基于FIGA的广义T-S模糊模型预测控制

利用广义T-S模糊模型对非线性系统具有万能逼近性得到系统的局部线性化，并利用一种快速综合性遗传算法（FIGA）对广义T-S模糊模型进行参数辨识，根据得到的线性化模型对系统采取广义预测控制（GPC）得到当前的控制动作。通过Matlab仿真证明了该方法的有效性。     

基于T-S模糊模型的非线性系统广义预测控制

针对离散非线性系统,提出一种基于T-S模糊模型的广义预测控制方法。该方法将采样点的T-S模糊模型转化为采样点线性模型与非线性误差叠加的线性形式,通过迭代修正非线性误差,使具有非线性误差的线性模型预测控制律逐渐逼近采样点T-S模糊模型预测控制律。同时,该预测控制方法也能适用于当系统受输入输出约束时的控制。仿真结果验证了所提出的TS模糊模型广义预测方法有效。     

软腔体柔性机械臂的T-S模糊建模与控制

针对柔性机械臂强非线性、强耦合性及不确定性的特点，利用Takagi—Sugeno模糊模型其规则前件是模糊变量，而规则后件的结论是输入输出线性函数的特点，对柔性机械臂进行了建模。在验证了模型准确性的基础上，进行了广义预测控制方法的研究，最后，对比分析了广义预测控制和传统PID控制，实验结果表明，基于T—S模糊模型的广义预测控制能很好的实现对柔性机械臂的控制。为柔性机械臂的模糊建模和进一步研究提供了理论指导及重要的前提条件。     

一种T-S模糊模型的自组织辨识算法及应用

提出了一种新的具有自适应学习能力的T-S模糊模型辨识算法.该算法通过使同一条规则的高斯函数的宽度参数彼此相等建立与支持向量机等效的T-S模糊模型,在此基础上,利用模糊聚类算法和支持向量机分别建立前后件辨识模型,并利用一种改进粒子群优化算法优化输出误差函数使前后件参数联合辨识,从而获得T-S模糊模型的结构和参数.仿真结果表明,相比其它方法,文中方法具有较高的逼近精度和较好的泛化能力,由此算法获得的直拉单晶炉热场模型具有0.1171的均方差,完全符合均方差小于0.5的要求.     

基于T-S模糊建模的广义预测控制系统在热工过程中的应用

由于过热汽温系统具有大惯性、大迟延和时变性的特性,传统的PID串级控制策略很难达到理想的控制效果.因此,本文被控对象的模型利用基于模糊聚类算法的T-S建模法,并利用广义预测控制算法对过热汽温系统进行控制.针对该算法在火电厂过热汽温控制系统中进行了仿真,仿真结果表明,该算法较常规PID控制方法具有更好的控制性能.     

冷带轧机液压AGC系统T-S模糊模型辩识研究

该文以冷带轧机液压AGC系统为对象,进行了T-S模糊模型辩识研究。首先,采用开环控制策略进行了辨识数据的测取,采用AIC定阶法确定了液压AGC系统的阶次。在此基础之上,采用基于满意聚类的T-S模糊模型辨识方法,通过GK算法进行模糊聚类,进行了液压AGC系统T-S模糊模型的辨识,得到了系统的T-S模糊模型。该模糊模型分为前提部分和结论部分,各条规则间构成线性组合,对液压AGC系统的非线性有着较为良好的线性描述。通过模型的白色残差校验进行了模型校验,所辨识出的冷带轧机液压AGC系统T-S模糊模型,模型精度符合要求。     

基于模糊模型的车辆稳定性控制方法研究

采用系统辨识的方法建立车辆的模糊模型，从而将车辆非线性系统模型通过模糊化方法分解为若干线性子系统，系统的输出是这些线性子系统输出的加权和，提出了基于梯度下降法的模糊模型辨识算法。根据所建立的模糊模型推导了广义预测控制模型(CARIMA)，为车辆的稳定性控制问题的研究提供了新方法。运用该方法对车辆的制动转向工况进行了仿真研究，结果表明，基于模糊模型的广义预测控制能有效改善车辆的稳定性。     

基于模糊预测控制的回转窑温度控制

介绍了模糊预测控制技术在水泥回转窑温度控制中的应用。水泥生产的关键环节在于水泥回转窑,其中最重要的就是对回转窑温度的控制。针对热工对象存在的大惯性、大迟延问题,运用T-S模糊模型的离线辨识算法对复杂的热工对象建模,得到了回转窑温度控制系统的线性化模型。     

柔性机械臂T-S模糊模型的辨识及其分析

针对柔性机械臂强非线性、强耦合性及不确定性等特点,利用Takagi-Sugeno模糊模型对柔性机械臂进行了建模。将模型的仿真结果和实验结果进行了对比分析,验证了模型的准确性。     

基于T-S模糊变权重MPC的智能车轨迹跟踪控制

为了协调智能驾驶车辆的轨迹跟踪精确性和稳定性,提高控制算法对不同工况的自适应能力,提出基于Takagi-Sugeno模糊变权重模型预测控制(Takagi-Sugeno fuzzy model predictive control,T-S FMPC)的轨迹跟踪控制策略。以前轮转角为控制变量建立MPC控制,并以实时横向位移误差和横摆角误差为模糊输入,通过T-S模糊控制在线优化MPC目标函数权重,协调权重矩阵对轨迹跟踪精确性和稳定性的影响。基于Carsim建立分布式驱动电动汽车的整车动力学模型,基于Simulink建立控制策略,通过双移线工况仿真及实车试验,验证了所提控制策略的有效性。仿真结果表明,相比于传统MPC控制,所提出的T-S模糊变权重MPC控制可降低横向位移误差达62.24%,有效提高轨迹跟踪精度;并且可使前轮转角波动减小37.46%、横摆角误差减小84.19%,显著增强轨迹跟踪稳定性;试验结果表明,在20 km/h、沥青路面双移线工况下,横向位移误差在0.12 m以内,横摆角误差在1°以内,且前轮转角控制曲线平滑,说明所提算法具有良好的控制效果和实用性。     

基于MATLAB的T-S型模糊控制器的设计与仿真研究

Takagi-Sugeno型模糊系统非常适合于模糊建模，针对复杂的非线性系统，采用T-S模糊模型逼近非线性系统，将非线性系统模糊化为局部线性模型。利用MABLAB软件中的模糊控制工具箱，以倒立摆为模型的仿真试验，验证了方案的有效性。     

基于T-S模型的集装箱装卸桥防摇保性能控制

基于T-S模型的保性能控制对控制带有不确定性的系统有很好的鲁棒性(如集装箱装卸桥防摇系统),将系统稳定和保性能控制转化为解一系列矩阵不等式的问题,得出最优的反馈矩阵,设计出基于T-S模型的最优保性能控制器,并将该方法进行仿真,结果表明此方法简单可行,并且具有很好的鲁棒性。     

Coordinated control system modelling of ultra-supercritical unit based on a new T-S fuzzy structure

The thermal power plant, especially the ultra-supercritical unit is featured with severe nonlinearity, strong multivariable coupling. In order to deal with these difficulties, it is of great importance to build an accurate and simple model of the coordinated control system (CCS) in the ultra-supercritical unit. In this paper, an improved T-S fuzzy model identification approach is proposed. First of all, the k-means++ algorithm is employed to identify the premise parameters so as to guarantee the number of fuzzy rules. Then, the local linearized models are determined by using the incremental historical data around the cluster centers, which are obtained via the stochastic gradient descent algorithm with momentum and variable learning rate. Finally, with the proposed method, the CCS model of a 1000 MW USC unit in Tai Zhou power plant is developed. The effectiveness of the proposed approach is validated by the given extensive simulation results, and it can be further employed to design the overall advanced controllers for the CCS in an USC unit.     

基于广义预测控制算法的水槽液位控制系统

为提高液位系统控制的可靠性和安全性,引入了广义预测控制算法。首先介绍了广义预测控制的基本算法,包括其基本理论、算法的优点及一些重要参数的选取标准。然后以水槽液位控制装置为控制对象建立了一个控制系统的数学模型,并对应用广义预测控制算法的该模型进行了仿真验证。仿真结果表明,所提出的算法具有良好的动态响应性能和快速跟踪设定值,并具有较好的控制效果。无论系统是否存在模型失配,只要控制系统是稳定的,就不会有静差。     

基于MATLAB的广义预测控制设计方法

热工过程控制具有非线性、大迟延、大滞后、时变、耦合性和不确定性的特点,从而使控制难以得到满意的效果。而广义预测控制具有较强的鲁棒性、对模型要求低的特点。并且适用范围非常广泛。本文介绍了广义预测控制的基本原理和特点,并采用隐式广义预测算法在MATLAB中对单输入单输出系统进行验证。仿真结果表明该算法不仅大大减少了计算量。而且具有较好的控制效果。