导读:本文包含了模糊线性化论文开题报告文献综述及选题提纲参考文献，主要关键词:电静液作动器(EHA),反馈线性化,滑模控制,最优控制
模糊线性化论文文献综述
张振,李海军,诸德放[1]（2016）在《EHA反馈线性化最优滑模面双模糊滑模控制》一文中研究指出为提高电静液作动器(EHA)控制性能,提出了一种反馈线性化最优滑模面的双模糊滑模控制方法。该方法在EHA的非线性模型上,利用反馈线性化方法将其线性化,在此基础上建立线性切换函数,并采用最优控制理论对切换函数进行设计。为削弱抖振将模糊控制算法引入滑模控制中,采用一个模糊控制器,根据最优滑模函数运动特性的数值对切换控制增益进行估计;采用另一个模糊控制器,根据滑模控制原理对切换控制项进行调整。仿真结果证明了该方法的有效性。(本文来源于《北京航空航天大学学报》期刊2016年07期）
胡阳,刘吉臻,林忠伟[2]（2015）在《WTGS非线性动态模型的T-S模糊线性化》一文中研究指出针对变速变桨风力发电系统(WTGS)的非线性动态模型,采用Takagi-Sugneo(T-S)模糊建模理论处理其非线性,以得到高精度的线性形式控制设计模型.首先,提取代表WTGS变工况特性的外部参量作为变化参数,并理论抽象出一类仿射非线性参数变化(ANPV)模型,给出其齐次线性T-S模糊线性化步骤并得到线性参数变化(LPV)T-S模糊模型.然后,将上述方法应用于WTGS非线性动态模型的T-S模糊线性化.最后,针对WTGS的LPV T-S模糊模型对其非线性特性的逼近性能进行仿真验证.结果表明:通过改变T-S模糊模型前提变量输入空间的划分精度,可以有效调节LPV T-S模糊模型对WTGS非线性特性的逼近性能.(本文来源于《动力工程学报》期刊2015年08期）
张保杰,李洪兴[3]（2015）在《模糊控制系统建模的一种线性化方法》一文中研究指出针对模糊推理建模得到的HX方程(组),提出了一种线性化方法。对局部HX方程(组)建立精确T-S模型,再将"叁角波"隶属函数换成"矩形波",从而实现线性化,使变系数非线性模型化为变系数线性模型。该方法只针对HX方程(组)中的的非线性项进行局部线性化,避免了对非线性项局部线性化时连带对一次项的零次化。为了避免只针对非线性项中的一个变量进行局部线性化而出现的偏颇,给出了联合方程的方法。仿真实验表明,这种新的线性化方法具有较高的逼近精度。(本文来源于《模糊系统与数学》期刊2015年03期）
胡阳[4]（2015）在《基于T-S模糊线性化的风力发电系统增益调度控制研究》一文中研究指出随着风电规模化利用的进一步推广,现代风力发电系统(Wind Turbine Generation System, WTGS)需要从机械侧或电气侧增强其负荷管理能力以向“电网友好型”电源转化。同时,风电市场也从量的扩张阶段过渡到质的提高阶段,其对度电成本日益重视,更加关注风力发电系统运行水平的优化与提高。为了改善风力发电系统的过程控制性能,本文从控制任务、运行策略及控制方法等各方面开展了以下研究工作：随着风力发电系统控制任务的改变,本文以气动系统风能利用系数调节为切入点,基于经典运行策略,提出了一种与之兼容的大范围功率可调运行策略,其中,以解耦协调方法重点解决了额定风速以下变速变桨双自由度控制回路的耦合问题,从而初步实现了全工况下的深度负荷管理。通过不同运行区域下的仿真分析,验证了上述运行策略可有效地跟踪功率调度值,符合预期响应特性。考虑风力发电过程的直接数据测点,本文结合机理模型推导和数据驱动算法,提出了一种有效风速在线估计解决方案。基于实际测量数据进行训练和测试,仿真验证了该方法能够获取气动转矩与风速之间的高精度非线性逆映射模型,使风速得以准确估计并使估计误差满足精度要求。相较于传统增益调度技术,本文引入Takagi-Sugeno(T-S)模糊增益调度算法,并采用T-S模糊比例积分微分(Proportion Integration Differentiation, PID)控制器实现单一工况点下的控制设计,进而提出了一种两级T-S模糊结构增益调度技术完成系统的过程控制设计,给出了相应的稳定性条件及控制器参数整定方法。关于风力发电过程控制,与传统PID增益调度技术进行对比,仿真验证了两级T-S模糊结构增益调度技术具有更好的过程控制性能。基于一类仿射非线性参数变化(Affine Nonlinear Parameter Varying, ANPV)模型,本文对其采用T-S模糊线性化方法得到线性参数变化(Linear Parameter Varying, LPV) T-S模糊模型,研究了其分段二次李雅普诺夫稳定性及带状态反馈或输出反馈控制器的H∞控制问题,以线性矩阵不等式(Linear Matrix Inequality, LMI)形式给出了其稳定性充分条件。然后,采用LPV T-S模糊建模及其控制方法,解决了从风力发电过程抽象出的H∞控制问题,给出了对应的过程控制设计步骤。与LPV增益调度控制进行对比,仿真验证了LPV T-S模糊控制更加易于求解且具有更好的过程控制性能。(本文来源于《华北电力大学》期刊2015-03-01）
聂志喜,王振杰,欧吉坤,姬生月[5]（2015）在《非线性基线长约束条件线性化近似对模糊度解算的影响》一文中研究指出GNSS动态相对定位中常附加非线性的基线长约束进行解算,而LAMBDA方法只能处理无约束或者线性约束的模型,为了应用LAMBDA方法,应对非线性约束条件进行线性化近似。通常附加该约束后,模糊度固定成功率会提高,但对于超短基线有时反而会降低。何种条件下附加线性化近似的基线长约束条件可以提高模糊度固定成功率尚未有定论。本文基于附加基线长约束的GNSS相对定位数学模型,推导基线长约束条件线性化近似余项对浮点解的最大影响值公式,给出基线长约束能否线性化近似的诊断条件。当该条件满足时,线性化近似余项影响可以忽略,附加线性化近似的基线长约束可以改善浮点解解算精度,提高模糊度固定成功率;若不满足,则线性化近似余项影响可能不可以忽略,附加约束会因浮点解有偏不能固定为正确的模糊度,并通过算例验证了相关结论。(本文来源于《测绘学报》期刊2015年02期）
杨文光,韩元良,刘海生[6]（2014）在《二阶时变非线性系统的边缘线性化模糊推理建模》一文中研究指出本文给出了二阶时变非线性系统的边缘线性化建模方法。该方法根据模糊插值机理将被控对象的模糊推理规则库依时间维度进行划分转化为变系数非线性微分方程。在每个时间间隔内,依据边缘线性化方法,将局部时空结构下的变系数非线性微分方程转化为了常系数线性微分方程,进而迁移到整体时空结构下则成为变系数线性时变微分方程。仿真实验表明,该方法具有较高的逼近精度,是对模糊推理建模的有效推广。(本文来源于《华北科技学院学报》期刊2014年06期）
肖科,雷虎民,邵雷,段朝阳,王君[7]（2014）在《基于轨迹线性化和自适应模糊系统的导弹自动驾驶仪设计》一文中研究指出基于轨迹线性化方法和自适应模糊系统理论,设计了一种新的鲁棒自适应导弹自动驾驶仪。根据时标分离原则,将导弹非线性模型划分为快、慢2个回路。利用快速跟踪微分器提取快变量的微分信号,在此基础上使用轨迹线性化方法设计快回路控制器,实现了快回路的非线性解耦,抑制了扰动;使用自适应模糊控制理论设计慢回路控制器,抵消了系统总不确定性和外界干扰对系统性能的影响。在最小逼近误差界未知的情况下,通过在线自适应调节的方法获得其估计值并利用此值设计了自适应鲁棒补偿项,克服了系统逼近误差的影响。仿真结果表明,该自动驾驶仪具有快速的跟踪能力和良好的鲁棒性。(本文来源于《固体火箭技术》期刊2014年01期）
高宁波[8]（2013）在《基于反馈线性化的多变量模糊迭代控制器设计》一文中研究指出针对一类多变量非线性控制对象的轨迹跟踪问题,设计一种模糊迭代学习控制器,利用模糊控制器动态调节迭代学习律增益矩阵参数,通过反馈线性化算法和信息融合技术降低模糊控制器输入变量维数,实现多变量非线性系统轨迹跟踪控制.结果表明:与固定增益型迭代学习控制器相比,采用模糊迭代学习控制器学习速度提高,控制稳定性改善,两自由度机械臂的轨迹跟踪控制仿真结果也验证模糊迭代学习控制器的优越性.(本文来源于《东北石油大学学报》期刊2013年03期）
乔田田,王际朝,李维国,吴勃英[9]（2013）在《一种基于线性化Bregman迭代的图像去模糊新方法》一文中研究指出基于线性化Bregman迭代法带有软阈值算子的A+算法,结合广义逆迭代格式,提出一个新的混乱迭代方法求解图像的去模糊问题。在算法上充分考虑对细节信息的有效利用,以弥补在每步迭代过程中为了去模糊而过滤掉的图像细节特征的损失,达到有效滤波的效果。同时在计算时间和恢复效果之间取得平衡。数值试验结果表明,新方法在提高计算效率的同时还能得到很好的图像恢复效果,特别是细节特征和稀疏纹理的恢复。(本文来源于《中国石油大学学报(自然科学版)》期刊2013年02期）
胡盛斌,陆敏恂[10]（2013）在《多关节机器人反馈线性化双模糊滑模控制》一文中研究指出为了提高多关节机器人轨迹跟踪控制性能,提出了一种反馈线性化双模糊滑模控制方法。该方法在对机器人非线性动力学模型反馈线性化的基础上,设计了一种双模糊滑模控制器。通过设计一个模糊控制器,根据跟踪误差和误差变化率自适应地调整滑模面的斜率,从而加快响应速度。通过设计另一个模糊控制器,根据滑模面自适应地调整滑模控制的切换控制部分,从而减弱抖振。利用李亚普诺夫定理证明了控制系统的稳定性。针对空间叁关节机器人进行了仿真实验,结果表明了所提方法的有效性。(本文来源于《机械科学与技术》期刊2013年01期）
模糊线性化论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对变速变桨风力发电系统(WTGS)的非线性动态模型,采用Takagi-Sugneo(T-S)模糊建模理论处理其非线性,以得到高精度的线性形式控制设计模型.首先,提取代表WTGS变工况特性的外部参量作为变化参数,并理论抽象出一类仿射非线性参数变化(ANPV)模型,给出其齐次线性T-S模糊线性化步骤并得到线性参数变化(LPV)T-S模糊模型.然后,将上述方法应用于WTGS非线性动态模型的T-S模糊线性化.最后,针对WTGS的LPV T-S模糊模型对其非线性特性的逼近性能进行仿真验证.结果表明:通过改变T-S模糊模型前提变量输入空间的划分精度,可以有效调节LPV T-S模糊模型对WTGS非线性特性的逼近性能.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
模糊线性化论文参考文献
[1].张振,李海军,诸德放.EHA反馈线性化最优滑模面双模糊滑模控制[J].北京航空航天大学学报.2016
[2].胡阳,刘吉臻,林忠伟.WTGS非线性动态模型的T-S模糊线性化[J].动力工程学报.2015
[3].张保杰,李洪兴.模糊控制系统建模的一种线性化方法[J].模糊系统与数学.2015
[4].胡阳.基于T-S模糊线性化的风力发电系统增益调度控制研究[D].华北电力大学.2015
[5].聂志喜,王振杰,欧吉坤,姬生月.非线性基线长约束条件线性化近似对模糊度解算的影响[J].测绘学报.2015
[6].杨文光,韩元良,刘海生.二阶时变非线性系统的边缘线性化模糊推理建模[J].华北科技学院学报.2014
[7].肖科,雷虎民,邵雷,段朝阳,王君.基于轨迹线性化和自适应模糊系统的导弹自动驾驶仪设计[J].固体火箭技术.2014
[8].高宁波.基于反馈线性化的多变量模糊迭代控制器设计[J].东北石油大学学报.2013
[9].乔田田,王际朝,李维国,吴勃英.一种基于线性化Bregman迭代的图像去模糊新方法[J].中国石油大学学报(自然科学版).2013
[10].胡盛斌,陆敏恂.多关节机器人反馈线性化双模糊滑模控制[J].机械科学与技术.2013
标签：电静液作动器(EHA); 反馈线性化; 滑模控制; 最优控制;