一种基于遗传算法的模糊内模控制方法.docx
《一种基于遗传算法的模糊内模控制方法.docx》由会员分享,可在线阅读,更多相关《一种基于遗传算法的模糊内模控制方法.docx(10页珍藏版)》请在淘文阁 - 分享文档赚钱的网站上搜索。
1、一种基于遗传算法的模糊内模控制方法sunxiaoli导语:针对一类非线性经过,提出了基于T-S模糊模型的非线性内模控制方法。使用遗传算法和模糊聚类方法进展模糊建模,解决了非线性内模控制方法中建立准确的模型及其逆模型困难的问题。摘要:针对一类非线性经过,提出了基于T-S模糊模型的非线性内模控制方法。使用遗传算法和模糊聚类方法进展模糊建模,解决了非线性内模控制方法中建立准确的模型及其逆模型困难的问题。通过模糊辨识获得经过的T-S模型及逆模型,并以此设计了内模控制器。最后,将该方法应用于一类非线性经过的控制,仿真结果说明该方法的有效性。关键词:遗传算法;模糊建模;参数辨识;内模控制中图分类号:TP3
2、91.9文献标识码:AAFuzzyInternalModelControlAlgorithmBasedonGeneticAlgorithmZhangXin-fa,ZhaoZhi-cheng (SchoolofElectronicInformationEngineeringofTaiyuanUniversityofScienceandTechnology,Taiyuan,030024,China)Abstract:Consideringaclassnonlinearprocess,thenonlinearinternalmodelmethodbasedonT-SFuzzymodelisputfo
3、rwardinthispaper.Usingthegeneticalgorithmandfuzzyclusteringmethodforfuzzymodeling,wesolvethedifficultproblemwhichismodelandinversemodelinthenonlinearinternalmodelcontrol.ByfuzzyidentificationachievingT-Smodelandinversemodeloftheprocess,wedesigninternalmodelcontrollerbasedonthis.Thismethodisappliedto
4、thecontrolforaclassofnonlinearprocess;thesimulationresultshowstheeffectivenessofthemethod.Keywords:Geneticalgorithm;Fuzzymodeling;Parameteridentification;Internalmodelcontrol内模控制(InternalModelControl,IMC)1是一种基于经过数学模型进展控制设计的新型控制策略。因其设计简单、控制性能好以及在系统分析方面具有优越性等特点一直受到控制界的重视。Economou等人2于1986年将其推广到非线性系统,为非
5、线性系统控制提供了一条特别有效的途径。获取经过的模型及逆模型是实现内模控制的关键问题,对于非线性经过而言,即便逆模型存在经常也不易直接获得。目前,非线性系统的辨识方法也得到了广泛地研究,文献3使用了RBF神经网络对非线性系统进展辨识,由于其是一种部分逼近的网络,在网络训练经过中很轻易陷入部分极小,因此得不到全局最优解;文献4提出了一种改良的BP神经网络辨识方法,其利用训练线性模型去逼近非线性系统,模型的选取对辨识的结果有很大的影响,选取的模型误差太大就达不到满足的辨识效果。T-S模糊模型作为一种通用逼近器5,它将一个非线性系统当作假设干个线性子系统与其权重乘积之和,易于表达复杂、非线性系统的动
6、态特性,同时,也可以将线性系统控制理论应用到非线性系统控制中,进而成为研究热门。利用系统的输入-输出数据来进展T-S模型的辨识,包括构造辨识及参数辨识,构造辨识那么用于确定T-S模型的前提模糊规那么,参数辨识那么用于确定结论局部的参数。文献6采用聚类方法进展模糊空间的划分,每个模糊子空间代表一条模糊规那么,但是模糊空间的个数主要靠经历来确定,缺少可靠的理论根据;文献7采用了最小二乘法,只考虑了辨识精度,这样轻易造成数据的过拟合,泛化才能较差。为了有效地克制以往方法的缺陷,本文将遗传算法应用于T-S模型的参数辨识的问题,先应用模糊聚类方法与最小二乘法对模型进展粗略的辨识,再应用遗传算法对其前提参
7、数及结论参数同时进展寻优,进而建立非线性经过的准确的T-S模型。最后,将模糊辨识得到的经过模糊模型及其逆模型引入内模控制方法中,仿真结果验证了该方法的有效性。1T-S模糊模型的辨识1.1T-S模糊模型Takagi和Sugeno在1985年提出了著名的T-S模糊模型8,其形式描绘如下:1.2T-S模糊模型的前提构造及参数辨识采用模糊C均值算法(FuzzyC-means,FCM)确定T-S模糊模型的前提构造和参数,FCM算法可以表示使如下目的函数最小9:1.3T-S模糊模型结论参数辨识在确定了前提构造与结论构造之后,可以采用最小二乘法10对T-S模糊模型的结论参数进展粗略的辨识,将其前提构造划分的
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 一种 基于 遗传 算法 模糊 控制 方法
限制150内