基于模糊T-S自适应观测器的近空间飞行器故障诊断与容错控制

提出了一种基于自适应观测器的故障诊断与容错控制策略,应用到近空间高超声速飞行器(NSHV)上处理执行器故障.NSHV是非线性、多变量和强耦合的系统,首先使用T-S模糊技术建模,基于T-S模型设计自适应故障诊断观测器(AFDO).然后定义AFDO和实际系统误差的范数作为残差来检测故障,采用自适应故障估计算法估计系统故障.基于所得故障信息,设计容错控制器(FTC)来补偿执行器的失效.通过求解线性矩阵不等式得到AFDO的增益矩阵,采用Lyapunov理论证明了误差系统的稳定性.最后,对高超声速飞行器的纵向模型进行算法验证,仿真结果表明了所提方法的有效性.

一类基于模糊T-S模型的输出反馈控制系统鲁棒稳定性分析

针对一般线性系统,提出了一种基于T-S模糊自适应控制的输出反馈控制策略.为分析其鲁棒稳定性,利用Lyapunov函数,考察了存在一定建模误差情形下该系统的局部和全局稳定性以及鲁棒稳定性,推导了该控制系统的稳定性以及鲁棒稳定性条件.仿真和试验验证了结论的正确性和有效性.

基于模糊T-S模型的舵减摇系统的观测器设计

针对带有非线性水动力系数的船舶运动系统,基于模糊T-S模型提出了舵减摇系统的模糊观测器设计方案。将船舶运动方程中的非线性水动力系数看作随船速变化的不确定项来设计模糊规则,建立了船舶舵减摇系统的模糊T-S模型,设计了模糊观测器,并用李雅普诺夫稳定性理论和线性矩阵不等式方法得到了此观测器的误差系统渐近稳定的条件。仿真结果表明,所提出的模糊观测器适用于带有非线性水动力系数的船舶运动系统,能够获得比较理想的观测效果。

基于模糊T-S模型的中央空调优化控制策略

本文基于模糊T-S模型分析冷却负载、系统效率、耗电量与变量之间复杂的不确定性关系,同时基于实际数据检验了模型的合理性。针对实际空调系统,基于模糊T-S模型建立优化模型得到空调的控制策略,结果表明空调耗电量明显降低,系统效率提高。

车辆主动悬架自适应变论域T-S模糊控制研究

针对传统变论域模糊控制存在过度依赖专家经验、伸缩因子参数不能自适应调整的问题,提出一种车辆主动悬架自适应变论域T-S模糊控制策略,从而提高车辆的行驶平顺性。结合神经网络和T-S模糊推理建立基于自适应神经模糊推理的一阶T-S模糊控制器,利用神经网络的自学习特性产生完善的模糊规则,进而在传统函数型伸缩因子的基础上,将系统误差和误差变化率作为动态参数引入伸缩因子中,实现伸缩因子参数的自适应调整,解决了传统函数型伸缩因子因参数确定难度大导致控制效果差的问题。通过随机工况下的仿真分析和基于相似理论的缩尺实验,对所提出算法的有效性和工况自适应性进行了验证。结果表明,所提出的自适应变论域T-S模糊控制策略具有较强的工况适应性,在不同车速、路面激励下均可有效提高车辆的平顺性并保证轮胎接地安全性。

基于T-S模糊故障树的驱动电机冷却系统可靠性分析

车用驱动电机液压冷却系统存在故障机理不确定等问题。本文应用模糊数描述其故障概率和故障程度,建立驱动电机冷却系统的T-S模糊故障树模型,计算系统模糊可能性,分析各部件的概率重要度和关键重要度,找出影响系统可靠性的关键部件。

混合差分和多种群粒子群算法的T-S模糊模型辨识

为提高T-S模型的辨识精度,针对基本粒子群优化(particle swarm optimization,PSO)算法T-S模型全局优化辨识问题,提出混合差分和多种群粒子群算法的T-S模糊模型辨识方法,将T-S模型前件参数和后件参数整体编码进行全局优化辨识.为避免基本粒子群的早熟收敛和后期收敛速度慢的缺陷对T-S模型辨识精度和速度的影响,算法将种群分为若干个子群,每个子群根据粒子适应度值自适应调整惯性权重,平衡了算法的开发和探索能力,对子群最优粒子,进行差分操作以增强算法的全局搜索能力,采用全局最优粒子替代随机子群的最优粒子以加强子群间的信息交流,维持粒子多样性.典型非线性系统和混沌系统的仿真结果表明,采用混合差分和多种群粒子群算法辨识的T-S模型具有更高的辨识精度.

基于T-S模糊逻辑的混合储能孤岛直流微电网功率分配控制

在含混合储能的直流微电网中,传统阻容下垂控制无法解决由线路电阻和负荷功率波动导致的系统功率分配失衡问题。为此,提出一种基于Takagi-Sugeno(T-S)模糊逻辑的自适应阻容下垂控制方法以实现混合储能的分频分配。根据蓄电池和超级电容的物理特性,建立单个蓄电池支路输出电压、蓄电池组间输出功率差额和阻性下垂系数之间的T-S模糊逻辑关系,以及单个超级电容支路输出功率及其变化率、超级电容组间功率差额和容性下垂系数之间的T-S模糊逻辑关系,并由此构建基于T-S模糊逻辑的阻容下垂控制器。推导含混合储能的直流微电网中各部分的平均阻抗模型,并采用阻抗比分析法对微电网的小信号稳定性进行研究。MATLAB/Simulink仿真结果表明,基于T-S模糊逻辑的阻容下垂控制可保证在线路电阻和负荷功率波动情况下系统功率的合理分配。

基于改进T-S模糊模型的弧焊机器人轨迹实时跟踪

针对弧焊机器人在实际作业中受到诸多不确定因素的影响,导致弧焊机器人焊接轨迹偏离预期轨迹的问题,提出一种基于改进T-S(Takagi-Sugeno)模糊模型的弧焊机器人轨迹实时跟踪方法。采用图像识别技术识别并定位焊缝,通过坐标转换,确定焊缝中心线在机器人坐标系中的位置坐标。利用蚁群算法根据焊缝中心线在机器人坐标系中的坐标,搜索从起始位置到目标位置的最优焊接路径。设计了一种改进区间二型T-S模糊模型,通过视觉传感器实时获取新的焊缝信息,计算轨迹误差,以此为输入,利用改进T-S模糊模型对机器人的运动轨迹进行实时调整。实验结果表明,采用改进T-S模糊模型后,机器人轨迹跟踪离散度均降至1 mm以下,弧焊机器人轨迹与预期轨迹高度重合,比传统方法跟踪离散度大大降低。

T-S模糊系统的动态自触发有限时间H_(∞)控制

文中研究一类不确定Takagi-Sugeno(T-S)模糊系统的自触发有限时间H_(∞)控制。首先,提出动态自触发方案,构造触发参数的动力学方程,从而使自触发机制能依据触发时刻状态自适应地调整触发参数;同时,基于当前触发时刻的系统状态实时计算触发间隔,预测下一个触发时刻。相较于T-S模糊系统的静态自触发方案,文中所提的动态自触发方案能进一步降低触发频率,节约计算资源。其次,基于有限时间稳定理论,设置系统状态运动轨迹的次临界界限;结合状态轨迹与次临界界限的相对位置关系和动态自触发方案,分析系统的H_(∞)性能;此外,设计依赖模糊规则的H_(∞)状态反馈控制律,保证T-S模糊系统的动力学行为有限时间有界。最后,给出实例仿真验证文中方法的可行性。

制冷站系统负荷和能效比改进T-S模糊模型构建

制冷站具有非线性、强耦合等特点,导致传统机理的建模面临困难。为实现系统节能优化控制,并改善模型在线修正和移植性能,提出一种基于改进Takagi-Sugeno(T-S)模糊模型的制冷站负荷和能效比动态建模方法,前件结构辨识设计改进天牛须搜索算法,以改善模糊C-均值聚类方法对初值敏感和易陷入局部最优的问题;为实现非线性模型辨识,并降低现场测试数据噪声的影响,设计自适应扩展卡尔曼滤波算法实现模型后件参数辨识和在线修正。实验结果表明,所建立的负荷和能效比预测模型在广州某建筑上运行时,相对误差分别为0.63%和1.49%;使用广州市另一座建筑的数据进行模型可移植性验证,经过500步在线训练,新模型成功收敛,证明所构建模型具备良好的可移植性和适应性。

基于模糊T-S型内模PID控制算法的无刷直流电机仿真分析

针对无刷直流电机(BLDCM)双闭环控制调速系统的控制响应速度慢、转速波动较大等问题,提出一种模糊神经网络与内模控制相结合的驱动方式。该方式利用Matlab/Simulink来构建一种基于BLDCM和控制器的电梯一体式限速器仿真模型,得到BLDCM的速度、转矩响应曲线。仿真分析和实验结果均表明,模糊T-S型内模PID控制算法在响应速度、转速误差、抗干扰能力和控制精度等性能方面优于内模PID控制算法与常规双闭环PID控制系统。该研究可为模糊神经网络T-S型内模PID算法在电梯一体式限速器上的应用积累经验。

基于T-S模糊建模的气动肌肉拮抗关节预测角度控制

目的:为了提升气动肌肉拮抗关节的控制精度。方法:提出了一种用于气动肌肉拮抗关节角度跟踪的T-S模糊模型预测控制方法。建立了拮抗关节的T-S模糊模型,并对模型进行了离散化处理;基于离散后的T-S模糊模型,设计了拮抗关节的模型预测控制器,通过特征值法验证了系统的稳定性。结果:仿真实验表明,T-S模糊模型预测控制器跟踪±15°和±10°的角度时,相对于传统模型预测控制,平均绝对误差分别降低了29.05%和44.11%。结论:设计的T-S模糊模型预测控制器提高了气动肌肉拮抗关节的控制精度。

T-S模糊系统的自触发有限时间H∞控制

为克服事件触发控制对硬件设备的依赖以及控制策略频繁更新的局限,针对一类不确定Takagi-Sugeno(T-S)模糊系统的有限时间H∞控制问题,引入自触发机制,提出一种基于此机制下只与触发时刻状态有关的模糊控制器设计方法;基于自触发机制并结合有限时间控制的思想,通过设计触发间隔函数、推导并求解线性矩阵不等式(LMI),使得系统在保障稳定性的前提下,系统运动轨迹不会超过一定的界限,并达到所期望H∞性能水平;同时相较于事件触发机制,自触发机制位于系统内部,无需额外硬件设备接收触发信号且只需利用当前的触发状态信息来预测下一触发时刻,在一定程度上进一步降低系统资源成本;此外,利用李亚普诺夫函数对系统稳定性进行了严格分析,并提供一个确保能够防止芝诺现象发生的证明;最后,通过数值仿真、单连杆刚性机器人系统实例仿真两个实验说明所提方法的有效性。

基于T-S模糊神经网络的光伏发电机组自动控制

光照情况变化会使光伏发电机组功率呈现不稳定性,加大光伏发电机组控制难度,为此,设计了基于T-S模糊神经网络的光伏发电机组自动控制方法。构建光伏阵列数学模型,分析在均匀和不均匀2种光照情况下光伏发电机组特性曲线。以分析结果为依据,采用T-S模糊神经网络构建光伏发电机组自动控制模型。为保证良好的控制效果,引入定比因子优化隶属度函数,输出最佳跟踪结果,结合最佳跟踪结果和自动控制模型实现光伏发电机组自动控制。测试结果显示,该方法能够完成光伏阵列特性分析,控制效果好。

基于PCA-T-S模糊神经网络底板破坏深度预测

针对底板破坏深度影响因素较多、数据之间相关性较强的特点,选用了主成分分析法对原始数据进行降维处理,提取出主要指标信息;基于T-S模糊神经网络具有拟合性能强、预测准确度高的优点,建立PCA-T-S模糊神经网络模型。通过阅读大量文献资料,选取了煤层埋藏深度、煤层倾角、煤层开采厚度、工作面斜长、底板抗破坏能力以及断层的存在性作为底板破坏深度的主要影响因素,选取24组数据进行模型训练,建立预测模型,并对8组数据进行预测,通过与传统T-S模糊神经网络模型及“三下”开采规范收录公式进行对比,分析PCA-T-S模糊神经网络预测模型优于其它两种方法,预测的最大相对误差仅为15.25%.为底板破坏深度预测提供了一种新的预测方法。

基于T-S模糊模型的桥吊系统积分状态反馈控制

小车定位精度和负载摆角大小是桥式起重机控制系统的两个重要性能指标。采用状态反馈控制时小车位移会存在稳态误差,为了消除稳态误差,提高系统的定位精度,给出基于T-S模糊模型的积分状态反馈控制方法。在桥式起重机非线性动力学模型基础上,建立增维T-S模糊模型,基于所建模型设计并行结构的积分状态反馈控制器,通过线性矩阵不等式计算反馈增益矩阵,并对闭环系统的稳定性进行分析。实验结果表明积分状态反馈控制不仅可以提高系统的定位精度,减少定位时间,而且有较好的抗干扰能力。

通信受限下T-S模糊网络控制系统L_(1)动态输出反馈控制

针对通信受限的非线性网络控制系统,为兼顾系统性能和节约利用网络资源,引入事件触发通信机制(ETCM),利用时延建模方法和并行分布补偿(PDC)技术,将连续控制系统建模为一个采样数据误差依赖的非线性网络化系统模型;构建保守性低的时滞依赖和模糊基依赖的Lyapunov-Krasovskii泛函,给出增广系统稳定性和鲁棒性结果,得到鲁棒控制器存在的充分条件,提出一种基于线性矩阵不等式(LMIs)的事件触发参数,以及全局模糊L 1动态输出反馈控制器参数的协同设计方法。采用永磁同步电动机模型仿真验证,结果表明该设计方法可减少网络资源占用,达到闭环控制系统的性能要求。

面向数字孪生的区间二型T-S模糊建模方法研究

为提高变负荷工况下火电机组动态过程模型精度以达到数字孪生模型要求,构建串联结构混合模型,采用量子粒子群算法(QPSO)构建全局模型,引入区间二型T-S(IT2TSK)模糊模型实现孪生体子模型及过渡过程的精准演化。针对IT2TSK模糊模型中模糊集和模糊规则较难确定的问题,设计了两步循环迭代法确定前后件参数,保证模糊集参数能够纵向体现不同状态集之间的不确定性,以及模糊规则能够横向实现子模型间的平稳过渡,保证全工况下孪生体模型高度逼近动态过程。结果表明:以空气预热器为例,在变负荷训练集上,较简化定工况模型和一型T-S模糊模型而言,基于IT2TSK模糊模型的参数在线自适应混合模型的输出能够更准确地跟踪实际值,整体精度更高。

基于双边闭环函数的T-S模糊模型非线性系统网络跟踪控制

研究了一类基于T-S模糊模型的非线性系统网络跟踪控制问题。首先基于输入时滞法,建立了考虑网络诱导时滞和数据丢包的T-S模糊模型非线性系统跟踪误差模型;然后利用采样区间[t_(k),t_(k+1))信息,构建了一个新的双边闭环Lyapunov-Krasovskii(L-K)泛函,并使用新的L-K泛函和自由权矩阵积分不等式,得到了非线性网络系统H_(∞)跟踪控制的稳定性判据,以及控制器的设计方法。仿真结果表明,在相同网络条件下,所设计模糊控制器产生的跟踪误差相比已有文献结果明显更小;在相同的H_(∞)跟踪性能要求下,比已有文献具有更大的输入时滞上界,表明相较于现有方法,所提方法的保守性更低。