非线性系统的广义T-S模糊模型的研究

在获得广义T-S模型结构之后,往往通过参数辩识,确定模型参数,这样得到的模型不是最优或次最优的,鉴于这个问题,提出了基于遗传算法搜索广义T-S模型系统最优结构参数的方法,采用二进制编码与实数编码并存的距阵方式,获得最优或次最优模型.仿真结果表明了该方法的有效性,并且模糊规则少,精度高.     

基于T-S模糊模型的直接自适应预测控制

提出一种基于T-S模糊模型的直接自适应预测控制算法。该算法利用加权递推最小二乘法在线辨识T-S模糊模型的后件参数。用已经辨识好的参数,进行直接迭代计算,直接得到模型的预测输出。此算法很好地解决了非线性预测控制中,建模与优化两大难题,为非线性系统的高精度控制提供了保证。计算机仿真表明,该算法具有较好的跟踪性能。     

基于T-S模型的自适应模糊预测函数控制

针对多变量非线性系统，提出一种基于Takagi-Sugeno(T-S)模型的自适应模糊预测函数控制方法.在T-S模糊模型结构已确定情况下，利用加权递推最小二乘法对T-S模糊模型后件参数进行在线辨识.对模糊模型在每一采样点进行线性化，将描述非线性系统的T-S模型转化为线性时变的状态空间模型，并假设输入基函数为阶跃函数，推导出预测控制律的解析式.仿真结果表明，该方法在求解控制律时，无需求解非线性优化问题，并且有效克服了模型失配对系统控制性能的影响，增强了系统的跟踪性能和鲁棒性.     

基于SOMK算法的T-S模糊系统建模方法

针对T-S模糊系统建模中的结构辨识和参数辨识问题,以自组织特征映射SOM算法与K-means算法相结合的SOMK算法对输入样本进行聚类,同时以Davies-Bouldin(DB)指标来验证聚类的有效性,得到最佳聚类数即为T-S模糊系统模型的规则数。然后用所得模糊规则数和聚类中心来辨识T-S模糊系统模型前件参数进而采用最小二乘算法来确定模糊推理规则的后件参数。最后,用仿真实例验证了文中所提出的建模方法与相应算法。仿真结果表明,该方法逼近精度高,泛化能力强,具有较好的实际应用价值。     

基于微粒群优化算法的T-S模糊建模

在传统T-S模糊模型的基础上,提出一种高次多项式T-S模糊辨识模型.将传统T-S模型规则后件中的线性模型用简单多项式模型代替,并进一步利用微粒群优化算法辨识规则后件参数.数值仿真表明:用该方案辨识得到的T-S模糊模型同传统的具有线性后件的T-S模型相比,能够显著减少模型规则条数而保持辨识精度不变,同时辨识时间也相应地缩短;且随着输入变量个数的增加,这一优势将更加明显.     

基于ISODATA算法的自组织单输入单输出T-S模糊系统

T-S模糊模型已得到了广泛的研究与应用.但在该模型的建模过程中,在结构辨识、参数优化等方面仍存在一些不足,为此提出了一种基于ISODATA算法的自组织T-S模糊系统.该方法基于输入输出数据,分两步对模糊系统进行建模.第一步,使用基于线性原型的ISODATA算法,对输入输出数据进行聚类,确定系统结构.第二步,建立初始T-S模糊系统,然后使用粒子群算法优化系统参数.与传统方法相比,具有自动优化系统结构的优点.仿真结果验证了该方法的有效性.     

基于微粒群优化的船舶柴油机T-S模糊模型

提出了一种基于微粒群优化(PSO)的T-S模糊模型的非线性系统辨识方法,并用于船舶柴油机的动态建模.该辨识方法采用GK模糊聚类算法确定模糊模型的前件结构及参数,利用PSO算法来辨识模糊模型的结论参数.利用6160-All船舶柴油机模型,获得柴油机各主要参数在油门尺度和负载发生小偏差扰动时的试验数据,再利用该组数据辨识出柴油机转速、涡轮增压器转速、增压压力、空冷器压力、进气管压力、排气管压力等参数的T-S模糊动态模型.仿真结果表明了该方法的有效性.     

T-S模糊系统的辨识方法及其在主汽温系统中的应用

针对T-S模糊模型辨识步骤中,结构辨识与参数辨识混在一起、计算量大的缺点,提出了应用确定模糊规则结论参数的启发式辨识方法。对启发式辨识方法的基本原理做了阐述,并将基于该方法的T-S模糊模型应用于火电厂主汽温系统。以某600MW直流锅炉高温过热器为研究对象,对其不同工况下的单位阶跃响应模型进行了辨识。仿真结果表明,该T-S模糊系统能有效地逼近主汽温系统阶跃响应模型,验证了所提出的辨识算法的有效性和可行性。     

多变量非线性系统的有约束模糊预测控制

针对多变量非线性系统提出了一种带约束输入的广义预测控制(GPC)算法.首先对多变量非线性系统建立T-S模糊模型,利用模糊聚类算法和正交最小二乘算法对输入变量的模糊划分及后件部分的参数分别进行辨识,然后在每个采样点对系统进行局部动态线性化.根据得到的系统线性化模型设计GPC算法,该算法充分考虑了控制输入及其增量受约束的情况,而且不必求D iophantine方程,大大减小了计算量.仿真结果表明该算法能保证系统输出有效跟踪设定值,而且控制输入和控制增量均在其约束范围之内.     

粒子群优化的广义T-S模糊模型参数学习方法

提出了一种基于粒子群优化的广义T-S模糊模型参数学习方法。该方法用离散二进制微粒位置表示模型的结构参数,用普通微粒位置表示模型规则中模糊集隶属函数的参数;这两种微粒位置联合体构成一个模型完整的前件参数集。每一学习循环分两步,前一步用粒子群进化迭代调整所有前件参数,后一步用正交最小二乘法估计后件参数。该方法不需任何先验知识,运算量小,能产生紧凑的模糊模型。非线性动态系统模糊建模的数字仿真说明了该方法的有效性。     

Adaptive predictive functional control based on Takagi-Sugeno model and its application to pH process

In order to obtain accurate prediction model and compensate for the influence of model mismatch on the control performance of the system and avoid solving nonlinear programming problem, an adaptive fuzzy predictive functional control (AFPFC) scheme for multivariable nonlinear systems was proposed. Firstly, multivariable nonlinear systems were described based on Takagi-Sugeno (T-S) fuzzy models; assuming that the antecedent parameters of T-S models were kept, the consequent parameters were identified on-line by using the weighted recursive least square (WRLS) method. Secondly, the identified T-S models were linearized to be time-varying state space model at each sampling instant. Finally, by using linear predictive control technique the analysis solution of the optimal control law of AFPFC was established. The application results for pH neutralization process show that the absolute error between the identified T-S model output and the process output is smaller than 0.015; the tracking ability of the proposed AFPFC is superior to that of non-AFPFC (NAFPFC) for pH process without disturbances, the overshoot of the effluent pH value of AFPFC with disturbances is decreased by 50% compared with that of NAFPFC; when the process parameters of AFPFC vary with time the integrated absolute error (IAE) performance index still retains to be less than 200 compared with that of NAFPFC.     

基于输出误差预测的模糊预测PID控制及应用

针对实际工业过程中普遍存在的非线性特性,采用T-S模糊模型来描述复杂的非线性系统.利用模糊聚类算法在线竞争学习模糊规则的输入区域中心,并按预先规定的规则之间的重叠度在线确定每条规则的输入区域半径,而模糊规则结论中的参数则由递推最小二乘(RLS)算法得到,得到的模糊局部线性化模型作为每个时刻的受控自回归积分滑动平均(CARIMA)模型.结合广义预测控制(GPC)的思想和有限脉冲响应滤波器,提出了一类新型的模糊预测PID控制器的实现方法,解决了一般预测PID控制器设计当中对系统模型阶次的限制问题.仿真算例说明了该方法的有效性和实用性.     

基于预测电压调制与T-S模糊PMLSM推力控制

为了进一步提高永磁直线同步电机(PMLSM)直接推力控制(DTC)系统的控制精度,提出了基于预测电压调制和Takagi-Sugeno(T-S)模糊策略的控制方法.利用预测电压调制技术控制下一个周期磁链,利用空间矢量脉宽调制技术(SVPWM)逼近预测电压值,采用T-S模糊控制器控制动子速度和电磁推力.对比分析在Matlab/Simulink环境下的仿真结果,基于预测电压调制和T-S模糊控制策略的DTC控制系统不仅明显减少电磁推力和磁链脉动,而且对电机参数时变等非线性扰动所引起的脉动具有较强的鲁棒性.     

T-S型模糊RBF神经网络多变量自适应控制器的研究

提出Ｔ Ｓ型模糊ＲＢＦ神经网络模型,并将该网络模型应用于多变量控制系统,构成多变量自适应控制器．同时对网络结构和参数的学习算法及网络参数的在线自学习算法进行研究．仿真结果表明本文提出的学习方法是有效的,该多变量控制器具有良好的自适应控制能力     

模糊预测控制在非线性时滞系统中的应用

针对工业控制系统中的非线性、时滞两大难题,结合预测控制中典型的动态矩阵控制(DMC)算法对时滞、模型失配、畸变、干扰等引起的不确定性能够及时得到弥补的优点以及T-S模糊模型对非线性系统良好描述的特性,将模糊控制与预测控制有机结合起来,根据被控对象工作点的变化实时选择模糊规则所对应的阶跃响应模型向量,结合DMC控制算法得到最优控制量,将基于线性系统建模的预测控制应用于非线性时滞系统控制中.     

Linearization of T-S fuzzy systems and robust H_∞ control

Takagi-Sugeno (T-S) fuzzy model is difficult to be linearized because of membership functions included. So, novel T-S fuzzy state transformation and T-S fuzzy feedback are proposed for the linearization of T-S fuzzy system. The novel T-S fuzzy state transformation is the fuzzy combination of local linear transformation which transforms local linear models in the T-S fuzzy model into the local linear controllable canonical models. The fuzzy combination of local linear controllable canonical model gives controllable canonical T-S fuzzy model and then nonlinear feedback is obtained easily. After the linearization of T-S fuzzy model, a robust H _∞ controller with the robustness of sliding model control (SMC) is designed. As a result, controlled T-S fuzzy system shows the performance of H _∞ control and the robustness of SMC.