共查询到18条相似文献,搜索用时 171 毫秒
1.
针对多变量非线性系统的控制问题,提出了一种具有良好控制效果的模糊预测控制方法。首先采用快速聚类法和递推最小二乘法辨识得到非线性系统的T-S模型,然后对系统进行线性化,并基于线性化的模型设计模糊广义预测控制器并对非线性对象进行在线自适应控制。对一个带时延的强耦合二变量非线性对象进行仿真,结果表明对于具有时变性的非线性系统,该方法具有很好的控制效果。 相似文献
2.
针对RLV再入特点,应用反馈线性化与模型预测控制相结合,设计了基于控制角与控制力矩间全反馈(非时标分离)条件下的反馈线性化控制器,实现了以控制增量做为优化变量、考虑模型状态和输入约束的模型预测控制器设计,解决了RLV再入模型的多变量耦合、参数不确定等非线性控制问题的平滑控制.最后在Simulink环境下建立了RLV再入仿真模型,应用RtFly快速原型系统完成了再入模型六自由度弹道实时仿真,仿真结果验证了该控制器能够较好跟踪制导参数,满足控制器设计指标和系统实时性要求. 相似文献
3.
4.
一种基于二步反馈线性化方法设计解耦跟踪控制器,应用于一个三自由度(3-DOF)直升机实验系统。3-DOF直升机实验模型是典型的高阶多输入设计的多输出系统,具有较强的通道耦合和非线性特性。基于该仿真平台,将线性化系统分解成两个子系统,定义输出为输出误差积分以实现积分控制,按照输入-输出线性化方法通过坐标变换和输入变换对其线性化模型全状态精确线性化,实现了系统完全解耦,对扩展系统按照线性LQR方法设计跟踪控制器。计算机仿真和实时控制表明系统能够很好的跟踪高度和旋转速度参考轨迹。 相似文献
5.
6.
基于Volterra级数的全解耦RLS自适应辨识算法 总被引:7,自引:1,他引:6
针对非线性系统辨识问题,提出了一种基于Volterra级数模型的非线性系统的全解耦RLS自适应辨识算法。按照Volterra伪线性组合结构,采用RLS自适应辨识和约束优化理论,导出了具有分块对角形输入相关矩阵的全解耦Volterra标准方程,据此设计了一种基于Volterra级数模型的全解耦的RLS自适应辨识算法。该算法与部分解耦的RLS自适应算法相比,显著提高了辨识过程的收敛速度和精度。仿真结果验证了该方法的有效性。 相似文献
7.
以实际的具有多变量、强耦合、强非线性特性的氧化铝强制循环蒸发系统为例,将一类多变量非线性系统分为线性模型和非线性未建模动态两部分,提出了由线性预测解耦控制器,神经网络非线性预测解耦控制器和切换机制组成的多模型预测解耦控制方法,并且证明了闭环系统的稳定性.最后,通过对强制循环蒸发系统的仿真实验,验证了所提方法的有效性. 相似文献
8.
9.
具有航向保持非线性的舵鳍非线性鲁棒控制 总被引:2,自引:0,他引:2
针对给定的线性舵鳍联合系统,考虑船舶航向保持的非线性,建立了一个舵鳍联合系统的非线性数学模型,然后采用精确反馈线性化对该非线性模型进行线性化,最后基于闭环增益成形算法设计出非线性鲁棒控制器.通过Matlab的Simulink工具箱分别对6级风浪和8级风浪作用下考虑舵机、鳍机特性的非线性舵鳍联合控制系统进行仿真,仿真结果表明所设计的控制器在保持航向控制的同时,能达到较好的减摇效果,并且该控制器具有较强的鲁棒性.本研究具有设计简单、物理意义明显的优点. 相似文献
10.
11.
Constrained predictive control based on T-S fuzzy model for nonlinear systems 总被引:4,自引:0,他引:4 下载免费PDF全文
A constrained generalized predictive control (GPC) algorithm based on the T-S fuzzy model is presented for the nonlinear system. First, a Takagi-Sugeno (T-S) fuzzy model based on the fuzzy cluster algorithm and the orthogonalleast square method is constructed to approach the nonlinear system. Since its consequence is linear, it can divide the nonlinear system into a number of linear or nearly linear subsystems. For this T-S fuzzy model, a GPC algorithm with input constraints is presented. This strategy takes into account all the constraints of the control signal and its increment, and does not require the calculation of the Diophantine equations. So it needs only a small computer memory and the computational speed is high. The simulation results show a good performance for the nonlinear systems. 相似文献
12.
13.
对一类多变量非线性系统提出了直接自适应模糊预测控制方法,此方法首先对被控对象提出了线性时变子模型加非线性子模型的预测模型,然后直接利用模糊系统设计预测控制器,并基于时变增益自适应律对控制器中的未知向量和逼近误差估计值进行自适应调整。证明了此方法可使跟踪误差收敛到原点的一个邻域内,仿真结果验证了此方法的有效性。 相似文献
14.
15.
大型变速风力发电机组的自适应模糊控制 总被引:30,自引:3,他引:27
控制技术是风力发电机组安全高效运行的关键。风力发电机组是复杂多变量非线性系统,具有不确定性和多干扰等特点。本文提出使用模糊逻辑推理系统得到低风速时的发电机参考转速,该方法无需测量风速,避免了风速测量的不精确性。根据机组的运动方程,采用最近邻聚类学习算法建立发电机电磁转矩自适应最优模糊控制,低风速时获得最大风能利用系数。算法综合考虑风力发电机组的机械特性和电气特性,系统辨识作为控制算法的一部分自动执行。高风速时,变论域自适应模糊控制器控制桨距角,机组能准确地保持在额定功率发电。仿真结果表明了本文提出方法的有效性。 相似文献
16.
多变量系统模糊动态模型的辨识 总被引:2,自引:0,他引:2
介绍了一种新型的基于模糊神经网络的多变量模糊动态模型的辨识方法 ,该方法是通过将输入空间进行直接划分 ,而不是在输入空间的每一维上进行划分来得到模糊规则的。这样所形成的隶属函数为多维隶属函数 ,并使模糊规则的数目大为减少。在模糊聚类算法的基础上 ,提出了一个衡量聚类有效性的函数 ,以确定模糊规则的数目。以二级倒立摆系统为应用背景 ,取得了较好的辨识效果。 相似文献
17.
The receding horizon control (RHC) problem is considered for nonlinear Markov jump systems which can be represented by Takagi-Sugeno fuzzy models subject to constraints both on control inputs and on observe outputs. In the given receding horizon, for each mode sequence of the T-S modeled nonlinear system with Markov jump parameter, the cost function is optimized by constraints on state trajectories, so that the optimization control input sequences are obtained in order to make the state into a terminal invariant set. Out of the receding horizon, the stability is guaranteed by searching a state feedback control law. Based on such stability analysis, a linear matrix inequality approach for designing receding horizon predictive controller for nonlinear systems subject to constraints both on the inputs and on the outputs is developed. The simulation shows the validity of this method. 相似文献
18.
王正新 《系统工程理论与实践》2014,34(9):2357-2363
针对多变量少数据的系统建模问题,提出了灰色多变量GM(1,N)幂模型及其派生模型GM(1,N,x(1))幂模型,给出了其参数估计算式和近似时间响应式,在此基础上,分两种情况讨论了模型的参数优化方法,并通过数值模拟和应用实例验证了新模型的有效性. 结果表明:传统的GM(1,N)模型是GM(1,N)幂模型的特殊形式,GM(1,N)幂模型能够更好地描述系统特征行为序列与其影响因素序列的非线性关系,从而有效地提高传统灰色多变量系统建模的精度. 相似文献