基于扩展卡尔曼滤波的T⁃S模糊模型建模方法

摘要

冷冻站系统设备和回路众多,且具有非线性、强耦合、大滞后等特点,机理建模困难。为满足冷冻站系统智能控制需要,提出基于扩展卡尔曼滤波的Takagi⁃Sugeno(T⁃S)模糊模型建模方法,构建了系统负荷预测模型和能效比预测模型。首先采用模糊C⁃均值聚类算法得到样本的聚类中心和聚类半径,进而计算出模糊规则的隶属度函数,完成结构辨识;为解决模型参数辨识中传统方法效率较低的问题,采用扩展卡尔曼滤波算法进行模糊模型后件参数修正,以辨识系统非线性动态特性,同时提升建模效率,为后期模型参数在线修正打下基础。文中采用上述方法对北京市某公共建筑冷冻站系统建模,实验结果表明,所建立的负荷预测模型和能效比预测模型精度较高,相对误差分别是2.75%和2.25%,满足工业控制模型精度要求。