TS模糊系统.PPT

* 系統鑑別 為了尋找非線系統之準確T-S模型，我們必須 先取得非線性系統的輸入與輸出資料，再利 用PSO做系統鑑別。 * T-S模糊模式鑑別 NB PB ZO * T-S模糊模式鑑別 * T-S模糊模式鑑別的參數 * T-S模糊模式鑑別 最佳適應函數值 * T-S模糊模式鑑別結果 * 以LMI為基礎模糊控制 對於閉迴路模糊系統 ，假如可以找到一個共同的正定矩陣 ，以滿足下列兩不等式： 則模糊系統 具有全面性的漸近穩定。 * 寬鬆穩定條件(Relaxed Stability Conditions) 這裡我們假設 * 寬鬆穩定條件(Relaxed Stability Conditions) * 衰退速率的穩定條件(Decay Rate Conditions) * 衰退速率的穩定條件(Decay Rate Conditions) * 寬鬆穩定條件(Relaxed Stability Conditions) 50度時寬鬆條件角度輸出響應圖 50度時寬鬆條件角速度輸出響應圖 * 寬鬆穩定條件(Relaxed Stability Conditions) 70度時寬鬆條件角度輸出響應圖 70度時寬鬆條件角速度輸出響應圖 * 衰退速率的穩定條件(Decay Rate Conditions) 50度時衰退速率條件角度輸出響應圖 50度時衰退速率條件角速度輸出響應圖 * 衰退速率的穩定條件(Decay Rate Conditions) 70度時衰退速率條件角度輸出響應圖 70度時衰退速率條件角速度輸出響應圖 * 寬鬆與衰退速率輸出響應圖比較 70度時角速度輸出響應圖比較 70度時角度輸出響應圖比較 * 結論 對於一個不穩定非線性控制系統，我們利用平行分散補償(PDC) 設計一個穩定控制器，而PDC回授增益值則是由粒子群尋優演算求得最佳值，取得該系統足夠的輸入，輸出資料後。接著，利用這些資料於粒子群尋優演算中進行Takagi-Sugeno（T-S） 模型的參數鑑別。 最後以鑑別後所得到T-S參數，並用線性矩陣不等式(LMI)的限制條件下，設計模糊控制器，而最後結果顯示，以各種不同LMI條件控制非線性系統皆能達到穩定狀態。在衰退速率(Decay Rate)的條件限制下，比放寬的穩定(Relaxed Stability)條件限制下，達到穩定時間要來的迅速。 PSO 與 LMI以滑車倒單擺模糊控制器為例 電子系 洪惠陽 * 大綱 前言 模糊系統架構 粒子群尋優演算法 (PSO) 滑車倒單擺系統 平行分散補償法(PDC)設計模糊控制器 系統鑑別 以LMI為基礎模糊控制 結論 * 前言 本論文目的探討不穩定非線性系統Takagi-Sugeno(T-S)模型。利用平行分散補償(PDC)，設計可以穩定並控制系統後。再取得非線性系統的輸入與輸出資料後，利用粒子群尋優演算法做系統鑑別，將鑑別T-S值以LMI的限制條件設計模糊控制器，並顯示模擬情形。 * Rule Based模糊系統架構 Rule Based模糊系統 * T-S模糊系統 日本兩位學者 Takagi 及 Sugeno 在1985年提出了一種新的模糊模型，這個模型可以將一個非線性的系統，藉由模糊理論中 IF-THEN 的規則關係，表達出非線性系統中局部線性的輸入-輸出關係。 求出T-S模糊系統 數學動態方程式 模糊模式 (T-S糢糊模式) 系統鑑別法 模糊控制器 非線性系統 * 粒子群尋優演算法 (PSO) 1995年Kennedy和 Eberhart觀察鳥群飛行和魚群游水群聚習性，發展出的演算法。其概念是模擬鳥兒覓食，會各自往不同方向尋找食物，逐漸向最佳覓食地點靠近。 * PSO慣性權重法 * * 滑車倒單擺系統 d = m+M 系統參數 設定數值 單位 滑車質量 M 8 Kg 單擺質量m 2 Kg 單擺長度 2l 1 m 重力g 9.8 m / sec * 平行分散補償法設計模糊控制器 本篇論文非線性系統為滑車倒單擺，然而滑車倒單擺本身為一個不穩定系統，所以會先以PDC方法設計使系統達到穩定狀態。 * 平行分散補償法設計模糊控制器 PDC主要的設計理念係針對每一條模糊模式規則中加入一個補償，即一個回授增益值，但Rule 1、Rule2 模糊控制器共用相同的回授增益值。 * 平行分散補償法設計模糊控制器 * 平行分散補償法設計模糊控制器 Fitness function : * 平行分散補償法設計模糊控制器 PDC尋優 最佳適應函數值 F1為[-210.257799069273 5719.1960176148] F2為[-138.714876697664 -41.2847882130749] * PDC模擬