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。     

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．     

一种基于T-S模糊模型的自适应预测函数控制

针对离散时间非线性系统,提出了一种基于T-S模糊模型的自适应预测函数控制算法。该算法利用加权递推最小二乘法在线辨识T-S模糊模型后件参数,以克服模型失配对系统性能的影响。根据辨识得到的模型参数直接递推计算模型的预测输出,而不需要求解Diophantine方程,进而直接递推求解预测控制律,而不需要求解矩阵逆。仿真结果表明,该算法具有良好的跟踪性能和较强的鲁棒性。     

离散T-S模糊系统的部分状态反馈H∞控制

基于部分状态信息的控制器是一类特殊的静态输出反馈控制器,一般难以利用线性矩阵不等式工具求解.本文研究离散T-S模糊系统的部分状态反馈镇定及部分状态反馈H∞控制问题.通过引入松弛变量,将离散T-S模糊系统的部分状态反馈镇定问题转换成求解一组线性矩阵不等式（LMI）,并给出基于LMI的部分状态反馈H∞控制器设计方法.通过数值算例验证了所给方法的有效性.     

基于T-S模糊模型的滑模跟踪控制

基于T-S模糊模型设计跟踪控制器,它包括两个部分:权重最大子系统局部反馈控制和采用滑模控制设计的全局监督控制,能保证系统稳定.倒立摆跟踪控制结果证明了算法的有效性.     

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.     

航空发动机T-S模型模糊广义预测控制算法设计

研究了在航空发动机全权限数字式电子控制（FADEC）系统中引入模糊广义预测控制算法问题.研究采用T-S模型描述航空发动机的非线性动态特性,并结合广义预测控制算法来实现对发动机的控制.此法能很好地解决航空发动机模型的难确定性和其较高的鲁棒性、实时性要求这一矛盾.仿真结果证明了该方法的有效性.未来的研究工作将在现有工作的基础上,进一步改善预测模型的在线校正和多变量控制问题.     

状态反馈预测控制干扰解耦的研究

讨论状态反馈预测控制系统设计中的干扰解耦设计问题，给出了状态反馈预测控制系统干扰可解耦设计的充分必要条件。基于状态空间模型，给出了状态反馈预测控制系统设计参数——预测时域按干扰解耦设计的选取方法。它可改善控制系统的性能，提高控制系统的抗干扰能力。仿真结果表明了状态反馈预测控制系统干扰解耦设计的有效性。     

一类不确定模糊模型的输出反馈鲁棒预测控制

针对一类满足扇形界条件的不确定模糊模型描述的非线性系统,提出一种输出反馈鲁棒预测控制方法．该方法将鲁棒预测控制的Min-Max优化问题转化为具有LMI约束的线性目标最小化问题,并且不需系统状态完全可测,仅仅利用系统测量输出和不可测状态的界限值来确定保证闭环系统鲁棒稳定的输出反馈控制器．仿真实验证明了该方法的有效性．     

基于T-S模型的模糊神经网络PID控制

针对在非线性、时变不确定系统中,常规PID控制器难以获得满意效果的问题,仿照传统PID控制器结构,设计了一种基于T-S模型的模糊神经网络PID控制器。该控制器基于T-S模糊模型,将PID结构融入模糊控制中,充分发挥了模糊系统非线性、可解释性的特点;然后又利用神经网络的学习算法,实现了对模糊控制器的参数调整,使控制器具有了适应时变、不确定系统的自学习和自组织能力。针对非线性、时变系统,将此控制器与传统PID控制器对比进行了仿真研究,并应用于啤酒发酵领域,其结果表明,该控制器取得了令人满意的效果。     

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.     

Enlarging the terminal region of quasi-infinite horizon NMPC based on T-S fuzzy model

The paper presents a method for enlarging the terminal region of quasi-infinity horizon nonlinear model predictive control (NMPC) for nonlinear systems with constraints. The main technique builds on the fact that terminal controllers are fictitious and never applied to the system in the quasi-infinite horizon NMPC [1]. Based on T-S fuzzy models of nonlinear systems, we show that a parameter-dependent state feedback law exists such that the corresponding value function and its level set can be served as terminal cost and terminal region. The problem of maximizing the terminal region is formulated as a convex optimization problem based on linear matrix inequalities (LMIs). A numerical example is given to illustrate the effectiveness of the proposed method.     

Controller design of uncertain nonlinear systems based on T-S fuzzy model

A robust control for uncertain nonlinear systems based on T-S fuzzy model is discussed in this paper. First, a T-S fuzzy system is adopted to model the uncertain nonlinear systems. Then, for the system with input variables adopting standard fuzzy partitions, the efficient maximal overlapped-rules group （EMORG） is presented, and a new sufficient condition to check the stability of T-S fuzzy system with uncertainty is derived, which is expressed in terms of Linear Matrix Inequalities. The derived stability condition, which only requires a local common positive definite matrix in each EMORG, can reduce the conservatism and difficulty in existing stability conditions. Finally, a simulation example shows the proposed approach is effective.     

基于T-S模糊模型非线性网络控制系统改进H∞跟踪控制

研究一类非线性网络控制系统改进H∞跟踪控制问题, 该类网络控制系统中非线性被控对象和被跟踪对象分别采用Takagi-Sugeno(T-S)模糊模型和线性稳定参考模型描述. 首先通过综合考虑网络中的数据传输时滞和数据丢包影响, 采用输入时滞法和并行分布补偿技术, 建立基于零阶保持器刷新时刻的系统状态跟踪误差模型. 然后利用改进的自由权矩阵方法, 并结合Lyapunov直接法给出系统满足H∞跟踪性能的充分条件以及模糊控制器的设计方法. 最后仿真实例表明本文方法的有效性和相比已有方法的优越性.     

Predictive functional control based on fuzzy T-S model for HVAC systems temperature control

In heating, ventilating and air-conditioning (HVAC) systems, there exist severe nonlinearity, time-varying nature, disturbances and uncertainties. A new predictive functional control based on Takagi-Sugeno (T-S) fuzzy model was proposed to control HVAC systems. The T-S fuzzy model of stabilized controlled process was obtained using the least squares method, then on the basis of global linear predictive model from T-S fuzzy model, the process was controlled by the predictive functional controller. Especially the feedback regulation part was developed to compensate uncertainties of fuzzy predictive model. Finally simulation test results in HVAC systems control applications showed that the proposed fuzzy model predictive functional control improves tracking effect and robustness. Compared with the conventional PID controller, this control strategy has the advantages of less overshoot and shorter setting time, etc.     

Predictive functional control based on fuzzy T-S model for HVAC systems temperature control

In heating, ventilating and air-conditioning （HVAC） systems, there exist severe nonlinearity, time-varying nature, disturbances and uncertainties. A new predictive functional control based on Takagi-Sugeno （T-S） fuzzy model was proposed to control HVAC systems. The T-S fuzzy model of stabilized controlled process was obtained using the least squares method, then on the basis of global linear predictive model from T-S fuzzy model, the process was controlled by the predictive functional controller. Especially the feedback regulation part was developed to compensate uncertainties of fuzzy predictive model. Finally simulation test results in HVAC systems control applications showed that the proposed fuzzy model predictive functional control improves tracking effect and robustness. Compared with the conventional PID controller, this control strategy has the advantages of less overshoot and shorter setting time, etc.     

基于T-S模型的自校正模糊PID控制器的设计

基于Takagi和Sugeno的模糊控制模型，设计了基于T-S模型的积分分离算法的模糊PID控制器，同时引入了继电反馈控制进行模糊PID控制器初始值的整定，实现了自校正模糊PID控制器。通过对工业过程的时滞对象的数字仿真分析表明，该控制器获得了很好的静动态性能、鲁棒性和抗干扰能力，为实现自动型控制器提供了简单而又实用的新方法。