朗日方程对Pendubot进行了动力学建模,设计了仿真模型,并从系统运动行为和能量行为两方面验证了模型的正确性。为了便于控制,将Pendubot的运动空间划分为摇起区和平衡区。在摇起区,采用了基于能量泵入的摇起控制策略,设计了两个李雅普诺夫函数保证了在摇起过程中能量不断增加,同时调整了摇起过程接近完成时第二杆的位姿,在此基础上设计了基于能量泵入的模糊控制器,并通过仿真验证了摇起控制的可行性。在平衡区,采用高木杉野模糊模型(TS模糊模型)设计了基于单一前提变量的平衡控制器,对TS模型中的结论参数进行了辨识,该控制器是由四个单输入单输出的TS模糊控制器构成,从而简化了模糊控制器的设计,接着对该控制器的鲁棒性进行了了验证。通过仿真试验我们得出该控制器与传统控制理论相比具有吸引域较大,鲁棒性强的优点。为了使Pendubot能够顺利进入平衡区,本文优化了摇起控制,设计了切换控制器,对Pendubot摇起平衡控制进行了全过程仿真,验证了控制策略的可行性。
赖旭芝[10]2001年在《一类非完整欠驱动机械系统的智能控制》文中研究说明非完整欠驱动机械系统的控制是目前非线性控制的一个重要领域。本论文以欠驱动体操机器人Acrobot为对象，研究非完整欠驱动机械系统的智能控制。Acrobot是一个在垂直平面上运动的两杆机器人，有两个自由度但只有一个驱动器，它的控制目标是从垂直向下稳定平衡点摇起到垂直向上不稳定平衡点，并平衡在这个不稳定平衡点上。本论文针对Acrobot控制中存在的问题，提出了基于模糊控制、变结构控制和LQR控制的智能集成控制方法。 本论文第1章首先介绍了研究欠驱动机器人Acrobot的目的和意义，然后在介绍了Acrobot的控制现状之后，提出了Acrobot控制存在的问题。 第2章基于齐次变换和拉格朗日方程，建立了Acrobot的动力学模型。首先，介绍坐标平移和坐标旋转的齐次坐标变换概念；然后，根据Acrobot的能量，应用拉格朗日方程来推导出Acrobot的动力学方程。这种方法仅需计算Acrobot的动能和势能，不仅描述方法简单，而且还能够充分反映Acrobot的特征。 第3章通过分析Acrobot的固有特性和运动特点，把Acrobot的整个运动空间划分为摇起区和平衡区。在此基础上，提出了一种基于模糊控制和LQR控制的智能集成控制策略。在摇起区，基于Acrobot的能量，推导出能够确保Acrobot的能量在摇起过程中随着每次摆动而不断增加的摇起控制规律，同时设计一个模糊控制器来调节控制力矩的大小，使之随着能量的增加而减小，从而保证Acrobot平滑地由摇起区过渡到平衡区。在平衡区，采用在不稳定平衡点的线性近似模型来设计LQR控制器，实现Acrobot的平衡控制。最后用仿真结果证明了这种智能集成控制策略的有效性。 为了扩大能够实现平衡控制的范围，第4章提出一种基于Takagi-Sugeno（TS）模糊模型的平衡控制方法。首先针对Acrobot的动力学特点，采用局部线性化的方法，建立描述Acrobot在平衡区的动力学特性的TS模糊模型。TS模糊模型能够在较大的平衡区范围内准确地描述Acrobot的非线性特性。对每一局部线性模型，采用极点配置的方法设计局部控制器，对局部控制器用模糊混合的方法求得平衡控制的模糊控制器，通过线性矩阵不等式方法分析 赖旭芝：一类非完整欠驱动机械系统的智能控制平衡控制的稳定性。在此基础上提出一种基于模糊控制的智能集成控制，摇起区采用由第3章设计的模糊控制，平衡区采用基于TS模型的模糊控制，最后用仿真结果说明这种控制策略的有效性。 更进一步，本论文第5章提出了一种基于模糊控制和变结构控制的智能集成控制策略，基于能量的模糊控制用于g起 ACFObot，模糊变结构控制用于实现由摇起区到平衡区的快速 一过渡，基于TS模型的模糊控制用于平衡Acrobo。模糊变结构控制器由变结构控制器和模糊控制器组成。当Acrobot的能量达到不稳定平衡点所具有的势能时，采用变结构控制器使Acrobot的两杆呈现自然伸直姿态，从而容易进入平衡区；而模糊控制器用来调节变结构控制器中相应的参数，保证变结构控制器作用时，Acrobot的能量基本维持不变。这种控制策略解决了由摇起区快速过渡到平衡区的问题。 第6章针对前面提出的叁种控制策略，本论文讨论了在模型参数摄动下的鲁棒性问题，基于仿真结果进行了鲁棒性分析。 第7章把Acrobot的控制策略扩展到多自由度欠驱动手臂机器人的控制，针对具有n个自由度但只有n—1个驱动装置的欠驱动手臂机器人，提出了一种多自由度欠驱动手臂机器人的控制策略，为多自由度欠驱动机械系统的控制提供了方法。 第8章总结全文，得出本论文的主要结论和进一步的研究方向。
参考文献：
[1]. 基于TS模糊模型的二级倒立摆系统仿真研究[D]. 陈学军. 合肥工业大学. 2005
[2]. 复杂工业过程的模糊建模与控制[D]. 邢宗义. 铁道部科学研究院. 2003
[3]. 模糊控制系统的结构化分析[D]. 田永青. 河北工业大学. 2000
[4]. 模糊控制系统的新型非线性反馈控制器研究[D]. 原抓纲. 浙江大学. 2005
[5]. 一类时滞非线性系统的自适应模糊控制[D]. 郭垒. 沈阳工业大学. 2005
[6]. 基于T-S模糊模型的强流电子枪建模与控制算法研究[D]. 吕彬. 中国科学院研究生院(上海应用物理研究所). 2015
[7]. 基于动态PLS方法的建模及预测控制器设计[D]. 吕燕. 浙江大学. 2013
[8]. 基于SVR的非机理模型建模研究及故障预测[D]. 刘小雍. 华中科技大学. 2015
[9]. 二连杆欠驱动机器人建模及其智能控制研究[D]. 王晓飞. 哈尔滨工业大学. 2007
[10]. 一类非完整欠驱动机械系统的智能控制[D]. 赖旭芝. 中南大学. 2001
标签：自动化技术论文; 模糊控制论文; 线性系统论文; 模型预测控制论文; 模糊理论论文; 预测模型论文; 过程控制论文; 系统仿真论文; 模糊算法论文; 非线性论文; 模糊神经网络论文; 系统稳定性论文;