基于多模型切換的智能控制研究.pdf

1、在實際控制問題中，由于被控對象在不同工況下系統(tǒng)的參數(shù)或結(jié)構(gòu)的變化，傳統(tǒng)的自適應(yīng)控制算法是無能為力。針對傳統(tǒng)自適應(yīng)控制和現(xiàn)有多模型自適應(yīng)切換控制理論和方法中存在的問題，研究面向復(fù)雜系統(tǒng)的多模型切換控制新理論和新方法。本文對多模型建模與控制的若干問題作了研究和探索。主要研究內(nèi)容包括： ·針對被控系統(tǒng)在不同工況下的模型參數(shù)突變，系統(tǒng)暫態(tài)響應(yīng)特性較差，提出基于在線學(xué)習(xí)的多模型自適應(yīng)控制方法。應(yīng)用動態(tài)模型庫技術(shù)來建立多模型，并證明該算法能

2、夠保證閉環(huán)系統(tǒng)的穩(wěn)定性和跟蹤誤差的漸近收斂性。仿真結(jié)果表明所提出的建模方法和相應(yīng)的多模型自適應(yīng)控制器使系統(tǒng)的動態(tài)響應(yīng)品質(zhì)得到了明顯的改善。 ·基于神經(jīng)網(wǎng)絡(luò)強大的學(xué)習(xí)能力和非線性逼近能力，給出面向復(fù)雜系統(tǒng)的神經(jīng)網(wǎng)絡(luò)多模型切換控制方法。采用最近鄰聚類學(xué)習(xí)算法對樣本分類，并利用RBF神經(jīng)網(wǎng)絡(luò)進行離線建模。系統(tǒng)運行時在線檢測系統(tǒng)當(dāng)前狀態(tài)，若超出現(xiàn)有各子模型所構(gòu)成的狀態(tài)空間，利用在線神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)新狀態(tài)并建立新的子模型加入動態(tài)模型庫中，從而

3、增強系統(tǒng)的魯棒性。仿真結(jié)果表明該算法的有效性。 ·針對傳統(tǒng)多模型自適應(yīng)控制中子模型數(shù)量過多的問題，給出一種基于遞階結(jié)構(gòu)的多模型自適應(yīng)控制算法。將整個控制系統(tǒng)分為基本工況級和控制模型級的兩層遞階結(jié)構(gòu)。在系統(tǒng)運行過程中，由常規(guī)自適應(yīng)模型和重新賦值自適應(yīng)模型在線自動地建立多模型及相應(yīng)的控制器。該方法有效地減少了子模型數(shù)量和計算時間。 ·將最小方差控制技術(shù)、神經(jīng)網(wǎng)絡(luò)的逼近能力及多模型切換控制技術(shù)相結(jié)合，給出一種基于RBF神經(jīng)網(wǎng)絡(luò)

4、動態(tài)補償?shù)亩嗄Ｐ涂刂品椒?。利用李亞普諾夫函數(shù)方法推導(dǎo)出了網(wǎng)絡(luò)權(quán)值的自適應(yīng)調(diào)整律。采用具有積分性質(zhì)的切換指標(biāo)函數(shù)作為切換法則和最小方差的控制方法構(gòu)成了多模型自適應(yīng)控制器。該算法有效地消除不確定引起的控制誤差。 ·將模糊理論與多模型控制技術(shù)相結(jié)合，給出一種模糊多模型控制算法。首先，在平衡點附近建立多個子模型及相應(yīng)的控制器。其次，通過在線計算模型匹配度來適應(yīng)模型參數(shù)的變化。最后，被控對象的輸入是各控制器輸出的加權(quán)和。證明了該算法能保證