非线性辨识算法及其对热工对象的应用

针对非线性复杂对象,改进了基于T-S模型的模糊辨识算法:取部分数据进行离线辨识,将输入向量的选择先于模型参数辨识,找出最有效的模型结构,提高辨识精度;然后利用剩下的数据模拟在线辨识,辨识过程中自适应改变模糊规则的数目,并通过置信度的检验,保证最有效的规则数,间接提高辨识速度。采用Box-Jenkins煤气炉辨识验证该算法的有效性,并将算法应用于电厂锅炉主汽温对象升负荷过程中的模型辨识。结果表明:辨识算法简单快速,辨识出的模糊模型能够较精确地在线描述非线性对象。     

模糊免疫PID在主汽温控制系统中的应用

借鉴生物免疫反馈响应过程的调节作用和模糊推理逻辑可逼近非线性函数的特性,提出将模糊免疫PID控制策略应用到火电厂主汽温控制系统中。仿真研究表明,该方法的控制效果优于常规的PID串级控制。     

模糊免疫PID在电站主汽温控制系统中的应用

借鉴生物免疫反馈响应过程的调节作用和模糊推理逻辑可逼近非线性函数的特性,提出将模糊免疫PID控制策略,应用到电站主汽温控制系统中.仿真研究表明,该方法的控制效果优于常规的PID串级控制,具有较强的鲁棒性和自适应能力.     

基于模糊RBF神经网络的主汽温控制系统

本文主要研究应用模糊神经网络实现主汽温控制系统,采用神经网络的学习能力来优化权值,在不同负荷下都取得了较好的控制效果.     

基于改进T-S模型的热工过程模糊辨识算法

提出了一种实用的基于T-S模型的热工系统模糊辨识方法。采用启发性知识与复合非线性优化方法相结合的综合方法求解出模糊模型的结构,然后通过基于熵的聚类和竞争学习算法对热工过程的输入数据空间进行划分,在此基础上利用递推最小二乘辨识算法建立一个热工过程的T-S模型。文中给出了熟知的Box-Jenkins数据的辨识结果,并将该方法应用于辨识单元机组的协调控制系统。     

应用模糊预测控制实现主汽温控制

火电厂主汽温被控对象具有大迟延、非线性时变的特性,且在实际运行中存在诸多可测与不可测的扰动。将模糊建模技术与预测控制算法相结合,提出了一种模糊自适应预测控制算法。算法采用计算量较少的单值MAC形式,因此有效地降低了系统设计与实现的复杂性,提高了系统的实时性;单值MAC系统本身含有积分特性,使得采用该算法的模糊预测控制在鲁棒性、动态性能方面皆优于常规PID控制。仿真结果表明,该算法具有较强的负荷适应性。     

基于T-S模糊模型的水轮机调节系统辨识

针对水轮机调节系统的复杂性、非线性和难以用明确数学模型表达的特点,建立了该系统的T-S模糊模型.考虑到T-S模糊模型的结构与参数间的密切关联性,提出基于混沌优化策略的结构和参数一体化辨识.该方法用混沌优化策略辨识模型的前件参数,用最小二乘法辨识模型后件参数,实现了模糊模型结构的自适应优化.试验结果表明,该T-S辨识模型具有较高的辨识精度及较强的泛化能力,实现了水轮机调节系统的有效辨识.     

基于动态模糊神经网络的非线性系统辨识

在分析模糊神经网络辨识特点及现状的基础上,设计了一种适用于非线性多输入系统的辨识模型。本模型将T-S模糊模型与5层动态模糊神经网络结构相结合,通过参数学习算法优化辨识结构,对辨识模型进行反馈调节,得到的辨识精度较高。另外,对输入数据采用归一化的方法进行预处理,加快了网络的辨识速率。最后,通过仿真实例证明了该设计的有效性,为模糊神经网络辨识结构的设计提供了一种新的思路和方法。     

基于改进T-S模型的热工系统在线辨识算法

提出用一种改进的T-S模型实现非线性系统在线辨识的算法。通过样本与聚类中心矢量之间的贴近度来修正聚类中心,并根据样本到中心矢量的距离对输入数据空间进行划分。在此基础上利用递推最小二乘算法辨识出模型的结论参数。给出了具体的算法步骤,将该方法与其他模糊辨识方法进行比较。结果表明,该方法具有简单、实用、辨识精度高等优点。     

基于模糊自适应PID的主汽温控制系统

为了改善传统串级PID主汽温度控制系统的控制效果,提出了采用模糊自适应控制器的串级主汽温控方案.主调节器采用模糊自适应PID控制器,副调节器采用传统PID调节器.利用模糊规则,主调节器PID参数可根据误差信号动态调整.仿真结果表明,该系统在机组负荷较大范围变化时,其控制品质优于传统PID串级控制系统.     

过热汽温串级模糊控制系统设计与仿真

以火电厂过热汽温为控制对象,在分析串级控制的基础上,提出了过热汽温串级模糊控制策略,并建立了系统仿真模型。仿真结果表明,与传统的串级控制系统相比,串级模糊控制系统具有较好的控制品质和较强的自适应能力。     

T—S模糊控制在乙型病毒性肝炎传播过程中的应用

基于微分代数方程描述的己型病毒性肝炎传播模型,构造了相应的广义T-S模糊模型。利用T-S模糊广义系统控制方法,设计状态反馈控制器,以抑制传染病的发展,使乙肝病毒传播模型在无病平衡点达到稳定状态。通过数值模拟验证了结论的合理性。     

基于T-S模型的非线性系统控制方法

采用T-S模糊模型逼近非线性系统,将非线性系统描述为多个局部线性系统的组合,采用极点配置的方法对每一局部线性系统进行设计,保证了局部线性系统的性能指标。利用线性矩阵不等式方法,将闭环控制系统的稳定条件、控制性能指标统一到线性矩阵不等式的框架内,通过求解线性矩阵不等式族获得控制器参数。以倒立摆系统为例,对提出的设计方法进行了验证,仿真结果表明设计方法是有效的。     

用T-S模糊模型辨识160MW协调控制系统

首先按照启发性知识和复合型非线性优化方法相结合的综合方法求解出模糊模型结构,然后在最大模糊熵和损失函数定义的基础上推导出了一种模型后件参数辨识算法,并使用这种辨识算法得到了一个锅炉—汽轮机协调控制系统模糊模型。     

传感器故障的鲁棒检测与识别方法

提出了一种在模型参数变动和存在外部扰动条件下的控制系统故障检测与识别方法。基于未知输入观测器(UIO)理论,将模型的变化和不确定性转化为系统的未知输入,设计的鲁棒观测器对模型参数变动不敏感,而对故障敏感,在检测故障的同时还可估计出故障的形式和大小。在火电厂过热汽温控制系统传感器的故障诊断实例中,验证了该方法的有效性。     

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。