模糊預測控制算法研究與應用.pdf

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

2、的單變量、多變量廣義預測控制算法應用于pH值中和過程非線性控制仿真。 主要的工作和創(chuàng)新內容分為以下兩個方面： 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的減法聚類算法，以更少的訓練調節(jié)參數能快速、準確地確定合理的聚類中心辨識得到模糊模型前件參數，并且將該方法應用到了現場軟儀表設計當中，獲得了很好的

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