基于Ⅱ型TS模型及混沌粒子群优化的预测控制算法

《基于Ⅱ型TS模型及混沌粒子群优化的预测控制算法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、-法的预测控制器设计两部分。Ⅱ型T-S模糊模型是在Ⅰ型T-S模糊模型的基础上通过对前件模糊集模糊化或后件多项式的系数进行模糊化得到的，也就是只要把T-S模糊模型中的前件元素的隶属度进行再次模糊化或模型后件系数具体值模糊化过程之一或者全部进行模糊处理，就得到Ⅱ型T-S模糊模型。Ⅱ型T-S模糊模型由其自身所特定的性质，比Ⅰ型T-S模糊模型能更好地包容噪声干扰等不确定性因素对模型精度的影响。本文先给定初始聚类中心个数c初值，然后利用G-K聚类算法对样本数据进行聚类分类，然后对聚类得到的元素隶属度再次模糊化处理，确定每个类中的隶属度变化范围，前件参数便可以确定，然

2、后再确定输出的误差变化并利用最小二乘法来得到模型的后件参数。最后由给定的系统性能指标来判断是否需重新进行聚类划分，若需要则增加聚类中心个数并回到之前步骤重新对系统辨识，若不需要则建模结束。最终获得以用户最终满意度为指标的模糊模型。在基于满意聚类获得的Ⅱ型T-S模糊模型基础上，将所得到的模型作为预测模型，在此基础上利用基于混沌粒子群优化的预测控制方法设计控制器。基于混沌粒子群优化的预测控制在滚动优化过程中将混沌粒子群优化算法作为滚动优化策略，通过混沌粒子群优化不断的迭代搜索来实现优化的效果，有效地避免了非线性预测控制优化过程中大量的矩阵求逆问题和相对复杂的梯

3、度计算，并能快速有效的获得最优解。最后通过一数值例子表明了本文所提方法的有效性。1.3本文的章节安排第一章绪论部分主要分析了当前及以往的研究成果，给出本文研究内容的背景和主要思路，并给出了本文的章节安排。第二章主要介绍了文中涉及到的基础理论知识，系统地介绍了预测控制的基本原理和主要特点，以及混沌优化、粒子群优化和混沌粒子群优化的原理。第三章在Ⅱ型T-S模糊模型的基础上给出了基于满意聚类的Ⅱ型T-S模糊模型建模方法，说明了聚类中心个数c的确定方法。并通过进行仿真研究验证了所提建模方法的可行性和有效性。第四章研究了基于混沌粒子群优化算法的预测控制算法：将所得基

4、于满意聚类算法的Ⅱ型T-S模型看作为预测模型，利用预测控制方法设计控制器，并在滚动优化策略中应用混沌粒子群优化算法进行迭代搜索寻优，以达到满意的控制效果。最后通过MATLAB仿真实例验证了所提的基于混沌粒子群优化控制器设计的有效性。第五章对全文进行总结，并对预测控制将要做的工作做下一步的展望。4---第二章预备知识1.3预测控制的概念原理预测控制的算法颇多，且建立预测模型的方式也各有不同，但其基本原理是相同的，主要是由建立的被控对象的预测模型，计算出未来一段时域内的预测输出，再通过预测输出求解一有限时域下的最优控制问题，以获得一组最佳控制输入序列，但仅采用

5、序列的第一个元素作为系统当时的控制输入，一般分为三部分[2]：（1）计算预测输出：基于被控对象的预测模型，并利用基于被控对象过去及现在的输出与输入信息，求出未来一段时域内的预测输出如下（图2-1）：过去未来3y41Ⅰ2Ⅱuk时刻1-控制策略Ⅰ；2-控制策略Ⅱ；3-对应于Ⅰ的输出；4-对应于Ⅱ的输出。图2-1基于模型的预测（2）滚动优化：通过最优性能指标函数的最小化，得到未来一段时域内最佳控制输入序列如图2-2所示。为了降低参考轨迹与系统的预测输出之间的误差以及避免控制输入出现激烈变化，一般采用二次性能指标函数为优化指标。---5---k时刻优化21y3uk

6、+1时刻优化21y3u滚动kk+1t1-参考轨迹；2-最优预测输出；3-最优控制作用图2-2滚动优化（3）反馈校正：由于建立的预测模型可能无法精确的描述受控对象的特性，或因外在环境干扰的影响，使预测输出与系统的实际输出有差异，因此在得到一组包含当前时刻至未来一段时域的最佳控制输入序列后，并不全部应用，仅采用序列中第一个元素作为受控对象当时时刻的控制输入，并通过即时的反馈资讯对预测输出进行修正，使控制对象的预测行为能更贴近实际行为，达到闭环回路的最优化，如（图2-3）所示。---6---423 1yukk+1t1-k时刻的预测输出；2-k+1时刻实际输出；3

7、-预测误差；4-k+1时刻校正后的预测输出图2-3误差校正1.3混沌优化算法混沌具有自身所特有的性质[23]：（1）随机性，混沌具有类似噪声的特质。（2）遍历性，混沌不重复的经过区域内所有点。（3）规律性，混沌是由某一给定的函数产生。（4）敏感性，即使初始值的误差很小，但在一定迭代次数后仍得到巨大差异的值。基于以上混沌独特性决定了它在优化领域中必将取得满意的优化效果，并会越来越受到人们的广泛重视。李兵等人在其发表的文献中[24]详细阐述了混沌优化的原理和步骤，其算法如下：首先混沌变量的确立问题，选用Logistic映射进行迭代来产生混沌变量：x+1=ux(

8、1-x)（2-1）nnn其中u是控制参量，设0£x£1，n=0,1