基于T-S模型的模糊广义预测控制方法研究及应用

摘要

随着科学技术和生产力的不断发展，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、信息量少、高性能指标等。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较好的控制效果，甚至不能控制。本文针对热工过程中的非线性、多变量、大时滞等特点，致力于从非线性角度研究预测控制算法在热工过程中的应用。本文的主要内容是研究基于T-S模糊模型的非线性系统辨识算法，并在此基础上研究非线性系统的模糊预测控制问题，并且把基于T-S模型的广义预测控制算法应用于糖厂锅炉水位系统的控制。 具体包括以下几个方面： 1、针对复杂非线性动态系统的模糊建模问题，本文基于T-S模型提出一种自组织模糊辨识算法。改进后的算法简化了前提结构辨识的过程，并使前提参数辨识和结论参数辨识同时完成，极大的减少了参数辨识和结构辨识的计算量，能够保证在线辨识的要求。大量的仿真结果表明该算法具有收敛速度快、辨识精度高、稳定性好，便于工程应用。 2、介绍了T-S模糊模型和GPC基本原理的基础上，将基于T-S模型的GPC归纳为三种算法，从理论上对这三种算法进行了详细地推导，并通过仿真研究比较了三种算法的控制性能和计算负担上的差异；从而为这一类模糊预测控制的实际应用提供了选择的依据，也为进一步的性能分析奠定了基础。 3、根据锅炉系统复杂、干扰频繁、全局模型建立困难的实际情况，通过对其水位特性的分析，提出一种基于T-S模型的多模结构的模糊预测控制算法，并在DCS系统中开发了实时控制的软件。实际应用表明本算法能够很好地通过在线辨识T-S模型从而实现对具有非线性特性的水位对象的预测控制及获得良好的控制精度。

目录

文摘

英文文摘

厦门大学学位论文原创性声明及厦门大学学位论文著作权使用声明

第一章绪论

1.1引言

1.2预测控制

1.2.1预测控制的基本原理

1.2.2预测控制的研究概况

1.2.3预测控制的工业应用

1.3模糊控制的概念及其特点

1.4智能预测控制（IMPC）

1.4.1模糊预测控制（FMPC）

1.4.2基于神经网络和遗传算法的预测控制

1.5本文的研究内容和主要的创新点

第二章T-S模糊模型及模糊辨识方法

2.1引言

2.2T-S模糊模型

2.2.1T-S模糊系统的一般定义

2.2.2典型T-S模糊系统具有通用逼近性

2.3模糊辨识方法

2.3.1基于模糊关系方程的辨识方法

2.3.2基于模糊神经网络模型的辨识方法

2.3.3基于T-S模糊模型的辨识方法

2.3.4模糊辨识领域需要解决的实际问题

2.4仿真示例

2.4.1最小二乘法的曲线拟合

2.4.2T-S模糊模型的辨识

第三章基于模糊聚类的模糊辨识算法研究

3.1引言

3.2基于随机采样模糊聚类的模糊辨识方法

3.3模糊C-划分方法

3.4多层随机采样FCM算法

3.5数据子集的选择

3.6基于WRLSA辨识模糊模型结论参数

3.7仿真实例

3.8本章小结

第四章基于T-S模型的模糊广义预测控制

4.1引言

4.2基于T-S模糊模型的模糊广义预测控制

4.2.1广义预测控制基本方法

4.2.2T-S模糊预测模型

4.3模糊GPC的三种结构

4.3.1第一类结构

4.3.2第二类结构

4.3.3第三类结构

4.4仿真研究

4.4.1T-S模糊模型的辨识

4.4.2三种FGPC的仿真结果

4.5小结

第五章模糊广义预测控制在糖厂锅炉水位系统的应用

5.1引言

5.2锅炉设备工艺介绍

5.2.1糖厂锅炉的生产工艺

5.2.2锅炉燃烧系统流程

5.2.3锅炉汽水流程

5.2.4锅炉烟气流程

5.3糖厂锅炉水位控制系统

5.3.1水位系统的动态特性分析

5.3.2锅炉水位系统的模糊广义预测控制方案

5.4蔗渣锅炉优化控制系统的方案实现

5.4.1系统结构和功能

5.4.2系统的硬件组成

5.4.3系统的软件组成

5.5结束语

第六章总结

6.1本文研究内容小结

6.2模糊预测领域的研究方向

附录程序代码（MATLAB编程）

1.增广最小二乘法

2.广义预测控制（GPC）仿真

3.模糊自组织聚类

4.FCM辨识

5.T-S模型辨识

6.模糊GPC与PID控制对比研究

参考文献

攻读学位期间公开发表的论文

致谢