摘要：为了发掘X舵潜艇在持续高强度随机干扰环境下稳定操纵的能力,建立了某型X舵潜艇六自由度运动模型,分析了X舵的操纵规律,在X舵模糊控制主体、智能模糊积分环节及控制权限动态分配三个方面对X舵模糊控制系统进行了设计.仿真计算表明:模糊控制系统在潜艇低频和高频随机干扰力和力矩峰值分别为500 k N和400k N·m的作用下,基本能将深度和姿态稳定在期望值,控制效果明显好于比例积分微分(PID)控制器,但在高频干扰下存在小范围抖振现象.采用变论域思想对模糊控制系统进行改进,对深度、纵倾、横倾和航向的误差变化率采用论域在线调节机制,在同样的干扰环境下能够消除深度和姿态的抖振,实现对潜艇复杂条件下航行的精准稳定控制.

摘要：为了发掘X舵潜艇的操纵优势和空间机动能力,建立某型X舵潜艇空间运动模型,构建具备全局指数稳定性的X舵模糊控制系统,重点在X舵模糊控制规则、模糊论域动态调节、模糊积分控制与智能判据等方面进行优化设计.通过潜浮运动仿真比较了变论域模糊控制(VUFC)、常规模糊控制(FC)和比例积分微分控制(PID)的效果,结果表明:VUFC控制变深机动过程用时较其他两种控制方法缩短了一半,且无超调,能更好发挥X舵的变深机动能力;从空间运动控制效果来看,VUFC控制通过论域在线调节来满足潜艇变深和定深的不同控制需求,能充分发挥X舵灵活的操纵特性,适应潜艇的运动特点.采用X舵自航模对VUFC控制系统进行了试验验证,证明了该控制系统有效且不依赖模型参数.

摘要：在ADAMS/CAR中建立了基于磁流变减振器的整车多刚体动力学模型,将变论域模糊理论应用于磁流变半主动悬架控制,设计了一种改进的变论域模糊控制器,并在Matlab/Simulink中建立了控制子系统。以脉冲路面和随机路面作为输入,进行了不同车速工况的ADAMS-Matlab整车联合仿真,对被动悬架、变论域模糊控制及传统模糊控制磁流变半主动悬架的减振效果进行了比较分析,并进行了实车台架试验验证。分析结果表明,采用所设计的变论域模糊控制策略的控制效果要优于传统的模糊控制策略,磁流变半主动悬架可有效改善汽车行驶的平顺性和舒适性。

摘要：在分析平衡重式叉车的结构特性以及侧翻机理的基础上,将叉车的侧倾状况分为一级侧倾状况和二级侧倾状况,并提出一种平衡重式叉车的横向稳定性侧倾分级控制策略,叉车侧倾控制的执行机构设计为一种新型三连杆液压支撑调整机构;平衡重式叉车的侧倾分级控制器的设计采取变论域模糊控制方法,当叉车处于一级侧倾状况时,基于侧倾变论域的模糊控制的级别为一级;当叉车处于二级侧倾状况时,基于侧倾变论域的模糊控制的级别为二级;基于ADAMS建立叉车整车虚拟样机模型并与Matlab/Simulink进行联合仿真和实车试验验证,结果表明采取基于侧倾分级的叉车横向稳定性变论域的模糊控制策略可有效提高叉车的横向稳定性。

摘要：针对复杂的列车横向模型,设计了半主动悬挂变论域模糊控制器。介绍了变论域模糊控制的基本原理,推广了它的收敛条件,并证明其适用于列车横向悬挂系统。给出了17自由度的列车动力学模型,利用Simulink软件建立了列车横向模型。最后,以列车横向速度和加速度作为模糊控制器的输入变量,以阻尼器电流作为模糊控制器的输出变量,设计了潜遗传变论域模糊控制器,并进行了仿真实验。根据实验结果计算了列车横向加速度的最大值、均方根值和功率谱密度最大值,并对变论域模糊控制、普通的模糊控制和被动悬挂进行了对比。仿真结果表明:变论域模糊控制降低了列车横向加速度最大值、均方根值和功率谱密度最大值,控制结果好于普通的模糊控制和被动悬挂。

摘要：利用遗传算法(GA)-BP神经网络的模型辨识方法建立了磁流变悬置的正、逆模型;并设计了变论域模糊控制器,对发动机磁流变悬置系统进行半主动控制的仿真。结果表明:变论域模糊控制比传统模糊控制具有更好的宽频隔振效果,发动机转速对应的二阶主频位移和加速度振动峰值明显减小,验证了GA-BP网络逆模型及其变论域模糊控制算法的正确性和有效性。

摘要：在建立整车磁流变减振器（MRD）半主动悬架模型基础上,利用八板块方法设计了整车的变论域控制策略。基于重构的标准B级和C级路面激励信号,分别在10、20和30 m/s 3个车速下进行了整车在直线和转向行驶工况下的仿真研究。在完成试验车辆改装基础上,进行了大量台架和道路工况下的试验。仿真和试验结果显示,所设计的半主动悬架和控制策略可以有效地提高车辆行驶的平顺性,磁流变半主动悬架与被动悬架相比振动强度可降低9%~22%,结果表明所建立的模型和控制策略是可行的。

摘要：混沌运动和混沌控制受到广泛关注,本文利用模糊控制实现混沌系统的控制.针对模糊控制器精度不高,模糊控制中规则数量与控制精度之间的矛盾,提出了一种基于蚁群优化算法的变论域模糊控制器.通过分析变论域模糊控制中的2类伸缩因子,指出其中1类并不能满足广义伸缩因子条件.提出利用蚁群优化算法对伸缩因子智能寻优的方法,在对蚁群算法改进的基础上,构成一种基于蚁群算法的变论域模糊控制,将设计的控制器用于Duffing混沌系统的控制.仿真结果表明,提出的控制算法在收敛速度和稳态性能上要略优于其他控制方式.

摘要：为改善多轴重型车辆的动态性能,提出一种利用变论域模糊控制来实时优化悬架参数的方法。首先通过ADAMS/CAR软件建立采用磁流变减振器的车辆多体动力学模型,并在Matlab/Simulink中设计基于模糊推理的变论域模糊控制器;然后进行联合仿真,以研究在A、B、C级随机路面和不同车速工况下的整车动态特性。仿真结果表明:与普通模糊控制,尤其是被动悬架相比,经变论域模糊控制实时优化后的行驶平顺性和轮胎动载荷都有明显改善。

摘要：变论域模糊控制器的控制函数被"复制"到后代中,往往存在着"失真"现象,这种现象的后果是造成算法本身的误差.针对这一问题,本文提出了一种基于Q学习算法的变论域模糊控制优化设计方法.本算法在变论域模糊控制算法基础上提出了一种利用伸缩因子、等比因子相互协调来调整论域的构想,且通过用Q学习算法来寻优参数使控制器性能指标最小,使其在控制过程中能够降低"失真率",从而进一步提高控制器性能.最后,把算法运用于一个二阶系统与非最小相位系统,实验表明,该算法不但具有很好的鲁棒性及动态性能,且与变论域模糊控制器比较起来,其控制性能也更加提高.