聚类自适应模糊控制及在多温区电加热炉中的应用.pdfVIP

聚类自适应模糊控制及其在多温区电加热炉中的应用 林瑞桑 姚必正 高利 j淞A学一动地学耽2f)4j1／72) (f：辩大学内础化学院21，0072)fI：J,i也山学院2DDDgO)f 摘要本文挺卅种新型的白适应模糊控制．结合“逆系统沾”的恩怨和VRE技术，将聚类算法 承l常龇模糟l摔制加权求和柑到系统的挖制量，对樊非线忭，丈延迟、强猫台的列象进行托删； 安验收叫该方法自适麻和曾棒性强，安州性好，具有定的■程实用忭． 关键词模糊控制聚类算法变量lal归估计算法(VRE) 1 引言 众所周知，模糊控制是当今控制领域中令人瞩目的新的控制方法刹技术，它通过把专 家的经验和I要求总结成若干规则，采瑚简便，快速，灵活的手段，米完成那些川经典和现 代控制手段难以实现的自动化和智能他的目标，因而在多个领域中得到越来越7’。泛的应用。 由于常规模糊控制器的控制规则是根据现场操作人员或专家的经验总结出来的，其语言规 则和合成推理往往是㈣定的，这隐含地假设控制过程不会产生超出这些经验范隔的显著变 化．从而使其廊川有一定的局限性。对于一个非线性，大延时，参数时变冉勺，有强扰动的 多变姑复杂的经耦台系统，使州常规模糊控制是无法获得理想的品质指标，有时共至由丁 输入鼙的模糊化和输出姑的解模糊等闲素，使系统具有多值继电器特性而形成极限环振荡。 本文经人避的理论分析和实验研究，提出了聚类自适应模糊控制即加权模糊一聚类控‘ 制。电加热炉的温度控制实礁证实了该方法的可行性和实_}}j性。 2设计原理 我们知道～个系统如果与其逆系统串联，得到的便是～个线性系统，控制起来非常容 易。本文止是结台这种思想，埘聚类算法学习系统的逆系统模璀．然后根据此模型得到控 制赞。如倒1所示： 图，聚娄算法掌意图习逆系统模型得到的控制方案示 ．147． 一个模糊模刑。每次学习一个新的样本数据后，修改“聚类辨识”中的模糊模型，同时修 改“聚类控制”中的模糊模型。这个模糊模型对丁-不含有纯延迟环。m约系统是其逆系统； 对_r含有纯延迟环：m约系统米说是其非纯五正迟环+1，的逆系统(从理论上运J_Ij离散环‘仃法对系 统进行分解)。为简化，F面所Ⅲ的“系统”和“逆系统”均是指不含纯延迟环协的系统及 其逆系统。 随着“聚类辨识”学习样本数据的增多．模糊模=II!!越来越接近真实系统的逆系统．根 据逆系统理论的思想，而由此模l!得到的控制鲑也越来越接近最优解。从上述的分析可知， 这种方法姓可行的。仿真结果也证明，最终可以控制得非常好，它需要较时间。也就是 说，聚类控制虽然是一步一葬的，其自学习速度虽然较神经网络快ifi=多，但与控制的实时 性要求相比还是有一定的差距，所以本文撮终的控制方案选用将这种方法和常规模糊控翩 加权求羊|l。j=}j常规模糊控制部分来提高控制的响应速度。满足实时性要求：川“聚类控制” 来弥补常规模糊控制无自学习能力的缺点，改善其动静态特性中除快速性之外的特性，即 充分利_I{j两种知识：静态知识和动态知识，以期获得也好的控制品质。 聚类算法，简单地说．就是将样本数据H；i最近邻聚类算法进行分组，蒋将每一组数据 (一个聚类)视为一个数据对，用最优模糊逻辑系统来进行拟合。即对一个时变、非线性、 强橘合、多变鼙系统建立系统的动态逆模璎。设系统有N组输入一输出对 (Y+，“+) i=1,2，、N，且N较小．如N=20，聚类臼适麻控制系统就是要构造一个逆系 -t宽97’(，y)．它能将N对数据拟台到任意给定的精度，即对任意给定的F0，通过选抒6， 使得对所有的，=1,2，¨．N，都有lg“(y’)～“’ls成立。 逆系统构造如F： Ⅳ f12 ∑“’’exp(一∥?1) g“(，)=型矿——_—=i_～ (1) yexof—ly—y。1)