基于T-S模型的模糊預測控制在線優(yōu)化算法研究.pdf

1、針對復雜非線性系統(tǒng)難以建模從而難以控制以及約束預測控制的在線優(yōu)化計算量大的問題，本文研究了基于T-S模糊模型的非線性系統(tǒng)辨識算法，并在此基礎上研究非線性系統(tǒng)的模糊預測控制問題。對比研究了約束預測控制的在線優(yōu)化幾種求解算法，仿真表明本文所提算法的有效性。論文的主要研究工作內容有以下幾個方面： （1）針對復雜非線性動態(tài)系統(tǒng)的模糊建模問題，本文采用一種基于T-S模型在線自學習的模糊辨識算法。通過模糊聚類算法對T-S模糊模型的前提部分進

2、行辨識；對于T-S模糊模型的后件參數采用在線學習的方法進行辨識。仿真研究表明該算法較好的辨識效果。 （2）有約束的預測控制滾動優(yōu)化可以轉化成一個標準的二次規(guī)劃問題。對比研究投影最小二乘算法、有效集算法和Dantzig-Wolfe算法在預測控制在線優(yōu)化中的求解效果，Shell塔仿真表明投影最小二乘算法在約束預測控制在線優(yōu)化求解中有較好的效果。 （3）研究了基于T-S模糊模型的DMC和GPC兩種模糊預測控制算法，并且與普通的