混沌系統(tǒng)的智能辨識和控制研究.pdf

1、混沌理論及混沌控制是當前非線性領(lǐng)域的研究熱點之一，而基于觀測數(shù)據(jù)建立混沌系統(tǒng)的數(shù)學模型，是其分析、設(shè)計的基礎(chǔ)。本文圍繞混沌系統(tǒng)的智能辨識和混沌控制的優(yōu)化設(shè)計展開研究。以模型的可解釋性和控制算法的魯棒性和實用性為基本出發(fā)點，以模型辨識智能化和控制設(shè)計系統(tǒng)化為研究目標，綜合運用GA、GP、模糊神經(jīng)網(wǎng)絡(luò)等智能方法以及OLS、LMI、H∞綜合等優(yōu)化算法，在模型結(jié)構(gòu)辨識和參數(shù)估計、控制器的優(yōu)化設(shè)計和簡化方面進行了深入探討和分析，在混沌系統(tǒng)的進化建

2、模、模糊建模、H∞回路成形控制和模糊控制方面提出了一些新的思路和方法。 1.提出了一種基于多目標優(yōu)化GP的離散SISO混沌系統(tǒng)辨識方法。該方法運用GP個體的樹結(jié)構(gòu)表示多項式NARMAX模型。引入多目標優(yōu)化方法，同時考慮與模型復(fù)雜度、模型性能和混沌動態(tài)有關(guān)的優(yōu)化目標。使所得模型在精度、復(fù)雜度和泛化能力之間能取得很好的平衡，且能復(fù)現(xiàn)類似于原系統(tǒng)的混沌吸引子；給出了一種結(jié)合協(xié)同多種群GP和GA的MIMO連續(xù)混沌系統(tǒng)微分方程辨識方法。由

3、于采用了協(xié)同進化機制，降低了陷入局部極小的可能性，提高了搜索效率。 2.提出了一種基于改進Gath-Geva聚類算法的MIMO連續(xù)混沌系統(tǒng)的線性T-S模糊模型辨識方法。結(jié)合OLS和改進的Fischer類間分離性方法對模型進行約簡，然后運用帶約束的Levenberg-Marquardt算法優(yōu)化約簡后的模型參數(shù)，最終所得T-S模型能取得滿意的可解釋性和精度。而線性T-S模糊模型更便于穩(wěn)定性分析和控制器設(shè)計，且證實了其擬合和預(yù)測精度不

4、會明顯低于仿射T-S模糊模型。 3.給出了一種基于GA和偽對角化法解耦的H∞回路成形設(shè)計中權(quán)函數(shù)選擇的方法?？朔巳斯ぴ嚋悈?shù)不夠理想和費時的缺點，而且在GA目標函數(shù)的選取上綜合考慮了穩(wěn)定裕量以及回路形狀約束、二次性能指標等時頻域性能，既保證了所得控制器能達到預(yù)期的時頻域性能要求又保證了一定的魯棒性。給出一種基于GA的控制器簡化方法，使簡化后的控制器在整個頻段都能較好的逼近原高階控制器的特性，提高了簡化后控制器的性能。