非线性系统多模型自适应控制方法的研究

摘要

该论文以非线性系统作为研究对象,将多模型方法与智能控制技术相结合,来解决非线性系统的模型辨识与控制器设计问题.具体研究工作如下:1.对于一类离散时间非线性系统,用径向基函数神经元网络来补偿不同平衡点处多个线性模型的建模误差和未建模动态,形成了非线性系统的多模型表示,并采用切换指标函数和最小方差的控制算法构成了多模型自适应控制器.2.对于可获得大量输入输出数据的非线性系统,提出了一种改进的即时学习算法与自适应算法相结合的即时模型辨识方法,同时设计自校正的极点配置控制算法,形成了非线性系统的多模型自适应控制器.3.设计多个模糊论域划分和规则内容都不相同的固定模糊推理系统,用它们加权组合的结果辨识非线性系统的动态模型.4.对于典型的高阶非线性系统,应用Lyapunov的综合方法设计基于多个固定模糊推理系统的直接型和间接型自适应模糊控制器.

目录

文摘

英文文摘

第一章绪论

1.1多模型方法的基本原理与实际应用

1.1.1引言

1.1.2多模型方法的基本原理

1.1.3多模型方法的实际应用

1.2线性系统多模型自适应控制方法

1.3多模型方法在非线性系统中的研究

1.3.1复杂系统的分解方法

1.3.2多模型集的建立方法

1.3.3多控制器的设计方案

1.4全局模型/控制器的构成

1.4.1基于加权组合的增益调度算法

1.4.2模型切换策略

1.5多模型控制算法的稳定性分析

1.6本文的主要工作

第二章基于神经元网络的非线性系统多模型自适应控制

2.1问题描述

2.2控制方案设计

2.2.1自适应最小方差控制器

2.2.2RBFNN的训练算法

2.3模型切换策略

2.4仿真实验

2.4.1局部模型数量相等时的仿真实验

2.4.2有关模型数量的仿真实验

2.4.3系统参数时变时的仿真实验

2.5小结

第三章基于即时学习算法的非线性系统多模型自适应控制

3.1基于即时学习算法的非线性系统多模型自适应控制

3.1.1问题描述

3.1.2局部即时模型的建立

3.1.3自适应极点配置控制器的设计

3.1.4仿真实验

3.1.5小结

3.2即时学习算法在非线性系统迭代学习控制中的应用

3.2.1迭代学习控制算法的初值问题

3.2.2用即时学习算法估计初始控制信号

3.2.3仿真实验

3.2.4小结

3.3结论

第四章基于多模糊逻辑系统的辨识器的设计

4.1引言

4.2辨识器设计方法描述

4.2.1基本思想

4.2.2多模糊模型的表示方法

4.2.3权值辨识算法

4.3仿真实例

4.3.1对单输入单输出系统的仿真实验

4.3.2对多输入多输出系统的仿真实验

4.4小结

第五章基于多模糊逻辑系统的非线性系统自适应模糊控制

5.1引言

5.1.1采用多模糊推理系统进行控制的原因

5.1.2多模型自适应模糊控制器的分类

5.2基于多模糊推理系统的非线性系统间接自适应模糊控制

5.2.1问题描述

5.2.2多模糊模型的建立

5.2.3间接型自适应模糊控制器的实现

5.2.4仿真实验

5.2.5小结

5.3基于多模糊推理系统的非线性系统直接自适应模糊控制

5.3.1问题描述

5.3.2多个固定T-S模糊模型的建立

5.3.3直接型自适应模糊控制器的实现

5.3.4仿真实验

5.3.5小结

5.4结论

第六章结束语

参考文献

致谢

作者简介

附录