复杂系统的多模型建模及预测控制-控制理论与控制工程专业论文.docx

万方数据 万方数据 独创性声明 本人郑重声明：所呈交的学位论文是我个人在导师指导下进行的研究 工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方 外，论文中不包含其他人已经发表和撰写的研究成果，也不包含为获得华 东交通大学或其他教育机构的学位或证书所使用过的材料。与我一同工作 的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢 意。 本人签名___ 日期 关于论文使用授权的说明 本人完全了解华东交通大学有关保留、使用学位论文的规定，即：学 校有权保留送交论文的复印件，允许论文被查阅和借阅。学校可以公布论 文的全部或部分内容，可以采用影印、缩印或其他复制手段保存论文。 保密的论文在解密后遵守此规定，本论文无保密内容。 本人签名___ 导师签名_ _日期_ _ 摘要 摘要 复杂系统的多模型建模及预测控制 摘要 在工业生产的实际过程中，被控对象本身或受到外界影响，往往存在大量不确定性， 如：被控系统是子系统动态变化或是参数时变快的非线性系统，存在较大外部扰动的或 随机系统，系统参数变化大的复杂线性系统或随机系统；系统、传感器或执行器出现故 障。对于这类系统，常规的辨识算法不能做到时实跟随模型参数的变化，故此，系统特 性难以用常规的辨识算法进行全面地描述，使得相对于实际的工业过程，基于模型设计 的控制器的精度难以满足它的控制要求。为解决上述难题，多模型方法开辟了一个新的 方向，是一种处理复杂系统的有效方法。方法将复杂非线性系统分解成若干简单的线性 系统，逐一求解分解后的线性系统，并通过某种合成法则以获得原复杂系统良好的建模 及控制效果。无论是在理论研究还是实际的工业应用中，从其被提出以来，都已经取得 了很大的成果。 虽然，多模型的方法对复杂系统有着良好的控制效果，但其本身仍存在需要改进的 地方，包括：如何选取和优化模型集、怎样确保模型切换时的稳定性、对存在随机干扰 的不确定如何进行系统控制等。针对现有的多模型方法存在的问题，本文的进行了研究， 主要研究工作如下： 在利用多模型的分解-合成的策略对复杂非线性系统建模时，对系统参数的辨识采 用基于模糊辨识的方法。从系统的输入输出数据出发，通过采集数据样本，利用能够充 分挖掘数据间相关信息的聚类算法来将其合理地划分为特征明显的多个子空间集，形成 T-S 模糊模型集，然后对这些 T-S 模糊模型进行模糊辨识，得到各子空间的模型结构及 参数，利用模糊辨识得到的子模型来表征系统的非线性特性。 然而，收敛速度慢、易于陷入局部最优解是传统的聚类算法最大的缺陷，阻碍了聚 类算法的发展。猫群算法是通过模仿猫的行为演化出来的智能算法，将猫的行为分为搜 索模式和跟踪模式，大大的提高了聚类的收敛速度和全局搜索能力。通过猫群算法对复 杂的非线性系统划分成子空间，形成 T-S 模糊多模型集。在对 T-S 模糊模型辨识的过程 中，将猫群算法与应用到模糊辨识的过程中，形成基于猫群聚类算法的模糊辨识方法对 各个 T-S 模糊模型进行辨识，最后用辨识出来的模糊多模型集来表征非线性系统。通过 仿真实验，对一个非线性系统进行模糊多模型建模，表明该方法的实用性。 （1）针对一类模型参数随时间发生突变的系统，被控系统利用通过基于猫群聚类 的模糊辨识方法构造、辨识出的多模型（模型集）来表示，涵盖其不确定性；并分别对 模型集中的各个模型设计相应的预测控制器。通过由模糊辨识构造的固定模型集、一个 常规及一个可被重新赋值的自适应模型并行辨识被控系统的动态特性。在每个采样时 I 刻，最佳控制器的选择由性能指标（切换）函数来完成。同时设计阶梯式广义预测控制 器，以实现系统全局的控制。最后，通过设计相应的仿真实验，结果表明，较另外两种 控制方法（单一自适应模型控制、多个固定模型控制）本文介绍的控制方法效果更佳。 关键词：多模型；T-S 模型；猫群算法；聚类；模糊辨识；自适应；广义预测控制 II Ab Abstract PAGE IV PAGE IV 万方数据 Study of Complex systems for Multiple modeling and predictive control ABSTRACT In the actual process of industrial production, the controlled object itself or by external influence, there is often a lot of uncertainties, such as: the controlled system is a subsystem or dynamic changes faster parameter nonlinear systems, there i