隨著控制理論實踐的不斷深入，被控對象的結(jié)構(gòu)及數(shù)學(xué)模型也越來越復(fù)雜，呈現(xiàn)出時變性、多輸入多輸出、高度復(fù)雜性、非線性、不確定性等特點。面對這些復(fù)雜特征，出現(xiàn)了諸如變結(jié)構(gòu)控制、模糊控制、神經(jīng)網(wǎng)絡(luò)控制以及智能控制等新的控制手段。本文就模糊滑?？刂频漠a(chǎn)生及發(fā)展現(xiàn)狀做簡單介紹。

一、常規(guī)模糊滑模控制

模糊控制和滑模變結(jié)構(gòu)控制各有優(yōu)缺點，有某種相似之處，又有互補之處。20世紀(jì)90年代以后，專家學(xué)者把二者結(jié)合，構(gòu)成模糊滑?？刂疲瑢崿F(xiàn)兩者之間的取長補短。同時還可在一定程度上削弱或克服滑模變結(jié)構(gòu)控制的抖動現(xiàn)象。目前，模糊控制與滑模變結(jié)構(gòu)控制的結(jié)合運用主要有以下三種方式。

1.通過模糊控制規(guī)則自適應(yīng)地調(diào)節(jié)符號函數(shù)項的值。

2.通過模糊控制規(guī)則直接確定滑?？刂屏?。

3.變結(jié)構(gòu)控制、模糊控制的復(fù)合控制策略。

二、自適應(yīng)模糊滑?？刂?/p>

普通的模糊滑?？刂频脑O(shè)計仍然是基于經(jīng)驗的。由于模糊規(guī)則的選取有很大的任意性，在很多情況下有效經(jīng)驗的獲取并不是容易的事。為了達到一定精度，選擇的模糊規(guī)則可能非常復(fù)雜，且系統(tǒng)參數(shù)在控制過程中也沒有自適應(yīng)和自學(xué)習(xí)能力。為使系統(tǒng)在不確定性以及對象出現(xiàn)參數(shù)和結(jié)構(gòu)變化的情況下保證不變性，自適應(yīng)模糊滑模控制應(yīng)運而生，并成為非線性系統(tǒng)自適應(yīng)控制方法研究的主流。

三、基于模糊神經(jīng)網(wǎng)絡(luò)的滑?？刂?/p>

人工神經(jīng)網(wǎng)絡(luò)同樣具有自學(xué)習(xí)和自適應(yīng)的能力。它和模糊系統(tǒng)的結(jié)合有助于擴大二者在滑?？刂祁I(lǐng)域內(nèi)的應(yīng)用。模糊神經(jīng)網(wǎng)絡(luò)結(jié)合了模糊控制與神經(jīng)網(wǎng)絡(luò)控制兩者的優(yōu)勢，不僅具有神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)和快速處理的能力，而且具有模糊控制系統(tǒng)，能夠充分利用先驗知識，以較少的規(guī)則數(shù)來表達知識的優(yōu)勢，避免了神經(jīng)網(wǎng)絡(luò)不能很好地利用已有經(jīng)驗知識，往往將初始權(quán)值取為零或隨機數(shù)，使網(wǎng)絡(luò)訓(xùn)練時間變長或者陷入非要求的局部極值的缺點，也避免了模糊控制由于缺乏自學(xué)能力和自適應(yīng)能力，給控制器參數(shù)的學(xué)習(xí)和調(diào)整帶來的困難。

四、模糊滑模控制與其他策略的結(jié)合

除了以上所描述的問題之外，關(guān)于模糊滑模控制和其它策略相結(jié)合還有其他諸多方面的內(nèi)容，它們體現(xiàn)了控制理論的交叉融合。遺傳算法作為一種優(yōu)化算法，在模糊滑模控制中亦得到較多應(yīng)用。可以采用遺傳算法對控制器增益參數(shù)、模糊規(guī)則、隸屬函數(shù)進行優(yōu)化，有效減小或消除抖振。當(dāng)然還有其他算法與模糊滑?？刂频慕Y(jié)合應(yīng)用，在此就不再贅述。

編輯 張珍珍