非线性系统的多模型自适应控制

《非线性系统的多模型自适应控制》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要多模型自适应控SfI(MMAC)是解决非线性、变工况参数、不确定性等复杂问题的一种有效方法。多模型自适应控制引人注目的地方是：虽然MMAC已有相当多的应用，但是忽略了理论上的指导作用，尤其没有从非线性控制方法的角度去对他加以研究，因而就缺少诸如能保持闭环系统具有Lyapunov稳定性的算法。所以，MMAC在理论与应用之间存在差距。本课题在参阅大量国内外文献的基础上，主要研究了非线性系统的多模型自适应控制，并结合模糊、预测等智能控制方法来实现对大范围、强耦合非线性系统的控制。所得到的理论结果可表述如下：(1)研究了非线性系统的MMAC的可行性问题，在此基础上给出了非

2、线性系统的多模型表示方法、前馈极点控制器的设计方法，最后将此方法应用于造纸工业中。(2)在合理安排模型参考轨迹的基础上，给出了非线性切换多模型预测控制豹切换思想。为了解决切换多模型预测控制的抖动问题，提出了加权多模型模糊预测控制。(3)利用遗传算法的全局搜索特性，对非线性多模型控制过程进行优化。给出了Ts模糊控制器的设计方法，并采用遗传算法对TS模糊控制的后项参数及隶属函数进行优化。研究了混沌系统的多模型控制，采用修改的遗传算法引导混沌轨道，在混沌轨道上设置一系列的控制器，由遗传算法产生一系列特定的“小扰动”，把系统控制到不动点上。关键词多模型；自适应控制；模型预测控

3、制；遗传算法；模糊控制燕山大学工学硕士学位论文AbstractMultiple—ModelAdaptive(MMAC)isaneriectiveapproachtosolvecomplicatedproblemssuchasnonlinear,uncertaintiesandoperatingpointsvariationsctc．HowevertheproblemexistsiIlMulti—ModelControlmethodisthat，althoughithasbeenever-increasinglyusedillpractice，littlehasbeen

4、doneonthetheoreticalstudies，especially,nonlinearcontrolapproachhasnotbeenemployedforthisstudyyet．ThestudyofthispaperisbasedonthenonlinearMulti-ModelAdaptiveControlmethod，whichcombinespredictivecontrol,fuzzycontrolwithmultiplemodelstructuretoeontrolsomenonlinearsystemswithcomplexityandst

5、rongcoupling．ThemaintheoreticalresultsCanbeextractedinasummaryfom．(1)ThesufficientCOnditionsforthefeasibilityofnonlinearsystem’SMMACarerevealed．111emethodthatthemulti-modelsrepresentnontinearsystemareproposed．Inaddition,feedforwardpolecontrollerwasdesignedandsubsequentlyappliedinpaperma

6、nufacturingindustry．(2)ARerthereasonablelayoutofthereferencetrajectoryofthemodel，thenonlinearwitchingmulti-modelpredictivecontrolisproposed．Tosolvetheproblemofperturbationofwitchingmulti—modelpredictivecontrol,weightedmulti·modelfuzzypredictivecontrolisputforward．(3)ThedesignmethodofT-S

7、fuzzycontrollerisgivenandweappliedthegenetmalgorithmtooptimizetheparametersofmembershipfunctionoffuzzycontrollenMulti-modelSolutionsforchaoscontrolarestudied，chaotictrajectoryisdirectedbyimprovedgeneticalgorithmthatcouldcreatethelawofthemulti．modelsolutiorLKeywordsMulti—Model；A