学位论文 > 优秀研究生学位论文题录展示

模糊预测控制理论及设计方法研究

作　者: 梁敏
导　师: 陈希平
学　校: 兰州理工大学
专　业: 控制理论与控制工程
关键词: 预测控制模糊控制智能预测控制 T-S模糊模型模糊辨识模糊广义预测控制稳定性鲁棒性
分类号: TP13
类　型: 硕士论文
年　份: 2004年
下　载: 657次
引　用: 8次
阅　读: 论文下载

内容摘要

预测控制是上世纪70年代后期直接从工业过程控制中发展起来的一类先进控制方法。它采用基于实验的预测模型，是一种对模型精度要求低且易于获得、综合控制质量好、在线计算方便的新型计算机优化控制方法。预测控制问世以来一直受到控制界的广泛关注，并被成功地应用在各种复杂的工业实践中，显示了强大的生命力。但目前预测控制正面临着新的挑战：工业界提出要进一步解决不确定性描述、不确定性环境下多目标优化决策、实时控制、快速计算等问题。而预测控制的发展也显现出了不足：预测模型仍采用较单纯性的模型；预测控制中的优化对特殊应用场合及自适应情况下的计算负担较重；校正方法有限。于是就促使预测控制需要从其他的理论方法中汲取有价值的思想来弥补不足，满足高级优化控制要求。智能控制的出现，为预测控制的进一步发展提供了很好的借鉴。预测控制将已取得的成果与模糊控制、神经网络以及遗传算法等智能控制策略相结合，正朝着智能预测控制方向发展，从而进一步增强了预测控制面对复杂环境、复杂对象和复杂任务的处理能力，拓展了预测控制理论研究和应用的领域。模糊控制与模糊辨识作为一种新颖的智能控制方法，在解决复杂系统控制问题的过程中表现出了巨大的潜力。作为目前应用最为广泛的T-S模糊模型，本质上是一种非线性模型，易于表达复杂系统的动态特性，且理论上已经证明它可以按任意精度逼近任意非线性系统。利用T-S模糊模型作为预测模型恰好可以弥补单纯性预测模型的不足。本文提出将T-S模糊模型和辨识方法引进到广义预测控制中，从而形成了一类新型的模糊广义预测控制方法，对这一控制方法的进一步研究，无论从理论上还是实际应用中考虑都具有十分重要的意义。本文内容提要： 1．回顾了预测控制、模糊控制的基本原理和主要特点；分析了预测控制和智能控制结合的可能性和必然性；归纳总结了预测控制的研究现状。 2．分析了T-S模糊模型及系统辨识方法；指出T-S模型为通用的逼近器，同时加以证明；并结合分析给出了仿真实例，显示了模糊辨识法和T-S模型的优越性。 3．提出了两种基于T-S模糊模型和广义预测控制结合的模糊广义预测控制方法；提出并分析了两种模糊预测模型的辨识方法，并针对非线性控制对象进行仿真，结果表明T-S模型具有很好的跟踪特性；针对两种模糊广义预测控制算法进行仿真、分析和比较，为实际中设计模糊预测控制方法提供了依据。 4．对广义预测控制的参数选取、稳定性和鲁棒性给出了定性的理论分析，讨论了广义预测控制系统主要参数的设计和选取方法；并以仿真来验证参数选取原则的正确性，使模糊预测控制方法更加完善。

全文目录

摘要  2-3
英文摘要  3-7
主要符号表  7-8
第一章绪论  8-16
  1.1 引言  8
  1.2 预测控制的基本原理  8-11
    1.2.1 基于模型的预测  9-10
    1.2.2 滚动式的优化  10
    1.2.3 反馈校正  10-11
  1.3 模糊控制的概念及其特点  11-12
  1.4 预测控制和智能控制结合的可能性和必要性  12
  1.5 预测控制的发展现状  12-15
    1.5.1 非线性预测控制(NMPC)  12-13
    1.5.2 智能预测控制(IMPC)  13-15
    1.5.3 预测控制的工业应用  15
  1.6 本文的研究内容和主要的创新点  15-16
第二章 T-S模糊模型及模糊辨识方法  16-29
  2.1 引言  16
  2.2 T-S模糊模型  16-22
    2.2.1 T-S模糊系统的一般定义  17-18
    2.2.2 典型T-S模糊系统具有通用逼近性  18-22
  2.3 模糊辨识方法  22-26
    2.3.1 基于模糊关系方程的辨识方法  23-24
    2.3.2 基于模糊神经网络模型的辨识方法  24-25
    2.3.3 基于T-S模糊模型的辨识方法  25-26
    2.3.4 模糊辨识领域需要解决的实际问题  26
  2.4 仿真示例  26-29
    2.4.1 最小二乘法的曲线拟合  26-27
    2.4.2 T-S模糊模型的辨识  27-29
第三章基于T-S模型的模糊预测控制  29-41
  3.1 引言  29
  3.2 基于T-S模型的模糊广义预测控制基本原理  29-32
    3.2.1 广义预测控制基本方法  29-31
    3.2.2 T-S模糊预测模型  31-32
  3.3 基于T-S模糊模型的广义预测控制  32-33
    3.3.1 基于局部LTI子模型的FGPC  32-33
    3.3.2 基于全局模型的FGPC  33
  3.4 T-S模糊预测模型的参数辨识  33-36
    3.4.1 基于经验的参数辨识  34
    3.4.2 基于模糊聚类技术的参数辨识  34-36
  3.5 仿真研究  36-41
    3.5.1 基于经验的参数辨识  36-37
    3.5.2 基于模糊聚类技术的参数辨识  37-39
    3.5.3 模糊预测控制算法的实现  39-41
第四章 GPC的控制参数选取及系统分析  41-48
  4.1 引言  41
  4.2 控制参数N_1、 P、M、Q和λ的选取  41-44
    4.2.1 最小预测时域N_1  41
    4.2.2 预测时域P  41-42
    4.2.3 控制时域M  42-43
    4.2.4 误差加权矩阵Q  43
    4.2.5 控制加权矩阵λ  43-44
  4.3 系统分析  44-46
    4.3.1 稳定性分析  44-45
    4.3.2 鲁棒性分析  45-46
  4.4 仿真研究  46-48
结论与展望  48-49
参考文献  49-53
致谢  53-54
附录: 硕士期间发表和录用的论文  54

模糊预测控制理论及设计方法研究

内容摘要

全文目录

相似论文