基于T-S模型的模糊預(yù)測(cè)控制在線優(yōu)化算法研究.pdf

1、針對(duì)復(fù)雜非線性系統(tǒng)難以建模從而難以控制以及約束預(yù)測(cè)控制的在線優(yōu)化計(jì)算量大的問題，本文研究了基于T-S模糊模型的非線性系統(tǒng)辨識(shí)算法，并在此基礎(chǔ)上研究非線性系統(tǒng)的模糊預(yù)測(cè)控制問題。對(duì)比研究了約束預(yù)測(cè)控制的在線優(yōu)化幾種求解算法，仿真表明本文所提算法的有效性。論文的主要研究工作內(nèi)容有以下幾個(gè)方面： （1）針對(duì)復(fù)雜非線性動(dòng)態(tài)系統(tǒng)的模糊建模問題，本文采用一種基于T-S模型在線自學(xué)習(xí)的模糊辨識(shí)算法。通過模糊聚類算法對(duì)T-S模糊模型的前提部分進(jìn)

2、行辨識(shí)；對(duì)于T-S模糊模型的后件參數(shù)采用在線學(xué)習(xí)的方法進(jìn)行辨識(shí)。仿真研究表明該算法較好的辨識(shí)效果。 （2）有約束的預(yù)測(cè)控制滾動(dòng)優(yōu)化可以轉(zhuǎn)化成一個(gè)標(biāo)準(zhǔn)的二次規(guī)劃問題。對(duì)比研究投影最小二乘算法、有效集算法和Dantzig-Wolfe算法在預(yù)測(cè)控制在線優(yōu)化中的求解效果，Shell塔仿真表明投影最小二乘算法在約束預(yù)測(cè)控制在線優(yōu)化求解中有較好的效果。 （3）研究了基于T-S模糊模型的DMC和GPC兩種模糊預(yù)測(cè)控制算法，并且與普通的