赵国亮[1]2015年在《欠驱动非线性系统的张量积模糊自适应控制》文中提出欠驱动系统广泛应用于交通、冶金、国防和装备制造等重要领域,经济的发展使得这些领域的竞争变得日趋激烈,对设备的要求也越来越高,从而导致对控制系统的性能有了更高的要求,尤其是控制器的自适应性.在倒立摆这类欠驱动系统控制领域,变论域模糊自适应理论已被证明存在较高的自适应性,是应用较为成功的模糊理论之一.本文从分析变论域模糊自适应控制局限于半严格纯反馈模型出发,首先深入研究了避免变论域模糊自适应控制器使用半严格纯反馈模型的问题,发现了影响该自适应理论用于更一般模型,比如拟线性参变模型的制约因素并提出了张量积自适应模糊控制算法；针对存在结构不确定的纯反馈系统,应用张量积模型逼近误差为舍弃奇异值有界函数这一性质,提出了针对结构不确定纯反馈系统的张量积自适应积分滑模控制方法；其次针对欠驱动系统存在多个控制目标和耦合变量的问题,借鉴变论域自适应伸缩因子的设计只基于误差和误差变化的思想,将目标因素纳入到由主滑模面和辅助滑模面构成的混合滑模面,研究了可直接由张量积模型状态变量设计自适应控制器的方法；最后为了提高变论域模糊自适应控制器的控制精度以及泛化能力,进一步揭示变论域模糊控制思想的自适应机理,针对存在未建模部分的欠驱动系统,提出A2-C1型模糊自适应控制方法,进一步改善变论域模糊自适应控制器对高频参考信号的自适应跟踪能力.本文的主要工作归纳如下：1)以张量积模型变换和逼近理论为背景,以避免变论域模糊自适应控制器使用半严格纯反馈模型为目标,发现张量积模型能够将变论域模糊自适应控制对象不再局限于半严格纯反馈模型,且该模型的张量积并行分布补偿方法还可以为伸缩因子提供时变综合增益,提出了张量积模糊自适应算法.为解决上述问题,首先得到欠驱动系统的拟线性参变形式,结合张量积并行补偿控制方法求取的误差和误差变化增益及衰减参数,设计了两种模糊自适应控制器.模糊自适应控制器的误差和误差变化增益由权重隶属度函数动态给出.此外,利用张量积并行补偿控制方法计算得到衰减率,从而使用衰减因子构建了新的Lyapunov函数.应用σ-自适应策略的张量积模糊自适应控制方法去除了对系统扰动上界已知的约束.为了提高张量积模糊自适应控制方法处理结构不确定欠驱动系统的能力,对于n阶不确定纯反馈欠驱系统,首先采用张量积模型去逼近原系统,将n阶不确定系统变换成拟线性参变形式的标称部分与集总不确定两部分,标称部分的拟线性参变模型是一个多面体组合模型且组合系数满足归一化条件.然后利用积分滑模面能够在开始时刻就进入滑动模态的特性,结合σ-自适应方法和线性矩阵不等式,设计了基于张量积模型变换的自适应积分滑模控制器,减少了系统状态到达平衡点的到达时间,解决了实际系统不存在理想滑模面而导致控制器自适应增益持续增加的问题.2)以张量积模型变换理论为背景,针对欠驱动系统存在多个控制目标和耦合变量的问题,对于欠驱动系统的拟线性参变模型,借鉴变论域自适应理论中的伸缩因子设计思想,提出将多个目标纳入到一个滑模面的混合滑模面设计方案,研究了可直接由张量积模型状态变量设计自适应控制器的方法.针对单输入多输出欠驱动非线性系统,首先采用张量积模型变换,得到欠驱动系统的拟线性参变模型.该模型是一个数值型拟线性参变模型,由于此时的拟线性参变模型保留了所有奇异值,因此该模型是欠驱动系统的精确描述.针对该数值模型的每一子系统,设计了不同滑模面,保证子系统有限时间进入滑动模态.对于张量积模型变换下的解耦终端滑模控制,滑模面和控制律的设计不需要系统的解析模型,直接由张量积模型的状态变量设计,体现了张量积模型变换方法优异的模型变换能力.3)为了提高变论域模糊自适应控制器的控制精度,将模糊集扩展为Ⅱ型模糊集,进一步增强变论域自适应方法对高频参考信号的自适应跟踪能力,揭示变论域模糊控制思想的自适应机理.对于半严格纯反馈非线性系统,利用变论域自适应方法和Ⅱ型模糊集理论设计了A2-C1型进化自适应模糊控制器,进化自适应模糊控制器的反馈控制器中的伸缩因子能够根据误差和误差变化自适应地调节.对于A2-C1型进化自适应模糊控制器,使用量子细菌觅食算法离线优化区间Ⅱ型模糊集,提出的A2-C1型进化模糊系统可被当作直接自适应模糊控制器使用.为验证混合滑模面思想的有效性,进一步研究了存在未知非线性部分的二阶欠驱动系统,利用动态模糊神经网络估计未建模部分.首先根据混合滑模面的设计思想,把该系统划分为两个二阶子系统,对每个系统设计了不同的滑模面,从而保证每个子系统的收敛特性.在此基础上给出了一种间接自适应解耦滑模控制方法,该方法克服了系统存在未知非线性部分的困难,将耦合的变量转化为混合滑模面的设计,提高了解耦滑模控制器的自适应能力.针对上述控制方法,本文在一级倒立摆、平行双倒立摆、旋转激励的平移振荡器等系统上进行了仿真和实验验证.结果证实了本文方法的有效性.
周瑞[2]2017年在《水轮机调节系统预测控制方法研究》文中研究表明水电作为第一大清洁能源,提供了全世界五分之一的电力能源,在改善电网系统调峰调频,维护电网频率电压稳定以及平衡电网负荷需求有重要作用。水力发电机组作为水电站核心设备,是一集水力、机械、电气为一体的复杂非线性系统,其运行状态直接关系到水电站乃至电力系统安全、高效、稳定运行。针对水轮机调节系统复杂非线性特性,其外部环境扰动多样性及其内部动力学特性不确定性等因素影响,传统线性PID控制因忽略水轮机调节系统非线性本质,难以满足其高控制要求,获得令人满意的控制效果。预测控制具有对模型精度要求低、包容性强,对线性和非线性系统都有良好适用性等优点,解决了传统线性PID控制难以解决的非线性控制问题。为此,我们将模型预测控制理论引入非线性水轮机调节系统控制,设计水轮机调节系统预测控制器,并通过离散李雅普诺夫(Lyapunov)函数证明系统稳定性,利用模型预测、滚动优化和反馈校正实现了对非线性水轮机调节系统的高效控制。此外,我们详细讨论了控制系统中不确定性系统变量对系统控制性能的影响;进一步,我们系统分析了控制系统在扰动、模型失配等非正常运行情形下控制性能,验证水轮机调节系统模型预测控制器具有良好鲁棒性。最后,与传统PID控制对比,突出设计控制器巨大的控制性能优越性。针对已提出的非线性水轮机调节系统,我们提出一种基于Takagi-Sugeno(T-S)模糊模型的非线性模型预测控制方法。首先,采用T-S模糊模型建模方法离线建立离散高精度水轮机调节系统非线性模糊模型,且给出具体模糊模型系统参数;进一步,基于建立的水轮机调节系统非线性模糊模型进行在线模型预测控制,从而实现水轮机调节系统非线性模糊模型预测控制,并利用李雅普诺夫稳定性理论分析了非线性水轮机调节系统模糊模型预测控制系统稳定性。此外,针对建立的水轮机调节系统T-S模糊模型,我们设计了非线性模糊PID控制器。最后,非线性模糊模型预测控制器与非线性模糊PID控制器以及模型预测控制器对比分析,突出非线性模糊模型预测控制器优良控制效果。针对模型预测控制在线计算量大、理论算法复杂、实时性欠佳等制约,我们尝试将水轮机调节系统非线性模糊建模与预测函数控制相结合,设计非线性水轮机调节系统模糊预测函数控制器;为了验证所设计控制器鲁棒性,我们探究了水轮机调节系统在模型失配和无模型失配条件下,系统存在扰动和响应约束条件下的控制性能,结果表明非线性模糊预测函数控制器具有良好鲁棒性;最后,非线性模糊预测函数控制方法与PID控制方法对比分析,充分说明非线性模糊预测函数控制方法在水轮机调节系统中控制性能更优越。基于设计的预测控制器,从水轮机调节系统过渡过程品质(超调量、过渡时间、振荡次数、衰减比等)及计算机性能要求等方面,探究最优水轮机调节系统预测控制方法理论。
王树恩[3]2016年在《混沌系统智能辨识与控制研究》文中研究指明混沌是自然界中广泛存在的一种复杂运动形式。近些年来,混沌与其它学科互相渗透,无论是在物理学、生物学、数学、电子学、心理学、信息科学,还是在气象学、经济学、天文学,甚至在音乐、艺术等领域都得到了广泛的应用。为了更好地利用混沌或者消除混沌的不良影响,辨识混沌系统的模型并实施相应的控制具有重要的意义。近些年来,以神经网络和模糊理论为代表的智能控制理论在复杂系统建模、控制方面得到了长足发展。本文采用智能控制理论研究了混沌系统的辨识与控制,具体研究工作如下:首先,提出了一种基于区间Ⅱ型模糊系统的混沌系统辨识方法。该方法采用网格对角线法来划分模糊空间,Ⅱ型模糊集主隶属度函数为对称叁角形隶属函数。在保持前件参数不变的情况下,采用带遗忘因子的递推最小二乘法辨识结论参数。为了解决采样数据受到噪声污染的问题,对采样数据进行Sigmoid数据变换,并采用粒子群算法优化变换函数的关键参数和隶属函数宽度,避免了隶属函数的调整,提高了Ⅱ型模糊模型的辨识精度。此方法应用到Mackey-Glass混沌系统的建模中,仿真结果验证了本文方法的有效性。其次,利用混沌系统的部分结构信息,提出了一种基于Wiener-LSSVM模型的混沌系统辨识方法。Wiener-LSSVM模型由一个线性动态子系统和LSSVM组成,比较适合描述大部分的混沌系统。给出了同时辨识线性动态部分和最小二乘支持向量机的最小二乘算法。然后,提出了一种基于Hammerstein-ELM模型的混沌系统辨识方法。Hammerstein-ELM模型由一个极值学习机神经网络和一个线性动态部分组成。推导出了用于同时辨识ELM神经网络和线性动态子系统参数的广义极值学习算法。该算法采用矩阵伪逆确定辨识参数,提高了辨识的准确性。最后,基于模糊理论,提出了两种Hénon混沌系统的控制与同步算法。第一种方法采用T-S模型来辨识Hénon混沌系统,得到Hénon混沌系统的局部动态线性模型,基于此模型设计了模糊广义预测控制算法来实现Hénon混沌系统的跟踪与同步控制。第二种方法采用模糊逆方法建立Hénon混沌系统的模糊逆模型,基于此模糊逆模型设计了Hénon混沌系统的自适应逆控制与同步算法。仿真结果验证了所提方法的有效性。
韩京元[4]2014年在《非线性板球系统的监督分层智能自适应控制算法研究》文中提出板球系统(Ball and Plate System)是一个典型的多变量不确定非线性控制对象。已经成为控制理论的典型benchmark实验研究平台。针对非线性板球系统的模型不确定性、欠驱动、耦合等非线性特性，许多学者仅考虑非线性板球系统的简化模型设计控制算法。另外，基于操作者的大量实验调试及语言经验知识的智能控制算法能够应用于类似于板球系统的不确定系统，因而针对这类不确定非线性系统，智能控制算法与典型的非线性控制算法的结合具有极其有效性。通常，影响板球系统运行性能的主要因素包括两方面，即环境与任务约束、小球运动速度。当根据环境与任务要求所确定的小球运动轨迹的曲率变化频繁或曲率较大，以及要求小球运动速度较高时，都将为控制提出更高的要求。因此，设计一种可以随时监督系统稳定性和状态变量变化的监督分层控制器具有重要意义。本文将控制器分成两层：上层为监督与优化层；下层是结合自适应规则和滑模理论、智能算法的优点设计的控制器。主要研究内容包含几个方面：1、针对忽略两个方向轴耦合与小球平板摩擦力的非线性板球系统，提出了两层控制器：将基本控制器设计成基于神经网络的比率、微分、积分控制器(PID)，作为底层控制器；将补助控制器设计成基于粒子群-差分进化(PSO-DE)算法的控制器作为上层控制器。此两层控制器利用PSO-DE算法研究了基于神经网络PID控制器加权因子在线学习机构的自适应控制器。由PID控制器的基本控制规则与人类经验，给出了神经网络PID的层数目、各层的神经元数目、每个神经元之间的连接方法，从且使得神经网络PID具有在线学习能力、记忆能力和对任何函数的近似能力。此外，非线性板球闭环系统，通过上层控制器的PSO-DE优化过程调整了神经网络PID (NN-PID)控制器的每个连接线加权值，保证了板球系统的稳定性与收敛性。本文提出的方法克服了反向传播算法(BP)的缺点（即，容易落在局部优化点），同时使得了控制器具有PID控制器的优点：简化机构、良好的动态性和稳定性。2、针对小球在高速运动时非线性板球系统明显的不确定性和干扰变动等情况，提出了基于稳定性监督的监督分层模糊自适应直接型滑模控制器设计方法。基于Lyapunov稳定性理论与状态变量变化范围监督，此控制器采用模糊自适应规则的上层监督补助控制器设计方法，提出了以直接型滑模控制器为底层控制器的算法。本文将两个方向轴之间耦合项与摩擦力项等外部干扰相加，得到多种干扰项之和d(t)，并分别研究了两个轴的小球运动而将板球系统分解成四个子系统。同时，分别对每个子系统定义了滑模面，利用耦合系数将滑模面结合构建了直接型滑模控制器。构造了以滑模表面与滑模表面微分函数为模糊输入变量的模糊自适应规则，基于Lyapunov稳定性理论和状态变量变化范围监督策略，设计了调节滑模耦合系数的自适应规则，从而实现了板球系统的稳定控制并避免了复杂的计算。本文对所提出的控制方法进行了仿真实验验证。仿真结果表明，此方法能够较好地实现非线性不确定系统的镇定控制和轨迹跟踪问题。3、针对不确定多变量非线性板球系统，提出了一种具有监督控制与自适应补偿功能的监督分层间接型模糊自适应控制算法。近几十年来，模糊自适应控制方法经常被应用于不确定SISO非线性系统，可对于实际工程中常见的多变量、控制矩阵不可逆的非线性系统却缺乏一定的适用性。在不确定非线性板球系统的运行过程中，当控制增益矩阵的行列式等于零的时刻，即控制矩阵不可逆的时刻，则球处在失控状态。因此，针对控制增益矩阵不可逆的多变量不确定系统，设计模糊自适应控制是有意义的。本文研究了能够克服上述难题的方法，通过与第五章相似的设计过程推导出了以上层的算法为监督分层模糊自适应控制算法和基于函数误差与状态变量误差的误差自适应补偿控制，底层控制器由间接型模糊控制律构成。该方法不要求控制对象的增益矩阵可逆性。因此，针对典型的不确定非线性MIMO系统即不确定非线性板球控制系统，在不要求控制增益矩阵可逆的条件下提出了一种具有监督控制项的间接模糊自适应控制方法。而且基于Lyapunov稳定性理论设计了自适应控制规则和自适应补偿控制律的参数，以能够保证闭环系统的稳定性和跟踪误差趋于零的小领域内的收敛性。在板球系统实验平台BPVS-JLU-II上，上述的控制算法完成了板球系统的大范围变动镇定仿真实验和各种轨迹（圆形、方形和8字形等）跟踪控制仿真实验。综上所述，本文针对不确定非线性板球系统，设计了监督分层智能自适应控制器，并且进行了深入的理论和实验研究，所设计的控制方案的有效性、可行性、稳定性和收敛性可以很好地保证。
李常贤[5]2003年在《复杂系统的预测控制及其应用》文中研究指明预测控制是从生产实践中发展起来的实用控制算法，随着被控系统特性的日趋复杂化，对预测控制算法提出了更高的要求，推动预测控制在理论和应用上向更深更广的层面发展。本文从复杂系统特性出发，结合浙江省重点科技项目，对预测控制算法在理论和实际应用方面做了进一步的研究，主要内容如下： 在工业生产过程中，人们对于性能指标的要求带有很大程度的主观模糊性，性能指标的范围从满足物理、安全、工艺的要求扩展到考虑经济性或者其它愿望的要求，对于性能指标的优化向着智能、满意的方向发展。本文研究了基于模糊决策目标函数的预测控制算法，引入模糊隶属度函数描述复杂系统的控制目标和约束条件，采用带参数的Yager T算子合成模糊决策目标函数，给出定义隶属度函数参数的原则，研究了隶属度函数参数对控制性能的影响。为解决由于控制变量离散性导致系统输出振荡的问题，提出使用模糊中心法合成控制量输出，实现了控制变量的连续调节。 如何选择合适的算子将模糊决策标准合成目标函数是基于模糊决策目标函数预测控制算法的关键环节。通过对算子的性质分析，提出合成算子的选择原则为：对于“与”关系的模糊决策标准选用T算子合成；对于“或”关系的标准用S算子合成；对于介于“与”和“或”之间的标准用OWA算子合成。并采用了叁种典型的带参数的合成算子：Yager T算子，Dombi T算子和广义Mean算子，合成模糊决策目标函数。通过对叁种典型算子控制效果的对比研究表明，采用Dombi T算子有更好的控制特性。同时，分析了采用Yager T算子时产生“决策逸出”的原因，并提出了相应的解决方法。 由于隶属度函数定义的任意性、合成算子选择的不同和控制对象的非线性，模糊决策目标函数的优化一般是非凸优化问题。为此提出了使用改进的进化算法优化模糊决策目标函数的方法，利用进化算法局域搜索能力强的特点在某个合理的实数域内进行搜索，克服了枚举优化方法造成的输出振荡和计算负荷指数增长的缺点。 工业生产过程中，很多复杂的被控系统具有输入变量和输出变量维数不相等的特点，有输入变量大于输出变量的“胖”系统，也有输入变量少于输出变量的摘要“瘦”系统，生产过程中条件的变化还会产生“胖”、“瘦”系统彼此转化的情况。为解决多变量非对称系统的协调控制问题，提出了基于模糊决策目标函数的协调控制算法，利用隶属度函数描述系统的目标、约束和冗余变量，采用DombiT算子进行合成，通过优化包含各种要求的模糊决策目标函数确定控制器输出，能较好解决“胖”、“瘦”系统，以及非对称系统彼此转换时的协调控制问题。 从水泥生产线蓖冷机系统的特性出发，提出了单入双出“瘦”系统的模糊预测协调控制方法。将模糊控制和预测控制思想相结合，利用近似模型的宏观预测能力预测系统误差的变化趋势，模糊控制器根据人的经验知识并利用预测误差计算控制器的输出，降低了对于模型精度的要求，多值逻辑控制器协调两个控制目标对应的输出。算法简捷实用，鲁棒性好，适合应用于水泥生产过程等复杂的工业场合。 在水泥生产等复杂工业应用中，被控对象存在时滞、时变、干扰严重、模型建立困难等特点。为此提出了预测模糊控制方法，利用近似模型的宏观预测能力计算补偿量，并对模糊控制器的输出进行修正，该算法在水泥生产线中的分解炉系统和生料系统上获得成功应用。
李葵芳[6]2008年在《模糊预测控制算法研究与应用》文中认为随着系统控制技术的不断发展和在工业过程中的深入应用,在实际工业过程中受控对象越来越复杂,表现为如下一些特征:多输入多输出、时变性、藕合、时滞、非线性、不确定性等。诸如此类的复杂系统,由于无法建立系统的精确数学模型,从而使得传统控制理论很难给出一个很好的控制效果。针对化工过程的复杂性,本文的主要内容是研究基于Takagi-Sugeno (T-S)模糊模型的非线性系统辨识算法,并在此基础上研究基于模糊模型的非线性预测控制问题,并将基于模糊模型的单变量、多变量广义预测控制算法应用于pH值中和过程非线性控制仿真。主要的工作和创新内容分为以下两个方面:1、研究了T-S模糊模型的辨识问题,主要采用模糊聚类算法辨识T-S模糊模型的前件部分,最小二乘算法辨识后件规则。深入研究了模糊聚类算法,提出了一种基于样本空间密度来改进的减法聚类算法,以更少的训练调节参数能快速、准确地确定合理的聚类中心辨识得到模糊模型前件参数,并且将该方法应用到了现场软仪表设计当中,获得了很好的非线性软测量预测结果。2、深入研究了单变量、多变量的广义预测控制算法,成功实现了将改进的模糊模型辨识方法与广义预测控制结合应用于过程控制仿真。首先研究了T-S模型中的多步线性化模型预测控制,即研究了预测时域内模型误差对于预测控制的影响。仿真结果表明基于单步线性化T-S模型的广义预测控制能够保证很好的控制精度和更好的实时性。过程仿真控制表明T-S模型广义预测控制在大范围内的控制响应快速性和一致性要好于常规PID控制,能有效解决非线性系统控制问题;基于多输入多输出的T-S模型广义预测控制在耦合非线性系统中表现很好的控制性能,能很快抑制扰动使输出都跟踪设定值。pH值中和过程的仿真控制结果表明了研究的基于T-S模型的广义预测控制在非线性系统的模型建模、控制优化计算、耦合控制、抑制干扰等方面的有效性;现场加氢裂化项目软测量的实施表明了改进聚类方法的有效性。
郭晓岩[7]2015年在《基于神经网络的建筑电气节能关键问题研究》文中指出建筑是重要的能耗源,如何降低建筑物的综合能耗,提高其内部能源系统的使用效率,改善建筑环境的舒适性,对我国国民经济长远的发展至关重要,为此,运用人工智能的理论和方法,开展建筑电气节能控制研究,降低建筑电气能耗,具有重要的理论意义和工程实践价值。本文从谐波源识别和纯电容无功补偿的谐波抑制、变风量空调系统的预测控制及解耦控制、建筑电气节能评价叁个方面,开展建筑电气节能关键问题研究。为了减少谐波对建筑电气的危害,降低建筑电气的能耗,本文开展了谐波源识别和纯电容无功补偿的谐波抑制研究,然而,谐波治理的关键是如何实时监测供电系统的谐波电压、电流以及单次谐波含有率等谐波畸变率参数并进行全面的分析评估。为此,建立了基于改进BP神经网络的谐波源诊断方法,以畸变率实测数据为神经网络提供输入特征向量,实现对谐波干扰源的诊断分类。结果表明,网络输出值与期望值接近,最大误差为0.09%。同时,论文采用了纯电容无功补偿的谐波解决策略,经测试和分析发现,当系统中含有高次谐波时,使用常规的纯电容补偿作为无功补偿策略存在缺陷,为此提出在无功补偿回路中,采用电抗器与电容器串联的方法,改变其在谐波作用下的阻抗特性,使无功补偿回路不呈现容性,避免谐波的放大和谐振的产生。在谐波抑制研究的基础上,开展了变风量空调系统的预测控制及解耦控制结构的研究。分析可知,中央空调系统是一个多变量、复杂、时变的系统,其过程要素之间存在着严重的非线性、大滞后及强耦合关系,导致中央空调系统控制困难,因而造成电能大量浪费的问题。为此,本文设计了神经网络预测控制器结构,构建了控制模型,该模型针对Tcm关于T的偏导不可求的问题,采用△t对NNC的权值进行调整,实现了单隐层叁入单出结构,同时提出模糊神经网络预测控制方法,该方法中结构层记忆隐含层单元前一时刻的输出值,具有动态记忆功能,使预测输出与输入量有机结合,强化动态记忆功能,提高预测精度。进一步,建立了神经网络预测控制器结构,该空调系统的控制部分主要由控制器和预测器两部分组成。其中控制器采用模糊神经网络控制器,预测器采用递归小波神经网络结构。仿真结果表明,采用模糊神经网络预测控制方法,改善了系统的超调量、调节时间和稳态精度,提高了系统的自适应性和鲁棒性,消除了静差,使系统具备良好的适应能力、较强的学习能力和自适应能力。另外,针对变风量空调系统非线性和温湿度控制存在严重的耦合的现象,本文在建立神经网络解耦控制器结构的基础上,采用神经网络和模糊控制相结合的控制理论方法,建立了控制器模型,该模型具有全局逼近能力,且具备拓扑结构紧凑、结构参数分离且收敛速度快的特点,构建了基于Elman神经网络的预测器模型,该模型具有反应动态特性的能力,提出了一种新的多变量空调神经网络解耦控制方法,其中解耦控制器由神经网络完成,即由模糊神经网络控制器得出的温度控制量和湿度控制量作为解耦控制器的输入,再结合耦合通道的输入,经过神经网络解耦后转变为两个单入单出的控制,降低了变风量空调系统由于温度和湿度产生耦合的影响。实验结果表明,该方法提高了空调系统的控制效果,使得变风量空调控制系统的稳态和动态性能得到改善,取得了更显着的电气节能效果。为评价本文提出的谐波抑制和中央空调节能控制方法,同时也为了解决传统建筑电气节能评价方法综合评价结果精度不高的问题,本文基于建筑电气节能评价指标体系建立原则,建立了建筑电气节能评价指标体系,从技术指标、经济指标和功能指标叁个方面对该指标体系进行了描述,同时,采用层次分析法,通过建立判定矩阵,根据每个指标对上级指标至总目标的“贡献”大小,计算相对权重,从而构建了完整的评价指标体系。在此基础上,建立了基于BP神经网络的建筑电气节能评价模型,获得了量化的综合评价结果。另外针对BP算法在最小化求解过程中可能会陷入局部极小,得不到最优解的问题,构建了基于混沌神经网络的建筑电气节能评价模型,该模型用人工神经网络对样本建筑进行评价,即对评价模型进行训练网络层包括输入层、输出层和隐含层3层；网络输入层节点数与评价指标个数相对应,共包括叁项大指标20项子指标,即输入层神经元个数20；隐含层节点数为8；输出层神经元个数为1,即评价结果。实验结果表明,该评价模型简化了评价过程,降低了误差率,评价软件性能稳定,可操作性强。
李长英[8]2013年在《非线性系统模糊高增益输出反馈控制器设计》文中认为物理系统本质上都是非线性的,而且是不确定的,通常受到外界扰动、不确定动态输入和时滞等不确定非线性因素的影响。模糊逻辑系统能够以任意给定的精度逼近定义在紧集上的连续函数,能够有效的处理非线性系统的不确定性。本文就此领域展开相关问题的研究。针对严格反馈的单输入单输出(SISO)不确定非线性系统、多输入多输出(MIMO)不确定非线性系统和互联不确定非线性大系统,在系统的部分状态不可测、存在未建模动态和外界干扰等情况下,结合模糊自适应控制、backstepping设计、动态平面控制、命令滤波设计、小增益定理和改变供能函数等控制方法,分别研究了系统的输出反馈稳定控制、输出跟踪和干扰抑制等问题。本文的主要工作如下：1)研究了一类严格反馈SISO不确定非线性系统的输出反馈控制问题。在状态不可测的条件下,给出新颖的非线性模糊动态高增益观测器的设计,将模糊自适应控制和backstepping设计方法相结合,给出输出反馈控制器的设计,基于Lyapunov稳定性分析,证明整个闭环系统的所有信号一致有界,观测误差收敛到零的一个充分小邻域内。2)研究了一类严格反馈SISO动态不确定非线性系统的输出反馈几乎干扰解耦问题。设计模糊动态高增益观测器估计不可测状态,结合模糊自适应backstepping控制、小增益定理和改变供能函数方法,给出模糊自适应鲁棒控制器的设计。通过Lyapunov稳定性分析证明了所设计的控制器保证闭环系统在输入到状态实际稳定(ISpS)意义下稳定,同时在Lp增益的意义下抑制了干扰对输出的影响。3)研究了MIMO不确定非线性系统的输出反馈几乎干扰解耦问题。针对严格反馈MIMO (?)非线性系统,设计高增益观测器构建系统不可测状态,在利用backstepping方法设计输出反馈控制器的过程中,引入动态平面控制,避免了backstepping设计中对虚拟控制的重复求导,减少了计算量,在抑制干扰的同时保证闭环系统的稳定性。将上述方法推广到更一般化的具有嵌套式下叁角结构的MIMO非线性系统,不同的是引入两阶命令滤波,取消了动态平面控制设计中需要构造一个紧集的限制。4)研究了一类严格反馈不确定非线性互联大系统的分散输出反馈跟踪控制问题。在系统状态不可测的条件下,设计高增益观测器来构建系统不可测状态,综合运用模糊自适应backstepping控制和滑模滤波设计,给出模糊自适应控制器的设计,滑模滤波的引入是为了解决传统backstepping控制在运算过程中出现的“计算膨胀”,设计的控制器保证闭环系统的所有信号一致有界,使得输出跟踪误差和观测误差都收敛到零的一个充分小领域内。5)研究了一类严格反馈动态不确定非线性互联大系统的分散输出反馈几乎干扰解耦问题,在系统状态不可测的条件下,设计高增益观测器来构建系统不可测状态,结合模糊自适应控制和backstepping设计方法,给出模糊自适应鲁棒控制器的设计,通过非二次型Lyapunov函数分析证明了设计的控制器不仅保证闭环系统是积分输入到状态实际稳定的,同时在Lp增益意义下抑制了干扰对输出的影响。6)针对上述提出的不确定非线性系统的模糊自适应输出反馈稳定控制、跟踪控制和干扰抑制等方法,分别给出了相应的仿真算例,并验证了所提出方法的有效性和可行性。
许伟[9]2014年在《汽车非线性悬架系统的复合控制策略研究》文中进行了进一步梳理悬架系统是关系汽车行驶平顺性和操纵稳定性的重要部件。相比目前普遍采用的被动悬架系统，含有控制机构的车辆可控悬架系统可有效提高汽车的行驶平顺性和操纵稳定性。因此，采用优良控制策略和现代电控技术，研制经济、安全、舒适、高效和节能的可控悬架系统是现代车辆悬架技术发展的重要趋势。其中，控制策略是实现悬架系统最优控制的保证，也是当今悬架控制系统研究发展的一个重要方面。实际车辆悬架是受随机路面激励的非线性系统。迄今，人们提出了许多单一的悬架系统控制方法，但各有优缺点，在复杂行驶工况条件下，控制效果并不理想。近年来，为弥补单一控制方法的不足，进一步提高车辆悬架系统的控制性能，已有学者关注将多个控制方法相结合的复合控制策略，但研究成果总体较少。本论文在对比单一控制方法、分析悬架系统基本性能评价指标以及路面激励模型的基础上，开展非线性悬架系统的复合控制策略研究，并提出两个颇具创新性的复合控制方法：(1)基于微分几何的模糊滑模控制方法研究根据二自由度非线性悬架系统动力学模型，首先利用微分几何理论对非线性系统模型精确线性化，定义线性化系统的滑模面函数，并采用等速趋近率设计滑模控制器。然后，根据滑模面到达条件设计模糊控制器自适应调整滑模控制器的切换控制增益。该控制方法的滑模控制参数满足滑模运动的Hurwitz稳定性要求，选择范围较宽，且相对简单，不涉及设计传统最优反馈控制策略过程中加权系数人为选择和Ricatti方程求解等问题，并提高了控制的自适应性和鲁棒性；同时，模糊控制器的引入对切换控制增益起柔化作用，能削弱单一滑模控制输出控制力的抖振效应，降低控制能耗。控制仿真结果验证了该控制方法的有效性。(2)基于遗传算法权值调整的最优模糊复合控制方法从建立的车辆非线性主动悬架系统模型出发，一方面设计出悬架系统的线性二次型最优控制器（简称LQR控制器），最优控制器的加权系数利用遗传算法优化搜索获得，另一方面设计出非线性悬架系统的模糊控制器，进而开展最优控制、模糊控制以及两种方法的并联复合控制对比研究。该控制方法利用遗传算法对加权系数进行搜索优化，不仅有效解决传统LQR控制器加权系数不易确定的问题，且能克服单一最优控制和模糊控制的不足。控制仿真结果表明，该复合控制方法在车辆不同行驶工况条件下，可进一步降低车身垂直振动加速度、悬架动挠度和轮胎形变，明显提高了汽车的行驶平顺性和操纵稳定性。研究结果为研制汽车可控悬架系统提供了有价值的控制策略及技术参考。
吕红丽[10]2007年在《Mamdani模糊控制系统的结构分析理论研究及其在暖通空调中的应用》文中认为随着科学技术的高度发展，在控制工程中被控对象越来越复杂，控制过程往往具有非线性、多环路、大滞后等特点，各种参数也往往存在时变性，这类系统没有明确的物理或化学规律可遵循，要进行传统的定量分析十分困难，致使复杂过程的数学模型难以建立，传统经典控制方法和现代控制理论无法对其实现有效的控制，因此现代工业工程的迅猛发展迫切需要寻求更加有效的控制策略来完成实际过程的非线性系统控制。自从1974年英国工程师Mamdani首次将模糊控制成功应用于蒸汽机控制以来，随着计算机及其相关技术的发展，模糊控制已成为智能控制的重要组成部分，模糊控制技术近年来在复杂工业过程控制方面发挥着日益重要的作用。模糊控制作为一种非线性系统控制策略，最大的特点是无需建立系统的精确数学模型，可以将操作者的经验知识直接转化为模糊规则，通过模糊推理过程对系统实施控制，克服了线性化方法的运算复杂性，同时充分利用了现场操作人员的成功经验，而且模糊控制系统具有良好的鲁棒性，可以克服由于系统本身的时变性、不确定性和外部扰动等带来的影响，有效的提高过程控制质量，为复杂工业过程和非线性系统的控制研究开辟了新的途径。虽然模糊控制已经在工业控制，家用电器自动化等很多行业中解决了传统控制方法难以解决的很多控制问题，引起了越来越多的控制理论和相关领域广大工程技术人员的极大兴趣。另一方面，从整体模糊控制研究体系来看，模糊控制系统是处于发展中的一种控制方法，模糊控制系统还没有形成完整的研究体系，模糊控制系统理论和应用的发展仍然存在一些需要解决的问题。为了更好的扩展模糊控制理论的应用，本文首先研究了模糊控制器结构的解析分析，然后吸收PID控制、模型预测模糊等相关领域的研究成果，提出两种复杂非线性过程的模糊控制器设计新方法，并且将设计的新型模糊控制器应用于暖通空调系统的温度控制中，仿真和实验结果表明所提出模糊控制策略的良好控制效果。总结全文，论文的主要内容可具体概括如下：(1)首先对模糊控制系统的研究进行了全面综述，回顾模糊控制系统的研究背景，产生与发展状况，控制器特点和基本类型，主要研究方向及发展现状，介绍模糊控制系统理论的主要研究内容，模糊控制与PID控制，预测控制等其它控制方法的渗透和结合研究，以及模糊控制的应用发展状况，指出目前模糊控制系统研究中存在的一些问题，提出论文的主要研究内容和结构安排。(2)研究了模糊控制系统的基本原理，基本结构，设计方法等。通过引入一种新型模糊蕴含运算，从数学分析的角度研究了max-min型Mamdani模糊控制器的解析结构，详细推导了输入、输出隶属函数均采用等腰模糊数的一类具有线性规则的双输入单输出模糊控制器的结构表达式，证明了这类模糊控制器相当于一个全局二维多值继电器与局部非线性PD控制器的和，在此基础上研究了它的极限结构特性，对其稳定性进行了分析。然后与其它模糊推理方法进行比较，分别推证了采用sum-product，sum-min，max-product等不同模糊推理方法的典型模糊控制器具有相似的结构特性，并对模糊控制器的结构进行了进一步讨论。(3)提出一种利用常规PID控制器比例，积分，微分增益因子进行模糊控制器设计的新型方法，该方法充分利用了常规PID控制器的成熟经验改进模糊控制器的设计。首先通过比较和分析选择适合实际工业应用的模糊控制器结构，然后通过模糊控制器的结构分析结果给出模糊控制器与PID控制器线性增益系数K_P，K_I，K_D之间的解析关系，表明模糊控制器本质上是一种时变非线性的PID控制器，根据这一解析关系，利用常规PID控制器增益系数间接设计模糊控制器的正规化因子，建立一种新型模糊控制器的设计方法。(4)研究了模糊变论域思想的改进算法，由于改变模糊控制器变量的论域本质上等价于改变变量的正规化因子，因此如果保持模糊控制器的基本论域不变，那么通过增加模糊控制器输入变量的正规化因子的取值同样可以达到缩小论域的目的，而且改变正规化因子相对于论域变化更加容易操作。然后将这一改进算法应用到模糊控制器设计参数的在线调节和优化中，进一步提高了模糊控制系统的控制精度。(5)针对非线性系统建模困难及难以控制的特点，提出一种基于sum-min推理的Mamdani型模糊模型预测控制策略。该方法首先通过对模糊模型进行解析分析，建立非线性系统的Mamdani型模糊预测模型，获得系统在k+1采样时刻的一步线性化预测模型和P步线性预测模型，然后基于模糊线性化预测模型进行常规预测控制器设计，从而给出了实现该非线性系统模糊模型预测控制方法的具体步骤。仿真实验结果表明了该算法是一种鲁棒性强的有效控制方法，与常规的动态矩阵控制相比，该方法具有超调量小，调整时间短等优良的动态性能。(6)对本文提出的新型模糊控制器设计方法在暖通空调中的应用进行了研究。首先对暖通空调系统的节能与控制进行简单描述，研究了暖通空调系统的基本结构和主要控制回路，然后对空调处理机组的控制系统进行物理建模，在此基础上，将提出的模糊控制器新型设计方法应用到暖通空调系统中，采用冷冻水的流速(?)_(chw)控制回风机的干球温度T_(ao)，获得了良好的控制效果。该方法最突出的优点是可以充分利用针对暖通空调系统设计比较成熟的PID控制器，而且鲁棒性强，容易设计，便于现场操作人员学习和掌握，改变了模糊控制在实际工业过程中难以实现的现状。最后总结了全文的主要工作，并对模糊控制下一步的研究方向进行了展望。
参考文献：
[1]. 欠驱动非线性系统的张量积模糊自适应控制[D]. 赵国亮. 大连理工大学. 2015
[2]. 水轮机调节系统预测控制方法研究[D]. 周瑞. 西北农林科技大学. 2017
[3]. 混沌系统智能辨识与控制研究[D]. 王树恩. 燕山大学. 2016
[4]. 非线性板球系统的监督分层智能自适应控制算法研究[D]. 韩京元. 吉林大学. 2014
[5]. 复杂系统的预测控制及其应用[D]. 李常贤. 浙江大学. 2003
[6]. 模糊预测控制算法研究与应用[D]. 李葵芳. 中国石油大学. 2008
[7]. 基于神经网络的建筑电气节能关键问题研究[D]. 郭晓岩. 东北大学. 2015
[8]. 非线性系统模糊高增益输出反馈控制器设计[D]. 李长英. 大连理工大学. 2013
[9]. 汽车非线性悬架系统的复合控制策略研究[D]. 许伟. 广西科技大学. 2014
[10]. Mamdani模糊控制系统的结构分析理论研究及其在暖通空调中的应用[D]. 吕红丽. 山东大学. 2007
标签：数学论文; 自适应论文; 模型预测控制论文; 线性系统论文; 模糊神经网络论文; 反馈控制论文; 模糊控制论文; 模糊理论论文; 过程控制论文; 预测模型论文; 自适应控制论文; 非线性论文; 模糊算法论文; 滑模控制论文; 动态模糊论文; 人工智能论文; 动态模型论文; bp神经网络算法论文;