基于人工鱼群优化的锅炉汽包水位模糊预测

介绍火电厂锅炉汽包水位在实际生产中的工作特点,将人工鱼群优化滚动、优化策略的广义预测控制算法和T-S模糊模型应用于汽包水位建模中,并将其作为广义预测控制的预测模型,研究基于模糊T-S模型的广义预测控制算法在汽包液位控制系统中的应用。在MATLAB仿真环境下对其控制效果和性能进行分析。     

铅锌烧结过程烧穿点的模糊预测控制方法

针对具有时滞、非线性、不确定等特性的铅锌密闭鼓风烧结过程,提出一种烧穿点的模糊预测控制方法。首先,基于台车速度和烧穿点之间的分段线性化关系,建立烧穿点的模糊T-S模型。然后,采用动态线性化方法获得烧穿点的全局模型,并在此基础上进行模型预测控制器设计,以实现烧穿点的模糊预测控制。最后,采用烧结生产历史数据,对模糊预测控制方法进行了仿真和实验研究。结果表明：模糊T-S模型能有效抑制垂直燃烧速度不确定性的影响,具有较高的辨识精度,能够满足工业现场生产指导的需要;此外,烧穿点的模糊预测控制方法比单纯的模糊控制调节时间短、超调量小,能快速有效地响应烧穿点的变化,具有一定的应用价值。     

递归T-S模糊模型的神经网络

在常规T-S模糊神经网络的基础上加入动态递归元件,提出了递归T-S模糊模型的神经网络。在系统辨识中采用无监督聚类算法和动态反向传播算法训练该递归神经网络的参数,给出了该递归网络的逼近性证明。辨识效果与常规T-S模糊模型作比较,说明递归T-S模糊模型的神经网络在非线性系统辨识中表现出更好的性能。     

基于T-S模糊神经网络的Hammerstein模型预测控制

针对化工生产过程中强非线性、大滞后、时变特点的复杂特性,提出了一种基于T-S模糊神经网络的Hammerstein模型动态矩阵预测控制方法。采用非线性控制分离策略,应用动态矩阵控制算法计算该模型动态线性部分的中间变量,作为T-S模糊神经网络的输入,进而通过T-S模糊神经网络逆映射出控制量,以实现基于T-S模糊神经网络的Hammerstein模型预测控制。pH中和过程的仿真控制实验表明,所提方法明显优于传统的PID控制方法,具有良好的设定值跟踪及抗干扰效果。     

基于FGPC的单元机组协调控制系统研究

针对单元机组的大迟延、强耦合、参数时变且不确定性的特点,将T—s模糊模型引入预测控制中,作为预测模型。首先,用改进的模糊c一均值聚类算法和随机牛顿法辨识得到非线性系统的T-s模型;然后基于线性化后的系统模型设计模糊广义预测控制器,并对非线性对象进行在线控制。仿真结果表明：FGPC对于时变的非线性系统具有很好的控制效果。     

基于T-S模糊神经网络模型的Co-WC复合镀层磨损量的预测

在高速钢(W18Cr4V基体上)表面,运用脉冲电沉积技术制取Co-WC镀层。建立T-S模糊神经网络模型预测镀层磨损量。利用SEM以及XRD研究镀层形貌及物相组成。试验表明:T-S模型的模糊神经网络能较好的预测Co-WC复合镀层磨损量。当WC粒子含量30 g/L、施镀温度50℃、电流密度3.5 A·dm~(-2)、pH值5、搅拌速率500 r·min~(-1),稀土CeO_2含量10 g/L,Co-WC复合镀层表面平整,晶粒细化,改善了Co-WC复合镀层的性能。     

基于T-S模糊神经网络的AGV轨迹跟踪研究

针对AGV在轨迹跟踪过程中出现的问题,通过对小车运动学模型进行分析,采用T-S模糊神经网络模型,设计了一种模糊神经网络控制器,利用Matlab软件进行仿真,并与普通PID控制器进行对比。仿真结果表明:基于T-S的模糊神经网络控制器提高了AGV小车运行的稳定性和鲁棒性,优于普通控制算法。     

基于T-S模糊模型的间歇过程的迭代学习容错控制

间歇过程不仅具有强非线性,同时还会受到诸如执行器等故障影响,研究非线性间歇过程在具有故障的情况下依然稳定运行至关重要。针对执行器增益故障及系统所具有的强非线性,提出一种新的基于间歇过程的T-S模糊模型的复合迭代学习容错控制方法。首先根据间歇过程的非线性模型,利用扇区非线性方法建立其T-S模糊故障模型,再利用间歇过程的二维特性与重复特性,在2D系统理论框架内,设计2D复合ILC容错控制器,进而构建此T-S模糊模型的等价二维Rosser模型,接着利用Lyapunov方法给出系统稳定充分条件并求解控制器增益。针对强非线性的连续搅拌釜进行仿真,结果表明所提出方法具有可行性与有效性。     

基于多目标的模糊神经网络及在pH控制过程中的应用

设计了一种基于多目标的动态模糊递归神经网络（FRNN）建模方法,用于pH中和过程的广义预测控制。所设计的多目标优化算法以提高拟合精度和简化网络结构为原则,同时优化模糊神经网络中的模糊规则数、隶属度函数中心点及其宽度,由此得到的FRNN模型可以高精度拟合pH中和过程。依据该动态模型,在控制过程的每一个控制周期得到其局部线性模型,将广义预测控制中复杂的非线性优化问题转化为简单的二次线性规划问题。仿真对比结果验证了所提方法的有效性。     

一种T-S模型的建模方法及医学应用的研究

为了优化中医证候诊断模型,为中医证候诊断标准提供可行性方法,利用自适应模糊理论的算法辨识RBF神经网络的前件参数向量及后件参数向量,并用2-型糖尿病文献数据库验证该方法的有效性和合理性,最终建立一个拥有29个模糊规则和相应的隶属函数参数值矩阵及输出层的权矩阵(即线性方程的系数矩阵)的T-S模型。通过模型检验,证候诊断模型判准率和训练速度均较BP网络模型有较大改善,证明这种T-S模型可用于证候诊断标准。     

基于T-S模糊模型与粒子群优化的非线性预测控制

引言模型预测控制属于一种基于模型的多变量的控制算法,发展至今已在化工过程控制方面得到了广泛的应用[1-5]。状态反馈预测控制[6-8]是模型预测控制技术的一种,基于状态空间模型,采用实测状态     

基于支持向量机的精馏塔模糊预测控制算法研究

利用模糊预测控制,依据支持向量机对模糊预测控制方法中的预测模型进行训练,以精馏塔的塔顶回流控制为例,通过仿真研究了支持向量机作为预测模型训练方法在模糊预测控制中的应用,得到了较好的控制效果。利用支持向量机与模糊预测控制结合,进一步发挥了信息处理方法在过程控制中的应用。     

制浆蒸煮过程的模糊控制仿真研究

介绍基于模型的模糊推理方法,在分析制浆蒸煮过程数学模型的基础上,提出基于模糊与PID混合的控制算法。着重说明在大偏差时采用的模糊控制算法,并对其进行MATLAB仿真。结果显示此算法具有很好的控制效果。     

多故障并发不确定系统的鲁棒完整性容错控制

针对传统容错控制方法难以保证非线性系统在执行器和传感器多故障并发情形下的稳定性问题,研究了一类时滞不确定模糊系统的鲁棒完整性容错控制方法。建立了基于T-S模糊逻辑的不确定非线性模型,定义执行器和传感器故障阵的标准归一化形式,在利用Newton-Leibniz公式变换系统结构的基础上,根据线性矩阵不等式技术给出了鲁棒容错控制器存在的时滞相关性充分条件,以保证整个闭环系统在执行器和(或)传感器发生故障时的稳定性,同时满足给定的广义鲁棒性能约束,联合抑制扰动、初始状态和时滞状态对系统性能的影响。最后仿真结果验证了方法的必要性和可行性。     

模糊核聚类在优化模糊控制隶属函数中的应用

针对模糊控制器隶属函数的设计与优化缺乏自学习能力的缺点,将模糊核聚类算法与TrustRegion(信赖域)方法结合起来。首先利用模糊核聚类算法对模糊控制输入、输出样本集进行聚类,然后用Trust-Region最优化方法对聚类结果进行曲线拟合,实现了模糊控制输入、输出空间的划分、隶属函数类型的确定和参数的优化。在Matlab中的仿真结果表明:模糊控制器经过笔者提出的算法优化后控制品质有较大的改善和提高。     

基于广义预测控制策略的微生物燃料电池控制

针对MFC系统启动阶段输出响应不稳定以及调节时间较长的问题,结合微生物燃料电池自身特性,提出了基于广义预测控制(generalized predictive control,GPC)的微生物燃料电池(microbial fuel cell,MFC)控制策略。与加入PID控制方法对比得知,加入GPC的MFC系统输出能够避免响应出现大幅度的抖动,且响应速度快,动态调节鲁棒性好,保证了动态输出曲线快速准确地跟踪系统设定值。在给定外电阻为恒值和醋酸盐浓度随时间阶梯变化时,通过带遗忘因子的最小二乘法进行模型辨识,将所得线性模型作为预测模型,采用GPC算法进行控制。仿真表明,GPC能在控制响应速度方面取得好的控制效果以及系统调节过程中的鲁棒性也有了较大的改善。有效地实现了对微生物燃料电池系统的动态性能以及鲁棒性能的优化,验证了所提出的算法有效可行。