模糊預(yù)測控制算法研究與應(yīng)用.pdf

1、隨著系統(tǒng)控制技術(shù)的不斷發(fā)展和在工業(yè)過程中的深入應(yīng)用，在實(shí)際工業(yè)過程中受控對象越來越復(fù)雜，表現(xiàn)為如下一些特征：多輸入多輸出、時(shí)變性、藕合、時(shí)滯、非線性、不確定性等。諸如此類的復(fù)雜系統(tǒng)，由于無法建立系統(tǒng)的精確數(shù)學(xué)模型，從而使得傳統(tǒng)控制理論很難給出一個(gè)很好的控制效果。針對化工過程的復(fù)雜性，本文的主要內(nèi)容是研究基于Takagi-sugeno(T-S)模糊模型的非線性系統(tǒng)辨識算法，并在此基礎(chǔ)上研究基于模糊模型的非線性預(yù)測控制問題，并將基于模糊模型

2、的單變量、多變量廣義預(yù)測控制算法應(yīng)用于pH值中和過程非線性控制仿真。 主要的工作和創(chuàng)新內(nèi)容分為以下兩個(gè)方面： 1、研究了T-S模糊模型的辨識問題，主要采用模糊聚類算法辨識T-S模糊模型的前件部分，最小二乘算法辨識后件規(guī)則。深入研究了模糊聚類算法，提出了一種基于樣本空間密度來改進(jìn)的減法聚類算法，以更少的訓(xùn)練調(diào)節(jié)參數(shù)能快速、準(zhǔn)確地確定合理的聚類中心辨識得到模糊模型前件參數(shù)，并且將該方法應(yīng)用到了現(xiàn)場軟儀表設(shè)計(jì)當(dāng)中，獲得了很好的

3、非線性軟測量預(yù)測結(jié)果。 2、深入研究了單變量、多變量的廣義預(yù)測控制算法，成功實(shí)現(xiàn)了將改進(jìn)的模糊模型辨識方法與廣義預(yù)測控制結(jié)合應(yīng)用于過程控制仿真。首先研究了T-S模型中的多步線性化模型預(yù)測控制，即研究了預(yù)測時(shí)域內(nèi)模型誤差對于預(yù)測控制的影響。仿真結(jié)果表明基于單步線性化T-S模型的廣義預(yù)測控制能夠保證很好的控制精度和更好的實(shí)時(shí)性。過程仿真控制表明T-S模型廣義預(yù)測控制在大范圍內(nèi)的控制響應(yīng)快速性和一致性要好于常規(guī)PID控制，能有效解決非