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.     

仿射线性结果T-S模糊建模及其应用

为了改善风能转换系统(WECS)非线性模型的线性化水平,本文以其为研究对象,围绕工况点且基于一阶泰勒展开提出了一种结果部分为仿射线性结构的Takagi-Sugeno(T-S)模糊建模方法;然后利用该方法处理WECS模型中的非线性,给出了具体的T-S模糊建模步骤并得到了高精度的WECS线性控制设计模型;最后,基于模糊逻辑工具箱对该T-S模糊模型进行了模型验证。仿真结果显示,该T-S模糊建模方法具有任意精度的非线性模型及动态特性逼近能力。     

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。     

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。     

核电站蒸汽发生器水位的模糊GPC控制系统研究

蒸汽发生器水位直接影响到整个核电站的安全及稳定运行,但蒸汽发生器本身由于所具有的高度复杂性、非线性、时变性等特性,导致传统的串级PID控制等多种方法难以取得好的控制效果.在串级控制的基础上,采用模糊广义预测控制来对蒸汽发生器水位进行控制,此法能充分发挥模糊控制及预测控制的优点,首先利用T-S模糊模型对系统进行辨识,并将其转化为线性时变状态空间模型,然后基于线性化的模型设计出广义预测控制器,并对蒸汽发生器水位进行自适应控制.仿真结果表明,与传统的串级PID控制相比,模糊广义预测控制方法无论是抗干扰能力还是鲁棒性,都有了很大的提高.     

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。     

一种新型非线性时变模型:模糊变参数系统

为了研究非线性时变模型,提出了模糊变参数系统。它是一种集T-S模糊系统和线性变参数系统诸多优点为一体的新型非线性时变模型,它继承了T-S模糊模型能有效处理非线性系统的优点,又保持了线性变参数模型处理时变系统的优势。模糊变参数系统不仅克服了传统T-S模糊模型在处理时变系统时模糊规则剧增的弱点,也扩展了线性变参数系统理论的适用范围,为解决非线性时变系统的控制问题提供了新思路。在以上模型的基础上,给出了零平衡点全局渐进稳定的一个充分条件以及设计一种T-S全状态反馈控制律的充分条件,数值仿真验证了结果的有效性。     

主动磁力轴承系统的模糊逆建模

为了主动磁力轴承分析和控制的需要,提出一种建立其非线性的力-电流-位移关系逆T-S模糊模型方案。该模糊模型的输入为电磁力和转子位移,输出为控制电流。该方案将模糊聚类分析、最小二乘法和残差分析有机结合,采用模糊聚类分析方法确定前提结构和参数,采用最小二乘法确定结论参数,并通过对残差的分析进一步确定模糊规则的数目。使用所提方法对一单自由度磁力轴承进行建模。为使磁悬浮转子在离平衡位置的大位移范围运行,采用了具有一定幅值的低频正弦信号作为参考输入信号。仿真结果表明所获得的逆T-S模糊模型有很高的拟合精度。     

多变量汽温模糊预测控制

针对火电厂锅炉汽温对象具有大迟延、非线性时变的特性,提出一种基于T-S模糊模型的多输入多输出(MIMO)预测控制策略.将MIMO系统分解为多个多输入单输出(MISO)系统,利用T-S模糊模型描述对象的动态特性,模糊规则将非线性对象划分为多个局部子线性模型,并用加权最小二乘法辨识其参数,然后用预测函数原理设计控制器.为提高预测控制性能,采用多步线性化模型构成多步预报器.仿真结果表明对于MIMO系统的长期预报和控制,多步线性化模型预测控制性能优于单步线性化模型预测控制性能.     

非线性系统的最优模糊保代价控制及在永磁同步电动机混沌系统中的应用

研究了具有不确定参数非线性系统的稳定最优模糊保代价控制问题。采用T-S模糊模型描述非线性系统，对具有范数有界，时变参数不确定性的非线性系统，得到了存在稳定最优模糊保代价控制器的充分条件，并推算出了相应的线性矩阵不等式(LMI)形式。建立了永磁同步电动机混沌系统的T-S模型，采用最优模糊保代价控制器进行控制，针对不含参数不确定性和含有参数不确定性两种情况进行仿真研究，均得到满意的控制效果。     

混沌时间序列的模糊聚类预测与目标检测

针对海杂波中的弱信号检测问题,以相空间重构和模糊理论为基础,提出了一种基于T-S模型的模糊聚类方法对混沌时间序列进行预测和目标检测,利用自适应门限法判决混沌背景下微弱目标信号的有无.在模糊聚类建模中将前件划分和结论参数分开辨识,既简化辨识步骤,又提高模型的泛化能力,同时解决了模糊模型随辨识系统复杂程度提高而规则数增大的问题.与基于RBF神经网络的混沌背景下弱信号检测结果进行比较,仿真结果验证了该方法的有效性.     

基于T-S模糊模型的球磨机负荷控制系统

球磨机负荷控制系统通过调节给煤机的转速控制存煤量在给定值附近。针对其存在非线性、参数时变和大延迟等难以控制的特性,提出基于T-S模糊模型的预测函数控制新方法。用T-S模糊模型描述对象的非线性动态特性,根据模糊规则将非线性模型分解为若干个局部线性模型,并依据球磨机负荷对象的特性,将线性模型简化为一阶纯滞后环节。对辨识后得到的每个局部线性模型采用预测函数控制算法。仿真研究结果表明:系统响应速度变快、超调量较小,表现出较好的动态响应特性,同时还避免了PID控制器3个参数难以整定的困难。     

基于风能转换系统的T-S模糊建模与控制

根据风能转换系统的状态方程,结合T-S模糊模型良好的局部线性的特点,建立了风能转换系统T-S模糊控制模型。然后针对新的风能转换系统模型设计了模糊控制器。仿真结果表明在额定风速以下,T-S模糊控制方法能够将风能转换系数控制在最优值0.476附近,叶尖速比也可以维持在最优值7附近,能够实现额定风速以下的最大风能捕获。     

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。     

The research of superheated steam temperature control based on generalized predictive control algorithm and adaptive forgetting factor

The superheated steam temperature system of the thermal power plant has the characteristics of large inertia, nonlinearity, and strong time variation, which make it difficult to be controlled. To address these problems, this paper proposes a generalized predictive control algorithm with an adaptive forgetting factor. First, based on a fuzzy algorithm and a recursive least squares algorithm, the controlled object's model can be quickly and accurately obtained with the adaptive forgetting factor in real time. It overcomes the nonlinear and time-varying problems of the controlled object in the control progress. Meanwhile, it also solves the problem of data saturation and the weight assignment of the “new and old” data during online identification. Second, an adaptive generalized predictive controller algorithm has been developed with the controlled object. It solves the large inertia problem of the controlled object. Finally, through establishing simulation model of the superheated steam temperature system and simulating, the results show that the proposed method has better control performance, antidisturbance ability, adaptability, and robustness. Moreover, it has a certain reference significance for the design of a practical control system.     

一种改进T-S模糊推理机在锅炉汽水系统中的应用

研究了T-S模糊推理机的结构,在此基础上设计了基于模糊规则调整的改进T-S模糊控制器,并给出了仿真结果,同时在实际的锅炉汽水系统应用中也取得了良好的效果。