復(fù)雜工業(yè)過程的多模型辨識及控制應(yīng)用研究.pdf

1、復(fù)雜工業(yè)過程存在系統(tǒng)變量多、非線性作用強及環(huán)境隨機干擾影響大等問題，傳統(tǒng)的建模方法由于模型形式單一往往難以描述系統(tǒng)全貌，導(dǎo)致控制效果不理想，因此多模型辨識及相應(yīng)的控制策略成為復(fù)雜工業(yè)過程控制領(lǐng)域的研究熱點和難點。
　　本文在現(xiàn)有研究基礎(chǔ)上，研究了復(fù)雜工業(yè)過程多模型辨識及控制的有關(guān)問題，提出了智能體多模型的辨識方法和在線聚類多模型的辨識方法，為復(fù)雜工業(yè)過程多模型辨識提供了新的思路。此外，在建模的基礎(chǔ)上研究了間接自適應(yīng)模糊控制策略和廣

2、義預(yù)測控制策略，對不同辨識方法及控制策略分別給出了相應(yīng)的算例及應(yīng)用仿真驗證。最后，利用所研究算法對某電站660MW機組旋流燃燒器進(jìn)行了整體的多模型辨識及控制系統(tǒng)的設(shè)計。本文的主要研究工作包括:
　　1.提出了一種智能體和T-S模糊模型相結(jié)合的智能體模糊多模型構(gòu)建方法，并從理論上證明了智能體多模型系統(tǒng)可以任意精度逼近任意線性或非線性系統(tǒng)。不同于傳統(tǒng)多模型策略，智能體多模型系統(tǒng)中的每個智能體是一個動態(tài)方程，可以獨立表征一種工況，也可以

3、與其他智能體協(xié)同表征新的工況，使得該方法在描述復(fù)雜系統(tǒng)時有相當(dāng)大的靈活性。電熱水器系統(tǒng)的辨識仿真實驗被用來驗證該方法的可行性和有效性。
　　2.針對存在隨機噪聲干擾的多變量非線性系統(tǒng)，提出了一種基于最小熵聚類的多模型在線辨識算法。通過最小熵模糊減聚類算法在線確定多模型中子模型個數(shù)及其相應(yīng)隸屬度權(quán)值，聚類過程中同時考慮了子系統(tǒng)規(guī)則化程度。給出了求取子模型參數(shù)的加權(quán)最小二乘遞推表達(dá)，實現(xiàn)了子模型參數(shù)的在線辨識。數(shù)值算例的仿真實驗驗證了

4、算法的有效性。此外，本文基于在線辨識策略進(jìn)一步討論了辨識過程中模型參數(shù)初調(diào)算法，對余熱利用系統(tǒng)中冷卻水回路電動閥的模型辨識檢驗了算法對環(huán)境隨機干擾的自適應(yīng)能力。
　　3.設(shè)計了基于李雅普諾夫函數(shù)的間接自適應(yīng)模糊控制器，針對智能體與模糊邏輯相結(jié)合的多模型被控對象，給出了保證系統(tǒng)穩(wěn)定輸出的最優(yōu)模糊自適應(yīng)控制律。針對煙氣余熱利用過程進(jìn)行了仿真實驗，為了驗證算法的性能，同傳統(tǒng)PID控制器的控制結(jié)果進(jìn)行了對比。
　　4.基于上述的辨識