基于T-S模糊模型的辨识与控制.pdf

《基于T-S模糊模型的辨识与控制.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2011年第1期工业仪表与自动化装置·105·基于T—S模糊模型的辨识与控制杜世杰，沈清波(辽宁石油化工大学信息与控制工程学院，辽宁抚顺113001)摘要：针对一类非线性系统，采用模糊辨识的方法建立系统的T—s模型，结合广义预测控制对模糊预测控制进行研究。应用模糊聚类和递推最小二乘法辨识T—S模糊模型的前提结构和结论参数。对于非线性系统来讲，T—s模糊模型有良好的描述特性，并结合广义预测控制的滚动优化，实现对非线性系统的有效控制。仿真结果说明了该算法的有效性。关键词：T—S模型；广义预测控制；模糊聚类中图分

2、类号：TP273．4文献标志码：A文章编号：1000—0682(2011)01—0105—04IdentificationandcontrolbasedonT-SfussymodelDUShijie，SHENQingbo(DepartmentofInformationandControlEngineering，LiaoningUniversityofPetroleum＆ChemicalTechnology，LiaoningF~hun113001，China)Abstract：AT—Sfuzzymodelwa

3、sestablishedfornonlinearsystembyafuzzyidentificationmethod，fuzzypredictivecontrolwasdevelopedbycombiningwithgeneralizedpredictivecontro1．Structureandpa—rametersofT—Sfuzzymodelwereidentifiedbyusingfuzzyclusteringandrecursiveleastsquares．Intermsofthenonlinea

4、rsystem，T—Sfuzzymodelhasagooddescriptionoffeatures，combinedwiththemovingoptimizationofgeneralizedpredictivecontroltoachieveeffectivecontrolofnonlinearsystems．Thesimulationresultsshowthatthealgorithmiseffective．Keywords：T—Smodel；generalizedpredictivecontrol

5、；fuzzyclustering0引言1T—S模糊模型的结构形式预测控制是20世纪70年代直接从工业过程控考虑如下的非线性系统：制中产生的一类控制算法，在化工过程控制、航空、Y(k)=／Y(一1)，⋯，Y(一，n)，U(一1)，⋯，U(k航天等许多领域取得了广泛应用。然而大多数实际-n))+(k)(1)过程具有非线性的特性，使得基于线性模型的预测其中：，U，分别是系统的输出、输入和干扰，，(·)控制已不能满足要求。由Takagi和Sugeno提出的是非线性函数。T—s模型以其易于表达复杂系统的动态特性以及良

6、用T—s模糊模型可描述上面的动态系统式好的非线性逼近能力为解决非线性系统建模与控制(1)。其中第i条模糊规则的形式为：问题提供了新的途径¨。T—s模型非常适宜应用ify(一1)isA，⋯，Y(一m)isA'm，在非线性系统的建模、辨识和预测控制中。T—sU(k一1)isAfm+一，u(k-n)isA：模糊模型的结论部分采用线性方程式描述，便于使thenY(k)=P+py(一1)+⋯+p)，(k-m)+用预测控制对系统进行分析。该文采用模糊辨识的p+。M(一m一1)+⋯+p(k-n)(2)方法建立系统的T—s

7、模型，并结合广义预测控制的其中：R表示第i条模糊规则，A；是一个模糊子集，滚动优化，实现对非线性系统的有效控制。其隶属度函数中的参数称为前提参数。Y是第i条模糊规则的输出，p；是一个结论参数。U(·)是输收稿日期：2010—05—11作者简介：杜世杰(1983)，男，辽宁抚顺人，硕士研究生，研究方入变量，Y(·)是输出变量。m，n是系统变量的阶向为预测控制，模糊控制等。次·106·工业仪表与自动化装置2Ol1年第1期假定一个输入向量为[，，⋯，]，每条模糊是系统的回归向量，是模型的结论部分的参数规则的输出为

8、(i=1，2，⋯，Ⅳ)，则系统的总输出为向量。y：系统输出写成向量的形式为：NNMY=(9)l，=∑／x㈠Y／∑，／x=1-I()(3)5=1l1JI利用如下递推的最小二乘法对模型结论部分参其中：Ⅳ是模糊规则的数量，‘是输人向量的第i条数进行在线辨识：规则的隶属度，兀是模糊算子，通常采用取小运算或f0()=0(一1)+()[Y()一(k)0(k-1)]乘积运算。=．2T—S模型的辨识()=[I-K()()]p(一