基于超平面的T-S模糊模型辨识

针对多输入多输出(MIMO)的非线性热工动态对象,基于超平面的建模思想,提出了一种新的T-S模糊模型建模方法,既能够统一前、后件的参数辨识,又能防止过多增加计算量。介绍了通用的T-S模糊模型,详细推导出点到超平面的距离公式,据此,提出基于平均线性度的有效性能指标函数S(c),从而避免了规则数确定的盲目性。针对T-S模糊模型分段线性的特点,得出了输入、输出联合空间中的点到各后件子模型所对应的超平面距离,归纳出具体的建模步骤,同时给出了平均线性度D(c)的计算公式。新的建模算法可解释性好,不仅具有良好的精度,而且具有较好的泛化能力。最后,针对典型负荷被控对象的仿真结果证实了该方法的有效性。     

风能转换系统随机建模与H_∞容错控制

针对带有传感器、执行器故障的风能转换系统(WECS)的建模与容错控制问题,提出了基于随机分段仿射(PWA)模型的建模方法和H∞容错控制方法。建立了风电机组多工作区域的随机PWA正常模型;针对WECS的桨距角传感器故障、功率测量传感器故障、桨距角执行器故障、电机电磁转矩执行器故障,建立风能转换系统的随机PWA故障模型;基于WECS系统的正常和故障的随机PWA模型,利用非线性耗散系统的稳定性理论与H∞鲁棒控制方法,提出并证明了WECS系统的H∞容错控制器存在性定理,给出控制器求解方法。仿真结果表明本文所提出的基于随机PWA模型的风能转换系统的H∞容错控制方法对于存在的传感器、执行器增益故障具有较好的容错控制性能。     

基于模糊建模技术的PEMFC非线性控制

针对PEMFC等一类具有严重非线性的复杂被控对象,提出一种基于模糊模型的非线性预测控制算法对PEM-FC系统进行建模与控制。在建模与控制过程中,采用离线学习和在线修正辨识出对象的模糊模型;其中,模型的参数通过模糊聚类初始化和离线反向传播算法进行学习,必要时,可通过在线调整后件参数,使模型的预测精度能满足实时控制的需要。线性辨识方法在线建立PEMFC控制系统的T-S模糊预测模型,然后基于分支定界法的基本原理对控制量进行离散寻优,从而实现PEMFC的非线性预测控制。仿真和实验结果证明了该算法的有效性和优越性。     

基于T-S模型的自适应神经模糊推理系统及其在热工过程建模中的应用

在工业热工过程控制中,被控对象动态特性往往表现出非线性、时变性、大迟延和大惯性等特点,这使得难以对其建立比较精确的模型,从而难于精确表达热工过程及实施整体优化控制。针对热工过程建模难的现状,为达到建立精确非线性模型的目的,提出1种基于T-S模型的自适应神经模糊系统(ANFIS)模糊建模方法。该方法通过对模糊系统的结构辨识和参数辨识,使神经模糊网络能够自主、迅速有效地收敛到要求的输入和输出关系,从而达到精确建模的目的。仿真结果验证了所提出的算法的有效性,将其应用到热工过程建模中可获得高精度的非线性模型。     

随机最优非线性网络控制系统设计

针对网络控制非线性系统中存在的不确定时延,利用Delta算子方法,研究了基于T-S模糊模型的随机最优网络控制问题。采用T-S模型模糊动态逼近非线性系统,将非线性模型模糊化为局部线性模型,设计了本质为非线性的具有时延补偿功能的状态反馈控制器,并进行了稳定性分析,并仿真。结果表明,所提出的建模方法是可行的,实质为非线性的状态反馈的控制器能够有效地补偿时延对系统性能的影响,且补偿效果好。     

电网混沌系统的T-S模糊非线性PI控制

为抑制电网的混沌现象,提出了一种电网混沌系统的T-S模糊模型的非线性状态比例-积分(PI)控制方法。通过建立电网混沌系统的T-S模糊模型,将具有强非线性的电力系统分解为局部线性化的子系统,针对每一个子系统设计非线性状态比例-积分控制器,理论论证了控制系统的稳定性。最后由仿真实验证实了该方法能够有效抑制电网的混沌现象。     

基于T-S模型的烧结终点广义预测自适应控制

针对铁矿石的烧结过程具有时滞、非线性、不确定等特性,在研究了烧结工艺和烧结终点子系统的部分参数选型的基础上提出一种基于T-S(Takagi Sugeno)模糊模型的烧结终点的预测控制方法。首先,根据烧结终点和台车速度之间的动态非线性化关系,建立烧结终点的T-S模糊模型;然后,在此基础上进行广义预测控制器的设计;最后加入了模糊补偿控制,以实现对烧结终点的自适应控制。利用某烧结厂产生的历史数据对该方法进行仿真实验,结果表明该方法具有较高的辨识精度,超调量小,控制时间短,方法有效。     

基于T-S模糊模型的多变量非线性预测控制

针对多变量非线性系统预测控制的实时性问题,提出一种基于T-S模糊模型的预测控制快速算法.通过辨识建立非线性系统的T-S模糊模型,依据系统的运动特性和实际中控制输入增量的变化趋势选取特定基函数,将广义预测控制和预测函数控制相结合设计多变量预测控制律.该算法相比已有基于T-S模糊模型的多变量非线性广义预测控制算法大幅度减少了计算量,显著提高了控制的实时性.仿真结果验证了该算法的有效性.     

网络系统的马尔科夫时滞预测控制

针对非线性网络控制系统存在网络诱导时延的问题,提出一种时滞补偿控制方法。首先建立非线性网络系统的T-S模糊模型,将网络诱导时延视为系统输入时滞;利用马尔科夫链对网络诱导时滞进行建模,在此基础上计算状态转移概率矩阵,依据最大转移概率法对下一步的时滞进行预测;采用遗传算法对状态反馈控制器进行寻优,得到T-S模糊模型每个子系统针对各个时滞的最优状态反馈控制律;通过时滞时间的隶属度函数融合得到非线性网络控制系统的模糊预测控制器;仿真算例验证该方法的可行性与有效性。     

电力系统负荷模糊建模方法与装置

电力系统负荷建模问题作为一个区别于其他建模问题的特殊的电力系统难题,关键在于负荷的时变性.基于量测的建模方法中常用的单一的多项式模型和指数模型已经不能满足要求,而其他输入输出模型又十分复杂,难以实现.基于量测的建模方法,针对电力系统负荷建模和模糊T-S模型的特点,把模糊T-S模型用在了非线性的动态负荷建模中,在一定程度上解决由于负荷强时变性而难以进行负荷建模的问题,简化了复杂的负荷模型,并得到了比传统的多项式模型和指数模型更加精确的辨识结果,同时给出了负荷建模装置的硬件设计电路.实际应用结果证实了所提方法的有效性和实用性.