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.     

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。     

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。     

一种基于T-S云模型的非线性系统控制

将云模型与T-S模糊系统结合,利用隶属云代替模糊系统的前件,提出一种T-S云模型.T-S云模型综合考虑模型的精确性和可解释性,不但可以利用专家的知识和经验建立系统模型,而且还可以通过输入/输出数据设计云模型系统.详细分析T-S云模型的系统结构.基于云模型和模糊系统对模糊概念表述的一致性,在不考虑超熵的情况下,使用梯度下降法辨识T-S云模型前件参数.利用递推最小二乘法辨识T-S云模型后件参数.设计了基于T-S云模型的控制器,实现了将卡车后倒至指定的卸车位置,体现了T-S云模型的不确定处理能力.仿真研究验证了算法的有效性.     

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。     

基于模糊状态观测器的单元机组T-S模糊协调控制系统

针对多输入多输出非线性锅炉-汽机系统在负荷工作点大范围变动情况下的协调控制，设计了基于T-S模糊模型的包含模糊状态观测器的渐近跟踪控制系统。该方法将非线性系统在一些选定工况点进行线性化，采用并行分布补偿（PDC）方法，设计模糊渐近跟踪控制器和模糊状态观测器，以汽包压力为前件变量，构造T-S模糊控制系统。引入模糊状态观测器，成功地解决了部分状态变量不能测量的困难。使用线性矩阵不等式（LMI）方法进行了稳定性分析，保证了此控制系统的大范围稳定性。仿真结果验证了这种控制系统能够在大范围运行工况下工作良好。     

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.     

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。     

基于阶梯隶属度函数的离散T-S模糊系统H_∞控制

针对离散T-S模糊控制系统,提出了一种基于阶梯隶属度函数的H_∞控制器设计方法。为了增加控制器设计的自由度,采用模糊Lyapunov函数作为候选Lyapunov函数,并利用非并行补偿控制器进行闭环控制。进一步利用阶梯隶属度函数逼近T-S模糊模型的隶属度函数,根据阶梯隶属度函数取值的离散性和有限性,描述闭环系统稳定性和性能的模糊矩阵不等式可以被转换为若干线性矩阵不等式。由于隶属度函数的信息被引入到控制器设计之中,降低了控制器设计的保守程度。相比于传统的H_∞控制方法,所提出的方法能够设计出具有更小H_∞性能指标的模糊控制器。给出了一个数值仿真示例验证了方法的有效性。     

非线性系统的模糊输入多采样率数字控制

针对非线性系统的模糊多采样率数字控制问题,基于T-s模糊模型和离散模糊基函数值,建立了被控对象的输入多采样率数字控制系统模型.采用PDC控制原理,提出了一种新的模糊多采样率数字控制方法,给出了控制器设计算法,并通过求解带有线性矩阵不等式(LMI)约束的凸优化问题来获得控制器的参数.倒立摆控制器设计实例证明了设计方法是有效、可行的.     

基于T-S模型的电力变压器顶层油温预测研究

为准确估算电力变压器绕组热点温度，对变压器安全运行和寿命评估提供辅助依据，建立了一个基于Takagi- Sugeno(T-S))的变压器顶层油温预测模型。模型的前件参数由模糊C均值聚类算法确定，后件参数由加权最小二乘法离线辨识，并用现场实测数据对模型后件参数进行在线调整。通过对实测数据的仿真实验表明，该模型以简单的模糊规则实现了变压器顶层油温的预测，且模型的预测精度优于IEEE推荐的变压器顶层油温经验模型，从而提高其绕组热点温度计算的精度。     

基于混合算法的短期负荷预测模糊建模

结合最小二乘（LS）辨识以及一种基于进化规划（EP）和粒子群优化（PSO）的混合进化算法EPPSO,针对对温度比较敏感的夏季负荷,提出一种3阶段短期负荷预测（STLF）算法。在第1阶段,应用LS设计模糊基函数网络（FBFN）完成STLF模糊空间划分;第2阶段,首先拓展FBFN成一阶Sugeno模糊模型,然后应用EPPSO调节其前件参数同时训练后件参数,最后将前述模型用于STLF得出的预测误差看做一个新的时间序列,并仅用气象因素对其进行辨识,可以用回归模型表示该辨识模型,进而应用LS进行辨识。文中提出的STLF模糊建模策略主要贡献于受气象因素影响较大的夏季负荷。仿真部分对浙江省电力公司的实际负荷进行了预测,与其他方法的比较结果证明该方法具有良好的预测性能。     

FIR fuzzy equalizer design for nonlinear channels LMI-based fuzzy approach

In this paper an LMI based fuzzy methodology for nonlinear channel equalization from an H _∞ perspective is proposed. According to Takagi-Sugeno (T-S) fuzzy modeling concept, the discrete-time nonlinear channel can be constructed by the piecewise linear subsystems. The FIR fuzzy equalizer design for nonlinear channel is transformed into standard linear matrix inequality (LMI) optimization problem, and the coefficients of the equalizer are obtained by solving LMIs. Besides, the stability of T-S fuzzy system has been investigated based on Lyapunov approach. Finally, simulation result is given to demonstrate the effectiveness of the proposed methodology.     

基于T-S模糊模型的鲁棒自适应滑模控制

针对一类具有时滞的非线性连续时间系统,基于T—S模糊模型,考虑系统的外界干扰和建模误差不存在的理想情况,并利用滑模控制理论和LMI方法,设计了滑模控制器;考虑系统的外界干扰和建模误差存在的情况,采用神经网络逼近建模误差,引入自适应控制鲁棒项,设计了自适应滑模控制器,根据Lyaponuv稳定性理论,证明了系统状态渐近稳定。仿真示例表明了所提方法的有效性。     

基于递阶G-K聚类的热工过程多模型建模方法

针对热工过程分段线性化的特点,本文提出一种新的基于递阶模糊聚类的热工过程多模型建模方法。首先基于递阶G-K模糊聚类对系统输入／输出数据空间进行快速聚类分解,避免了聚类数确定的盲目性;然后在每个子空间中利用最小二乘法辨识出相应的线性子模型,再将各子模型通过模糊加权求和以得到精确的系统全局模型。同时,为保证各聚类子空间内样本的“线性化度”,采用新的综合聚类指标,并利用免疫遗传算法来求解该聚类问题,以克服迭代算法易陷入局部极小和对聚类初始化敏感的缺点。该方法能充分利用运行数据中所包涵的对象动态特性信息,以描述过程的全局非线性。最后通过几个典型实例验证了该方法的有效性、准确性。     

不确定欠驱动非线性系统的模糊滑模控制

针对一类不确定欠驱动非线性系统，提出了一种模糊滑模控制新方案．该方案在T-S型模糊控制的基础上引入滑模控制，有效避免了T-S型模糊控制可能出现的不稳定情况，同时改善了系统的动态性能。采用吊车系统进行系统仿真，结果表明了该控制方案的有效性。     

基于T-S模糊逻辑的混合储能孤岛直流微电网功率分配控制

在含混合储能的直流微电网中,传统阻容下垂控制无法解决由线路电阻和负荷功率波动导致的系统功率分配失衡问题。为此,提出一种基于Takagi-Sugeno(T-S)模糊逻辑的自适应阻容下垂控制方法以实现混合储能的分频分配。根据蓄电池和超级电容的物理特性,建立单个蓄电池支路输出电压、蓄电池组间输出功率差额和阻性下垂系数之间的T-S模糊逻辑关系,以及单个超级电容支路输出功率及其变化率、超级电容组间功率差额和容性下垂系数之间的T-S模糊逻辑关系,并由此构建基于T-S模糊逻辑的阻容下垂控制器。推导含混合储能的直流微电网中各部分的平均阻抗模型,并采用阻抗比分析法对微电网的小信号稳定性进行研究。MATLAB/Simulink仿真结果表明,基于T-S模糊逻辑的阻容下垂控制可保证在线路电阻和负荷功率波动情况下系统功率的合理分配。     

基于模糊观测器的模糊控制系统的稳定性

用连续T -S模型对一类非线性系统进行模糊建模 ,在此基础上利用隶属函数最大法设计鲁棒观测器和控制器 ,一级倒立摆仿真实验验证了方案的正确性。