针对一类不确定系统, 提出一种基于自组织模糊小脑模型( SOFCMAC) 神经网络的 H ∞鲁棒
自适应控制方法。通过设计标称系统的 H ∞控制器, 并采用 SOFCMAC 神经网络在线对消系统的建模
不确定性产生的误差, 可保证不确定闭环稳定并具有 H ∞性能。 证明了 SOFCM AC 神经网络 H ∞鲁棒自
适应控制系统的稳定性。仿真算例表明了该方法的有效性。
提出一种基于特征结构配置和 H ∞滤波器的 H ∞鲁棒控制器设计方法。 首先根据系统时域动态
性能要求, 采用特征结构配置方法设计出合适的状态反馈增益; 然后设计 H ∞滤波器并进行状态估计;
最后加入适当的权函数构成广义对象,并将其构造成反馈形式联接的标准的 H ∞鲁棒控制器设计问题。
该方法不仅可实现系统时域动态响应特性, 而且能保证系统的频域性能指标及鲁棒稳定性。 通过对悬臂
梁振动控制的数值仿真,进一步验证了该方法的有效性。
研究一类模糊P I D 控制器的鲁棒设计。以小增益定理分析得到该模糊 P I D 控制系统稳定性条
件。针对参数摄动系统的 “最坏点” , 用该稳定性条件作为约束, 采用遗传算法对标称系统的性能进行优
化, 求得优化鲁棒控制器。以倒立摆为例进行鲁棒模糊 P I D 控制器的设计, 实验结果表明了该方法的有
效性。
