復雜熱工系統(tǒng)的T-S模糊模型辨識研究.pdf

1、在熱工過程控制中，被控對象動態(tài)特性往往表現(xiàn)出非線性、時變性、大遲延和大慣性等特點，這使得難以對其建立比較精確的模型，從而難于精確表達熱工過程及實施整體優(yōu)化控制。而 Takagi和Sugeno于1985年提出的著名的T-S模糊模型具有通用逼近性，即能以任意精度逼近非線性動態(tài)系統(tǒng)，已經(jīng)成為一種被廣泛使用的模糊模型。為達到建立精確熱工系統(tǒng)模型的目的，本文研究了基于T-S模型的離線和在線模糊建模方法。 1．T-S模糊模型離線辨識方法研究

2、 本文基于傳統(tǒng)模糊聚類算法在尋優(yōu)聚類中心時存在迭代過程，計算量大，而且容易出現(xiàn)死中心，局部極小和中心冗余等問題，提出了一種基于混沌遺傳算法的參數(shù)優(yōu)化方法。首先基于損失函數(shù)辨識模型的階次，基于輸入選擇準則確定輸入變量，然后引入廣義T-S模型，其隸屬度函數(shù)為具有自適應性的廣義高斯函數(shù)，采用混沌遺傳算法來優(yōu)化它的形狀，在此基礎上利用遞推最小二乘法辨識后件參數(shù)。該混沌遺傳算法在基本遺傳算法中引入了混沌移民算子，替換原群體中的不良個體，參

3、與該群體的交配繁衍，以保證該群體的多樣性，防止因近親繁殖導致的基因病變與衰退，克服了基本遺傳算法易早熟，收斂速度慢的缺點，在前件參數(shù)辨識中取得了很好的效果。 2．T-S模糊模型在線辨識方法研究 考慮到實際熱工過程中系統(tǒng)的工況和外界環(huán)境變化等原因具有不確定性，參數(shù)和結(jié)構(gòu)均易發(fā)生遷移，離線辨識的模型難以自適應地反映系統(tǒng)的非線性變化。因此在線模糊辨識技術，具有很強的理論意義和實用價值，并且在自適應控制、預測控制中都有廣泛的應用

4、。本文基于T-S模型的修正定義和模糊規(guī)則影響力的新準則，用于解決模糊規(guī)則的在線更新和優(yōu)化問題。本文通過樣本與聚類中心矢量之間的貼近度來修正聚類中心，并根據(jù)樣本到中心矢量的距離對輸入數(shù)據(jù)空間進行劃分。在此基礎上利用遞推最小二乘算法辨識出模型的結(jié)論參數(shù)。該辨識算法具有所需模糊規(guī)則數(shù)少，辨識精度高，算法簡單，易于實現(xiàn)等優(yōu)點。 將上述辨識方法應用到box-jenkins煤氣爐數(shù)據(jù)和實際鍋爐過熱汽溫系統(tǒng)辨識中，驗證了上述方法的有效性，表現(xiàn)