一种新的遗传混沌优化组合方法

在分析了遗传算法与混沌优化方法的优缺点的基础上,提出了一种新的遗传混沌优化组合方法.该算法能克服混沌优化在大范围内失效的缺点,并能提高遗传算法的局部搜索能力和搜索精度.同时证明该算法能以概率1收敛到全局最优值.应用该方法对6个测试函数进行优化计算得到了比较满意的结果.     

基于时间序列分析方法的预测模型研究

预测控制拓广了模型的概念，功能取代结构的建模思想更符合模型的本意，具有较大的实用意义，基于这一思想，本文提出一种利用时间序列分析建立预测模型的方法，这种模型对被控量中带有变化趋势的行为做了很好的提了，映了系统中频率的变化并做了实例说明。     

非线性系统多模型控制方法的研究

本文对非线性系统控制的多模型方法进行了详尽的分析和论述,包括分解合成的基本原理、多模型建模与控制的主要方法以及所涉及到的系统分析方面,对非线性系统多模型控制的发展进行了展望。     

具有不确定性的非线性切换系统的约束预测控制

针对一类具有不确定性和变量约束的非线性切换系统, 提出了一种基于Lyapunov函数的预测控制方法, 其中状态约束分为两种情况: 1)要求状态变量在所有时刻都满足约束(称为硬约束); 2)允许状态在某些时刻超出约束(称为软约束). 主要思想是: 对切换系统的每一个子系统, 在输入和状态均受约束的情况下, 设计基于Lyapunov函数的有界控制器和预测控制器, 在两者之间适当切换, 得到初始稳定区域的描述并使得子闭环系统保持稳定. 对整个切换系统, 设计适当的切换律以保证: 1)在切换时刻, 闭环系统的状态处在切入系统的稳定区域内; 2)切入模块的Lyapunov函数是非增的, 从而可保证稳定性. 在状态变量的约束是软约束时, 对每一子模块首先设计一个控制策略, 尽快将状态控制到初始稳定区域, 然后再利用稳定区域内的控制律使系统稳定.     

大范围工况热工过程系统的多模型预测控制

文中讨论了基于多模型的预测控制方法。对于在工作范围内发生参数突变的被控热工对象,在典型工况下通过实验数据获得典型工作点的系统模型,从而建立多个局部模型表示,基于每个局部模型分别设计子DMC控制器。通过跟踪工况变化来对子控制器加权以获得控制增量。实验结果表明该方法对参数突变适应快,可取得令人满意的控制效果。     

Sugeno模糊模型的辨识与控制

提出了一种新的Sugeno模糊模型辨识算法和对非线性系统进行并行化设计的方法.在Sugeno模糊模型辨识中,应用模糊聚类方法可将其前提结构和结论参数的辨识分开进行,减少了计算量;对于非线性系统的控制,Sugeno模糊模型实际上是动态系统的局部线性化,可采用并行设计的方法设计控制器,然后通过模糊推理得到全局控制量.最后通过倒立摆系统的控制说明了本文算法的有效性.     

一类非线性系统的多模型神经网络解耦控制器

针对多变量非线性离散时间系统设计多模型神经网络解耦控制器，在每个平衡点处用一神经网络离线辨识非线性系统的线性部分，利用另一神经网络在线辨识非线性部分，将非线性部分视为可测干扰并采用前馈的方法予以消除，所有平衡点处得到的系统模型汇集起来构成多模型集，在每一采样时刻基于切换指标选出最优模型作为当前模型，并据此设计解耦控制器实现控制，仿真结果表明系统在多个平衡点处仍然可以得到较好的控制效果。     

空间分布系统的空间模糊建模

本文对空间分布系统提出了一种新的模糊建模方法.首先,在3-D模糊集的基础上给出一种改进的空间模糊集,包含了传统的模糊集和添加的一维空间信息.在空间轴方向上,将传统模糊隶属度函数沿输入变量的随空间的物理变化曲线进行扩展,通过隶属度的连续变化描述输入变量在空间中的变化.其次,基于空间模糊集,采用Mamdani模糊模型形式,设计了对空间分布系统的空间模糊模型的建模方法.最后,通过仿真算例对方法进行了验证.