基于Ⅱ型TS模型及混沌粒子群优化的预测控制算法.doc

- -- 法的预测控制器设计两部分。 Ⅱ型T-S 模糊模型是在Ⅰ型T-S 模糊模型的基础上通过对前件模糊集模糊化或后件多 项式的系数进行模糊化得到的，也就是只要把T-S 模糊模型中的前件元素的隶属度进行再 次模糊化或模型后件系数具体值模糊化过程之一或者全部进行模糊处理，就得到Ⅱ型 T-S 模糊模型。Ⅱ型T-S 模糊模型由其自身所特定的性质，比Ⅰ型T-S 模糊模型能更好地包容 噪声干扰等不确定性因素对模型精度的影响。本文先给定初始聚类中心个数c 初值，然后 利用G-K 聚类算法对样本数据进行聚类分类，然后对聚类得到的元素隶属度再次模糊化处 理，确定每个类中的隶属度变化范围，前件参数便可以确定，然后再确定输出的误差变化 并利用最小二乘法来得到模型的后件参数。最后由给定的系统性能指标来判断是否需重新 进行聚类划分，若需要则增加聚类中心个数并回到之前步骤重新对系统辨识，若不需要则 建模结束。最终获得以用户最终满意度为指标的模糊模型。 在基于满意聚类获得的Ⅱ型T-S 模糊模型基础上，将所得到的模型作为预测模型，在 此基础上利用基于混沌粒子群优化的预测控制方法设计控制器。基于混沌粒子群优化的预 测控制在滚动优化过程中将混沌粒子群优化算法作为滚动优化策略，通过混沌粒子群优化 不断的迭代搜索来实现优化的效果，有效地避免了非线性预测控制优化过程中大量的矩阵 求逆问题和相对复杂的梯度计算，并能快速有