資源描述：
《復(fù)雜熱工系統(tǒng)的T-S模糊模型辨識研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、中文摘要中文摘要在熱工過程控制中，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
2、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(zhǔn)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(yīng)性的廣義高斯函數(shù)，采用混沌遺傳算法束優(yōu)化它的形狀，在此基礎(chǔ)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(dǎo)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
3、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)境變化等原兇具有不確定性，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(yīng)地反映系統(tǒng)的非線性變化。因此在線模糊辨識技術(shù)，具有很強的理論意義和實用價值，并且在自適應(yīng)控制、預(yù)測控制中都有廣泛的應(yīng)用。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(zhǔn)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(chǔ)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
4、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(yīng)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)出了很好的逼近能力，取得了良好的效果。關(guān)鍵詞：模糊辨識、T-S模型、混沌遺傳算法、混沌移民、在線辨識分類號：TP273．4ABSTACTABSTRACTInthethermalprocess，thedynamicbehaviorofplantsshowsacharacteristicofgreatdelay,biginertia，timevarianceandn
5、on—linearity，whichmakesthemodelingverydifficult，andtheoptimalcontrolforthermalprocessesimpossible．WhiletheT-Smodel，whichisproposedbyTakagiandSugenoin1985，Canapproachanynonlineardynamicsystemaccurately,SOitbecomesmoreandmorewidelyusedinsystemidentification．Accor
6、dingtotheobjectiveofbuildingaccuratenonlinearmodelforthermalprocess，someresearchesonoff-lineandon—linefuzzymodelinghavebeendone．1．Researchonoff-lineT-SfuzzymodelingConsideringthetraditionalfuzzyclusteralgorithmneedsalargequantityofcalculation，pronetodeadcenter,
7、localminimumandcenterredundancy,intheiterativeoptimizationofclustercenter,anewparametersoptimizationmethodsbasedonchaosgeneticalgorithmisproposed．Theorderofthemodelisidentifiedbasedonthelossfunction，andtheinputvariablesareselectedbasedontheinputselectioncriteri
8、a．Inthispaper，theextendedT—Smodelisadopted，inwhichadaptiveextendedgaussmembershipfunctionisused，anditsfigureisoptimizedbychaosgeneticalgorithm．Finallytherecursiveleastsquare
