[翻译-中文1.docxVIP

专家系统及其应用关键字：模糊滑模控制，蚁群算法，球和梁系统摘要本文主要解决的一个球和梁系统的平衡控制，其中一对分离的提出了模糊滑模控制器（DFSMCs）的建议。 DFSMC有减少设计的复杂性的优势，在这种状态误差动态耦合动力学视为干扰条件。还详细讨论的球与DFSMCs的系统的稳定性分析。为了进一步改善控制性能，提出了改进的蚁群优化（ACO）的优化迈兹控制器参数。拟议的蚁群优化算法具有增强的能力和自适应参数整定。建议的蚁群优化计划被用来调整真实-和球杆系统模糊滑模控制器的参数。相比一些传统的蚁群算法，仿真和实验结果都表明，该方案可以提供更好的收敛速度和精度方面的性能。1、简介众所周知，非线性模型、参数的不确定性和和外界干扰属性，往往是实际系统中存在的属性。稳固的控制器设计对于非线性不确定系统是控制系统领域中一项具有挑战性的任务。最近，一些基于模型的方法，反推控制（侯，邹，郑，与谭，2009年），H1的控制(彼得森，2009年）和滑模控制 (常，常，Taur，陶，2009 年；奥利维拉、培肖特，许，2010年），已经被应用在一些非线性控制系统。另一方面，模糊逻辑控制是一种无模型的方法，可以处理复杂的、不明确的非线性系统，尤其是那些具有显著未建模动态和不确定性。模糊规则为基础的系统已被广泛应用于许多领域的兴趣，其中包括控制器的设计，聚类分析，图像处理。模糊控制技术已被证明是有效的对于不确定非线性系统（陶，2002）。模糊控制器的控制行为已经用来通过语言规则来说明，这样的控制算法是容易被设计实施。稳定性分析是控制系统的设计的完整性中一个重要课题。对于传统的模糊控制器，系统Mamdani模糊系统的稳定性是很难从理论上证明。为保证封闭循环的稳定性，或者，一种确定的混合的控制方案已经被采用，一些其他控制方法也被集成在模糊系统中（潘，郭，2010年Soyguder和阿利，2010佟和李，2009）。在这些方法中滑模控制（SMC）是一个强大稳定的类型通过控制驾驶系统状态进入滑流形的状态。SMC 的主要优点是那令人满意的瞬变可以保留性能和结构化和非结构化的不确定系统稳固性（陈，陶，李，2000；陶，陈，李，2003）。然而，这是众所周知的SMC要遇到抖动的影响的问题，这些能激发意想不到的高系统的频率响应。这个缺点通常存在连续滑模算法是还断开连续的滑动模式时，该系统的采样率是高的（博伊科和弗里德曼，2005年，高，王与Homaifa，1995年）。近日，许多研究结果表明，结合SMC和模糊控制技术，不仅可以减轻抖动的影响，而且还可以降低模糊控制器减少的数量的规则的复杂性（Yagiz，Hacioglu，Taskin，2008年）。然而，模糊控制器的设计通常依赖于专家经验得到的控制器参数。它可能很难确定所需的参数模糊控制器根据所面临的复杂的控制系统的情况。许多研究人员已经使用 meta-heuristic 算法作为模糊系统建议的优化方法，例如：启发式算法，禁忌有哪些信誉好的足球投注网站，遗传算法（气），模拟退火（SA）和进化算法（EAS）（恩格尔布雷，2007年）。蚁群优化（ACO）的算法，启发数学模拟社会蚂蚁的觅食行为，是一个人口为基础的进化计算方法。类似气体，也开始与蚁群人口的候选人在多维随机移动有哪些信誉好的足球投注网站空间（百隆，2005年;和多里戈和甘巴德拉，1997年；多里戈，maniezzo，Colorni，1996年）。然而，GA只保存较好的几代，因此，它可能会导致局部最优，而不是全球最佳。ACO算法已成功地应用于反之亦然瓷砖组合优化问题，如旅游旅行商问题（TSP），（赵，吴，赵泉，2010年），车辆路径（张和唐，2009年），二次分配问题（二次分配）（普利斯，贝洛，埃雷拉，2010），车间作业调度（罗，陈，吴，石，2010）。。在文献中，一些基于ACO已经提出了模糊控制策略（Boubertakh，Tadjineglorennec与Labiod，2009;庄及张，2010;庄罗，2008；马丁内斯，卡斯蒂略，蒙铁尔，2008年），但是，只有传统蚂蚁利用。在本文中，我们将提出一个改进蚁群算法，即FACO，增强能力的模糊信息素更新，自适应参数调整和重置。在本文中，结合滑模控制计划提出了控制和模糊控制。稳定条件可以由Lyapunov稳定性控制系统的理论REM。此外，为了提高控制性能，开发FACO利用优化控制器参数TERS。评估可行性，所提出的控制方案适用于一个真正的球和梁系统。相较于其他蚂蚁相关的方法，，蚂蚁蚂蚁系统（AS）（多里戈，1996年）等。蚁群系统（ACS）（多里戈和甘巴德拉，1997年），最大最小蚂蚁系统（MMAS）（Stutzle霍什，2000年）的优越性评估拟议的工作可以从模拟和实验精神的结果。本文组织如下。在第2节，在mathemat ICAL球和梁系统的模型。设计球和