基于T-S模糊模型的非线性预测控制策略

提出了一种新的基于T-S模糊模型的非线性预测控制策略. T-S模糊模型用于描述对象的非线性动态特性, 通过将模糊模型的输出反馈回来作为模型输入, 从而构成了模糊多步预报器. 由于T-S模糊模型每条规则的结论部分是一个线性模型, 因此整个模糊模型可以看作一个线性时变系统, 从而将模糊预测控制器中的非线性优化问题转化为一个线性二次寻优问题, 以方便求解. pH中和过程的仿真结果表明其性能优于传统的动态矩阵控制器.     

模糊预测控制炉窑温度系统中应用

针对炉窑温度系统的大时滞、多扰动和非线性的特点,将T-S模糊状态空间模型作为预测控制的预测模型,并将T-S模糊表示的非线性系统转化为线性时变系统,给出了基于状态空间的多变量复杂系统的T-S模糊模型表达形式,设计出预测时域内多模型的非线性模糊预测控制器。根据实际控制中对控制量和输出的约束,将控制器输出求解转化为二次规划问题。     

一种基于T-S模型的模糊预测控制

提出了一种基于T-S模型的模糊预测控制策略。T-S模糊模型用来描述对象的非线性动态特性,通过当前的工况参数实时在线的修正每一时刻的阶跃响应模型参数,将模糊模型作为常规线性预测控制DMC方法的预测模型,从而把T-S模型对复杂的非线性系统的良好描述特性和预测控制的滚动优化算法相结合,来实现利用常规线性预测控制策略对非线性系统的有效控制,有效地解决了复杂工业过程的强非线性问题。pH中和过程的仿真结果表明其性能明显优于传统的PID控制器。     

模糊多模型协调控制系统设计及仿真

针对一个500 MW单元机组的仿真模型,首先依据滑压曲线对模型线性化得到其平衡工作点的线性化模型,并用隶属度函数连结成T-S模糊模型;然后针对各线性化模型设计了V-规范型多变量内模控制器;最后,依据T-S模糊模型结构设计了以多变量内模控制器作为局部模型控制器的模糊多模型协调控制系统.这种控制系统既可以克服模型工作点变化所带来的非线性问题,同时又可以保证控制回路间的有效解耦.仿真研究证明了控制系统设计的有效性.     

多变量非线性系统的模糊内模控制

大多数的先进控制器是基于线性模型的,它们对化学工业中常见的非线性过程的控制效果并不能达到最优.因此,考虑使用非线性模型,以使控制性能获得改善.用基于T-S模型的自适应模糊聚类辨识算法对系统进行辨识.T-S模型是用线性的方程来描述非线性系统,从而利于求出模型的逆.而模型逆又是IMC的关键一步,因此选用这种基于T-S模糊模型的控制器(FIMC)来实现对非线性多变量系统的控制.对2输入2输出的非线性系统进行仿真,结果表明FIMC在多变量系统中可以实现好的控制.     

基于T-S 模型和小世界优化算法的广义非线性预测控制

提出一种新型的基于T-S模糊模型和小世界优化算法的广义非线性预测控制策略.采用基于混沌遗传算法的T-S模糊模型描述复杂非线性系统的动态特性,构成模糊多步预报器.同时,针对现有基于二进制和十进制编码小世界优化算法运行时间长等缺点,提出一种新型的基于实数编码的小世界优化算法,函数测试和应用于非线性预测控制的滚动优化反映了其较强的寻优能力.最后,将其应用于基于实际数据的T-S模糊模型的广义非线性预测控制,满足了系统实时性和快速稳定性的要求.     

T-S模糊算法在水箱液位非线性控制中的应用

通过实验手段及机理建模法获得多容水箱液位控制的分段线性化数学模型,从而采用T-S型模糊算法构成控制器,不仅能在每个模糊子区间中建立分段线性模型,还能借助隶属度函数将各分段线性模型平稳地连接成一个整体非线性系统模型,有效克服参数突变而引起的扰动,进一步提高控制系统动态响应性能。     

基于T-S 模型的模糊预测控制研究

提出一种基于T—S模型的模糊预测控制策略．利用模糊聚类算法高线辨识T—S模型，采用带遗忘因子的递推最小二乘法进行模型参数的选择性在线学习；对模糊模型在每一采样点进行线性化，将T—S模型表示的非线性系统转化为线性时变状态空间模型，并将约束非线性优化问题转化为线性二次规划问题，解决了非线性预测控制中如何获得非线性模型和非线性优化在线求解的难题．将预测域内的线性模型序列作为预测模型，减小了模型误差，提高了控制性能．pH中和过程的仿真验证了该方法的有效性．     

基于多模糊模型的非线性预测控制

研究了基于多模糊模型的非线性预测控制问题 ,提出了基于多模型融合的非线性预测控制方法 .首先根据实际对象在不同运行点附近的状态建立了非线性系统的线性多模糊模型表示 ,然后给出了基于多模糊模型的预测控制原理结构框图 .非线性多模糊模型被用来作为预测模型 ,CSTR过程的仿真研究表明是一种有前景的非线性预测控制方法 .     

基于模糊观测器的非线性MIMO系统H2/H∞模糊状态反馈控制

研究了非线性系统H₂/H_∞模糊状态反馈控制问题.采用局部线性化方法,用T-S模糊线性模型逼近非线性系统,用模糊观测器重构系统状态.在希望的H_∞干扰抑制约束下,通过最小化H₂控制性能指标,实现了模糊状态反馈次优控制.通过将优化问题转化成2个特征值问题(EVP),应用线性矩阵不等式(LMI)优化方法求解,使问题的求解大大简化.所设计的闭环系统在平衡点是局部二次型稳定的,系统抗扰性能和动态性能均较好.