基于T-S 模糊模型的船舶柴油机动态辨

合集下载

一种新的T-S模糊模型辨识算法

ｐａｔｃｂｌｙｏｈｓｍｅｈｄｉｄｍｏｓｒｔｄｂｈｉｌｔｎｒｓｌｏｏ —ｅｋｎａｕｎｃａａｒｃｉａｉｔｆｔｉｔｏｓｅｎｔａｅｙｔｅｓｍｕａｉｅｕｔｆｘＪｎｉｓｇｓｆｒａｅｄｔｉｏＢ
ａｏｉｅｒｓｓｅｎｄａｎｎｌｎａｙｔｍ．Ｋｅｒｙｗｏｄｓ：ｆｚｒｉｉｎｓｕｚｙｃｕｓｅｉｇ，Ｔ— ｕｚｄｌｕｚｙｉｎｉｉａｉｎｕｚｙｐａｔｔｏ，ｆｚｌｔｒｎＳｆｚｙｍｏｅ，ｆｚｄｅｔｆｃｔｏ
第９卷第４期２１００年８月
江南大学学报（自然科学版）
ＪｕｎｌｆｉｎｎｎＵｎｖｒｉ（ａｕａｃｅｃｉｏ）ｏｒａａｇａｉｅｓｙＮｔｒｌｉｎｅＥｄｔｎｏＪｔＳｉ
Ｖｏ．Ｎｏ．１９４Ａｕｇ２０１．０
件参数，小二乘法对模糊模型的后件参数进行辨识。用ＢｘＪｎｉｓ气炉数据和一个非线性最应ｏ．ｅｋｎ煤
系统进行仿真实验，结果证明了该方法的有效性与实用性。
关键词：模糊划分；糊聚类； — 糊模型；模ＴＳ模模糊辨识中图分类号：Ｐ２３文献标识码：文章编号：６１—７４（００）４—０６Ｔ７Ａ１７１７２１０４６—０５
为解决多维模糊推理过程中推理规则过于庞大的问题，９５年Ｔｋｇ—ｕｅｏ出了ＴＳ１８ａａｉｇｎ提Ｓ — 模糊模

基于模糊神经网络的船舶柴油机故障诊断系统研究的开题报告

基于模糊神经网络的船舶柴油机故障诊断系统研究的开题报告一、研究背景和意义船舶柴油机是船舶重要的动力设备，其故障对航行安全和经济运营都有不良影响。

因此，开发一种高效、准确的船舶柴油机故障诊断系统具有重要意义。

目前，船舶柴油机故障诊断方法主要分为基于物理的方法和基于数据的方法。

基于物理的方法依赖于对柴油机结构、工作原理和设备参数的深入理解，但其需要大量的时间和资源进行建模和分析，而且其结果可能不稳定和不准确。

基于数据的方法通过采集柴油机运行数据分析故障诊断信息，可以提高故障诊断的精度和效率。

其中，基于模糊神经网络的方法以其模型简单、适用范围广、具有良好的软件性能等特点，成为一种较为可行的方法。

因此，本研究将基于模糊神经网络技术开发一种船舶柴油机故障诊断系统，以提高柴油机故障诊断的准确率和速度。

二、研究内容和方法本研究拟采用模糊神经网络模型对船舶柴油机运行数据进行分析和处理，通过特征提取和特征选择技术，获取柴油机运行数据中最关键的故障特征，并将其作为输入变量构建模糊神经网络模型。

为了提高模型的精度和可靠性，本研究还将探索多层结构的模糊神经网络模型，并使用反向传播算法训练模型参数，最终得到可用于船舶柴油机故障诊断的模型。

三、研究进展和预期成果目前，本研究已经完成了船舶柴油机故障诊断系统的框架设计和柴油机运行数据的数据采集和处理。

接下来将进行特征提取和特征选择，构建多层结构的模糊神经网络模型，并测试和优化模型精度。

最终预期实现一种准确率高、速度快的船舶柴油机故障诊断系统，并在实际船舶柴油机故障诊断中进行验证和应用。

四、研究难点和解决方案本研究面临的主要难点是神经网络模型的优化和精度提高。

本研究将采用多层结构的模糊神经网络模型，并结合反向传播算法对模型参数进行训练和优化，以提高模型的精度和可信度。

另外，本研究将充分考虑船舶柴油机的特殊性质和运行环境，优化模型设计和特征选择，以进一步提高模型诊断精度。

五、参考文献1. 王丽君. 基于模糊神经网络的柴油机故障诊断系统的研究与实现[J]. 现代计算机, 2018(3):47-50.2. 朱国荣, 刘洋. 基于数据挖掘的柴油机故障诊断方法研究[J]. 机械科学与技术, 2017, 36(6):774-779.3. 徐凯, 林捷. 基于模糊神经网络的柴油机故障诊断研究[J]. 内燃机工程, 2016, 37(2):1-4.。

船舶柴油机转速模糊神经网络PID智能控制

船舶柴油机转速模糊神经网络PID智能控制
徐红明;吴震;周波;周微
【期刊名称】《舰船科学技术》
【年(卷),期】2022(44)21
【摘要】为了提高常规PID控制器在非线性、时变不确定性系统中的控制性能,提出一种模糊神经网络PID控制算法,利用模糊控制良好的非线性控制优势,以及神经网络超强的自学习、自适应特性,实现对PID参数的实时在线整定,并建立船舶柴油机转速模糊神经网络PID控制系统数学模型,利用Matlab/Simulink进行仿真。

仿真结果表明,模糊神经网络PID控制超调量少、精度高、调节时间短,具有更好的动静态特性和抗干扰特性,系统鲁棒性有了很大提升,能很好地满足船舶柴油机转速控制系统的要求。

【总页数】5页(P101-105)
【作者】徐红明;吴震;周波;周微
【作者单位】浙江交通职业技术学院海运学院;浙江理工大学机械与自动控制学院;浙江工业大学信息工程学院
【正文语种】中文
【中图分类】U664.121;TK427
【相关文献】
1.基于多目标遗传算法和多属性决策的船舶柴油机转速PID控制器参数优化
2.船舶柴油发电机组转速的模糊RBF神经网络PID控制
3.船舶柴油机转速智能控制系
统仿真4.神经网络与参数自寻优PID在柴油机转速控制系统中的应用5.船舶用柴油机转速智能控制系统设计与实现
因版权原因，仅展示原文概要，查看原文内容请购买。

基于模糊模式识别法诊断船艇柴油机燃油系统故障

基于模糊模式识别法诊断船艇柴油机燃油系统故障
陈廷明;丁连生
【期刊名称】《机电工程技术》
【年(卷),期】2004(033)012
【摘要】采用夹持式传感器对高压油管外璧弹性变形进行检测,并在12V150C型柴油机喷油泵试验台上做了大量的试验,通过对油压波形进行分析和处理,提取了反映故障状态的特征向量,并利用模糊模式识别技术成功地诊断出燃油系统的各种典型故障.
【总页数】3页(P45-47)
【作者】陈廷明;丁连生
【作者单位】镇江船艇学院,镇江江苏,212003;镇江船艇学院,镇江江苏,212003【正文语种】中文
【中图分类】TP277
【相关文献】
1.基于模糊模式诊断柴油机燃油系统故障 [J], 顾明
2.基于模糊神经网络的RT-flex柴油机燃油系统故障诊断 [J], 张国岭
3.用模糊模式识别法诊断柴油机燃油系统故障 [J], 白雷石;杨华
4.基于改进鲸鱼算法寻优SVM的船用柴油机燃油系统故障诊断方法研究 [J], 黄烨鑫;万振刚;程琛
5.基于PSO-PNN的柴油机燃油喷射系统故障诊断方法研究 [J], 朱继安;刘义
因版权原因，仅展示原文概要，查看原文内容请购买。

基于模糊层次分析法的船舶机舱自动化系统测试资源配置

基于模糊层次分析法的船舶机舱自动化系统测试资源配置刘海松
【期刊名称】《机械与电子》
【年(卷),期】2015(000)004
【摘要】针对现有测试资源配置中存在的主要问题，结合机舱自动化系统测试资源的特点，在对相关影响因素进行全面权衡的基础上，采用模糊层次分析法建立了测试资源分配的层次分析模型；以某系统集控站为研究对象，利用模糊层次分析法进行测试资源的优化配置。

结果表明，该方法能够在机舱自动化系统测试资源配置过程中全面均衡各种影响因素，提高了测试资源配置的科学性。

【总页数】5页(P53-57)
【作者】刘海松
【作者单位】海军驻温州地区军事代表室，浙江舟山316000
【正文语种】中文
【中图分类】TM93
【相关文献】
1.基于FCS架构的船舶机舱自动化监控网络系统 [J], 李婷云;郭家建
2.基于工作过程的高职船舶机舱自动化课程改革 [J], 吴俊
3.基于Labview的船舶机舱自动化平台的实现方法 [J], 戴晓强;刘维亭;朱志宇
4.基于Labview的船舶机舱自动化平台的实现方法 [J], 戴晓强;刘维亭;朱志宇
5.基于无线以太网的船舶机舱自动化监控系统的设计 [J], 宗阳;王建华;刘维亭
因版权原因，仅展示原文概要，查看原文内容请购买。

基于T-S模型的模糊辨识方法及其应用研究

基于T-S模型的模糊辨识方法及其应用研究随着工业自动化技术的快速发展，越来越多的复杂系统被应用于现实生活中。

这些系统的复杂性使得传统的模型预测和控制方法难以胜任。

模糊辨识方法作为一种新兴的非线性系统建模和控制技术近年来得到了广泛应用。

其中，基于 T-S 模型的模糊辨识方法是一种常用的方法，它将系统的状态空间划分为一系列的子空间，并通过构建模糊规则来实现系统的建模。

一、T-S 模型简介T-S 模型是由 Takagi 和 Sugeno 在 1985 年提出的，它是一种特殊的前向神经网络。

T-S 模型是基于线性子模型的一种混合系统建模方法，它将非线性系统划分为一系列的线性子模型，并在每个子模型上进行线性建模，然后将所有的线性子模型通过模糊规则进行组合，从而得到一个全局的非线性模型。

在T-S 模型中，每个子模型包含了一个线性输出和一组参数，这些参数通过模糊规则进行调节。

T-S 模型的主要优点是可以有效地处理非线性系统，并且可以对系统中的不确定性进行建模和控制。

二、T-S 模型的模糊辨识T-S 模型的模糊辨识通常包括以下五个步骤：1. 确定 T-S 模型的结构：包括模糊集的选择、模糊规则的生成、模糊子系统的数量等。

2. 确定模糊子系统的参数：包括模糊规则的隶属度函数、模糊子系统的输入变量和输出变量、模糊子系统的权重系数等。

3. 构建初始模型：通过 T-S 模型的线性化方法得到初始模型。

4. 模型训练和优化：通过仿真和实验数据的反馈，利用最小二乘法、遗传算法等方法对模型进行优化。

5. 模型验证和应用：对模型进行验证并应用于实际工程问题。

如控制、诊断等领域。

三、应用案例基于 T-S 模型的模糊辨识方法已经应用于许多领域，如控制、诊断、故障检测等。

下面以控制领域中的应用为例。

某工厂生产过程中需要对裁切机进行控制，以确保产品的质量和生产效率。

但是由于生产过程中存在各种不确定性，传统的PID 控制方法不够精确。

因此，研究人员采用了基于 T-S 模型的模糊辨识方法来建立控制模型。

基于T-MATS模块的航空发动机仿真建模

基于T-MATS模块的航空发动机仿真建模航空发动机被誉为•现代工业皇冠上的皇冠”，是一个国家工业基础和科技水平的集中体现，其研制需要投入大量的时间和资金，而航空发动机模型则能有效缩短其研制周期、降低成木和风险，对于发动机性能分析和控制系统研发等起着重要作用。

目前，国内工程应用较多的航空发动机性能仿真模型主要是GasTurb商用软件，其缺点在于代码封闭，用户无法根据需求修改程序，也不易兼容控制系统设计等多学科任务。

而NASA公开源代码的T-MATS模块，可视化用户可以对其进行任意修改，使用灵活方便，且基于MATLAB/Simulink平台使得模块的应用方式和范围更广，有利于开展多学科耦合设计。

本文以涡轴发动机为对象，利用T-MATS模块建立其动态仿真模型，并开展仿真验证。

1基于T-MATS模块的涡轴发动机建模1.1T-MATS模块简介T-MATS (Toolbox for Modeling and Analysis of Thermodynamic Systems,热力系统建模和分析工具箱)模块是由NASA Glen研究中心2021年公开的一款内嵌于MATLAB/Simulink的热力学系统仿真库, 包含涡轮机械模型、传感器模型、数值求解器和控制器模型等实用的仿真模块，能够方便地建立復杂的热力学系统模型以用于仿真和控制等研究。

对于发动机复杂的热力学过程，「MATS依据发动机的工作原理以及常用的经验公式，利用C语言编写部件的热力学计算流程，并使用Simulink 的系统函数(S-Function)将其封装为Simulink模块，在利用Simulink而向对象的特性来提高模块通用性的基础上，也充分保证了模块的计算效率和计算精度。

1.2输入数据处理T-MATS工具箱提供了封装好的发动机基本部件模型，使用时只需要按照发动机的实际工作情况将模型依次连接就可以建立其基本的仿真模型，因此此处对模型的输入数据进行说明，特别是发动机的部件特性。

《交通运输工程学报》2006年(第6卷)总目次

（）１
钢轨扣件失效对列车动态脱轨的影响 …… ……… …… …… ……… …… …… … 肖新标，学松，泽峰（０金温１）ＤＫＱ弯曲单元的构造及应用 … ……… …… …… ……… …… …… ……… …… …… …… 姚松，田红旗（６１）
机场混凝土道面封缝材料疲劳特性 …… …… …… ……… …… …… ……… …… ……… 刘晓曦，王硕太（４４）
掺膨胀剂水泥稳定碎石路用性能 … …… ……… …… ……… …… …… …… …… 杨红辉，郝培文，经梁（８戴４）
半整体式桥台无伸缩缝桥静力分析 …… …… …… ……… …… …… … 胡大琳，王天利，陈洛河特大桥抗震性能计算 … …… ……… …… …… ……… …… ……… …… …… 刘健新，张峰，申家（２童５）伟，张茜（７５）
轨道不平顺数值模拟方法 …… ……… … ……… ……… …… …… …… ……… … 刘寅华，李
连续梁桥上无缝道岔伸缩力与位移计算 … ……… …… …… …… ……… …… … 曾志平，秀方，国藩（４陈赵３）水泥混凝土桥沥青混凝土铺装层的疲劳性能 ……… …… …… ……… …… … 高英，黄晓明，许涛（９３）
高碳铬轴承钢超长寿命ＳＮ关系的概率特性 … …… …… …… ……… …… …… …… … 李－
伟，连涛（７鲁１）
恺（２２）涛（６２）
膨胀土区域路堑换填厚度分析 …… ……… …… …… ……… … ……… …… …… 田海波，王炳龙，许连续梁在行驶车辆作用下的动态反应 …… …… …… ……… … ……… …… …… 刘华，叶见曙，张

T-S新型模糊控制器在水轮发电机组调速控制中的应用与仿真1

T-S新型模糊控制器在水轮发电机组调速控制中的应用与仿真1. 前言水力发电作为清洁能源之一，在我国能源发展中扮演着重要的角色。

在水力发电中，水轮发电机组作为核心设备，其调速控制系统的稳定性和控制效果对发电的质量和发电机组寿命有着重要的影响。

因此，在水轮发电机组调速控制中，运用新型模糊控制器，进行仿真分析，可以探究和改进调速控制系统。

2. T-S模糊控制器Takagi-Sugeno (T-S)模型是一种多变量非线性系统描述方法，通过将非线性系统转化为线性子系统的加权和，可以实现对非线性系统的建模和控制。

T-S模糊控制器基于此方法，采用模糊控制器实现对非线性系统的控制。

T-S模糊控制器分两个步骤进行，首先对系统进行划分，建立一系列局部模型，并在每个局部模型中构造一个线性控制器，其次构造一个整体控制器，通过综合各个局部模型的控制器输出，控制系统的输出。

对于非线性系统，这一方法可以得到比传统的控制方法更稳定、更精确的控制效果。

3. 水轮发电机组调速分析水轮发电机组调速控制系统是一个复杂的非线性多变量系统。

在控制过程中，需要考虑水轮机转速的稳定性和发电功率的平稳输出。

常规的PID控制方法难以对这样的非线性系统进行有效控制，因此需要采用其他更有效的控制方法。

T-S模糊控制器可以对此类系统进行建模和控制，并能够获得更好的控制效果。

4. T-S模糊控制器在水轮发电机组控制中的应用将T-S模糊控制器应用于水轮发电机组调速控制中，可以提高控制效果和稳定性。

在该方法中，将水轮发电机组调速系统简化为一个二阶系统，采用两个控制框架进行控制。

首先，建立一组T-S模糊局部模型，然后在每个局部模型中设计一个线性控制器，并将控制器输出整合在一起，形成总体控制器，对整个水轮发电机组的转速进行调整。

5. T-S模糊控制器在水轮发电机组控制仿真通过Simulink进行仿真，可以验证T-S模糊控制器在水轮发电机组调速控制中的应用效果。

在仿真过程中，设定恒定输入的干扰和故障，比较采用T-S模糊控制与传统的PID控制方法的控制效果。

基于模糊神经网络的船用柴油机智能故障诊断

生的原因，进而有效排除故障，对保证船舶的正常航行具பைடு நூலகம்特别重要的意义。针对船用柴油机故障多，且具有复杂性和模糊
性的特点，以及模糊神经网络在解决非线性复杂问题方面具有的独特优势，出了一种基于模糊神经网络的船用发动机智提能故障诊断专家系统。系统结合了模糊逻辑理论、该人工神经网络以及专家系统的优点，推理速度快，容错能力强，且具有简
ｆｕｔｄａｎｓｓｅｐｒｓｓｅｉｕｏｗｒｎｔｉａｅ．ｈｓｓｓｅｈｓｓｍｐｅｉｔｒａｅａｄｉｈｓｔｅａｌｉｇｏｉｘｅｙｔｍｓｔｆｒａｄｉｈｓｐｐｒＴｉｙｔｍａｉｌｎｅｆｃ，ｎｔａｈｔｐ
维普资讯
第４第ｌ期２卷２
文章编号：０６—９４（０７１１０３８２０）２—０５１９—０４
计算机仿真
２７２０年１月０
基于模糊神经网络的船用柴油机智能故障诊断
卫明社，李国勇
（．原科技大学化学与生物工程学院，西太原００２；１太山３０１
２太原理工大学信息工程学院，．山西太原００２）３０４
摘要：船用柴油机是整个船舶的动力装置，如果发生故障就会对船舶的安全性造成很大的威胁，因此，如何迅速判断故障发
ＷＥＩＭｉｇ — ｓｅｎｈ，ＬＩＧｕ — ｙｎｏｏｇ
（．ＣｌｇｆｈｍｓｙａｄＢｏｇｎｉｅｒｇ１ｏｅｅｏｅｉｒｎｉｌｙＥｇｎｅｉ，ｌＣｔｏｎ

基于动态神经模糊模型的船舶运动智能控制的开题报告

基于动态神经模糊模型的船舶运动智能控制的开题报告一、研究背景和意义船舶运动控制是船舶自动化控制中的重要环节，而智能控制是船舶运动控制的新趋势。

传统的控制方法依赖于船员的经验和感觉，容易受到环境因素的影响，且难以实现自动化控制。

智能控制则能够结合船舶运动数据、环境数据以及控制策略进行自适应控制，使得船舶运动更加平稳、安全，降低运营成本。

因此，研究智能控制是船舶运动控制的重要方向。

二、论文的研究内容和目标本文的主要研究内容是基于动态神经模糊模型的船舶运动智能控制。

具体研究目标包括：1. 构建动态神经模糊模型，采用模糊控制理论和神经网络理论，对船舶运动状态进行数学建模和控制设计。

2. 分析船舶运动控制的影响因素，研究船舶运动控制的策略和算法，提高船舶运动控制的精度和稳定性。

3. 设计智能控制系统，将动态神经模糊模型与传感器、数据采集系统、执行器等硬件设备进行集成，实现实时控制和自适应控制，提高船舶自动化控制水平。

三、研究方法本文主要采用的研究方法包括理论分析与建模、实验仿真和数据分析等方法。

具体方法如下：1. 理论分析与建模。

通过研究动态神经模糊模型和船舶运动控制理论，构建数学模型，分析船舶运动状态和控制策略，制定控制算法。

2. 实验仿真。

利用MATLAB/Simulink软件建立仿真模型，模拟不同海况、船型、速度等条件下的船舶运动状态和控制效果，验证理论模型的正确性和可行性。

3. 数据分析。

通过收集实际船舶运动数据，分析船舶运动状态和控制效果，优化控制算法和模型参数。

四、预期成果和意义本文预期达到的研究成果包括：1. 构建基于动态神经模糊模型的船舶运动智能控制理论和算法。

2. 实现基于动态神经模糊模型的船舶运动控制仿真模型和软件系统。

3. 实验验证模型和算法的正确性和可行性，并分析控制效果和运营成本等指标。

本文的意义在于：1. 推动船舶运动控制技术的智能化和自动化，提高船舶运营效率和安全性。

2. 为船舶运动控制领域提供新的控制方法和技术，拓展船舶自动化控制理论和应用。

基于T-S模型的模糊控制系统设计

毕业设计基于T-S模型的模糊控制系统设计姓名：黄大雕学号：01010203班级：07 自动化1专业：自动化所在系：自动化工程系指导老贾穆尔师：基于T-S模型的模糊控制系统设计摘要模糊控制系统的稳定性分析和设计方法是模糊理论的重要研究课题。

模糊系统本质上是非线性的，其稳定性分析比较困难。

到目前为止虽然已经存在许多关于模糊系统稳定性的理论，但仍未形成完善的理论体系，还有许多理论问题有待进一步深入研究。

在模糊控制文献中，大多数方法是基于Lyapunov 的稳定性理论，Lyapunov 系统稳定形式是以观测系统中的能量平衡为基础的。

根据Lyapunov 原理，连续能量损耗的系统最终将进入平衡状态。

因此利用某个系统能量函数能够评价系统的稳定性，这个函数通常称为Lyapunov 函数或Lyapunov 候选函数。

最常用的Lyapunov 函数形式是广义二次型，由于把Lyapunov定义为广义二次型，因此系统稳定性的问题就转换为寻找一个恰当的矩阵的问题。

基于以上分析，本文针对T-S模型利用Matlab实现模糊控制系统的设计，并用一个非线性的弹簧阻尼机械系统进行仿真保证系统的稳定性关键词：Lyapunov函数法；T-S模型；模糊控制系统Model Based on the T-S Fuzzy Control System DesignABSTRACTThe stability an alysis and desig n of fuzzy con trol systems have bee n the most importa nt problems in fuzzy theory. The research of fuzzy con trol theory in cludes a series of mai n problems, such as the stability an alysis, the system desig n approaches and the improveme nt of system performa nee.In the fuzzy con trol literature, most methods are based on Lyap unov stability theory, Lyap unov system is stable form is the observ ing systems in the en ergy bala nee based. Accordi ng to Lyap unov theory, the con ti nu ous en ergy loss of the system will eve ntually en ter theory.Therefore, the use of the energy function of a system able to evaluate the stability of the system, This fun cti on is ofte n referred to as the Lyap unov fun cti on or Lyap unov can didate fun cti on. The most com monly used form of Lyap unov function is a gen eralized quadratic. Since the Lyap unov is defi ned as the gen eralized quadraticSystem stability problem is conv erted to the problem of finding an appropriate matrix.Based on the above an alysis, for the TS model using Matlab fuzzy con trol system desig n, and a non li near spri ng-damper mecha ni cal system simulatio n to en sure stability of the systemKey Words: Lyapunov Function; Fuzzy Control System; T-S Model目录第一章绪论 (1)1.1模糊控制系统的产生与发展 (1)1.1.1模糊控制理论的产生 (1)1.1.2模糊控制理论的发展概况 (2)1.1.3模糊控制的研究成果 (3)1.1.4有待解决的问题 (4)1.2本文的研究课题 (4)1.2.1选题意义 (4)1.2.2论文内容安排 (5)1.3 本章小结 (5)第二章模糊控制理论基础. (7)2.1模糊数学基础 (7)2.1.1模糊集合 (7)2.1.2模糊运算 (8)2.2模糊逻辑与近似推理 (10)2.3模糊逻辑系统 (11)2.4T-S 模糊系统 (15)2.4.1T-S 模糊模型描述 (15)2.4.2T-S 模糊系统特点 (16)2.5本章小结 (16)第三章运用Matlab 实现T-S 模型模糊系统的设计 (18)3.1Matlab 介绍 (18)3.1.1Matlab 的优点 (18)3.1.2Matlab 的缺点 (19)3.2模糊控制系统的设计 (19)3.2.1FIS 编辑器 (19)3.2.2隶属度函数 (22)3.2.3根据模糊规则表编辑规则 (25)3.2.4形成系统系统模型 (26)第四章仿真实例 (28)第五章结论和展望 (32)5.1主要结论 (32)5.2展望 (32)参考文献 (33)致谢错误！未定义书签第一章绪论1.1模糊控制系统的产生与发展1.1.1模糊控制理论的产生美国数学家维纳在四十年代创立控制论以来，自动控制理论已经历经经典控制理论、现代控制理论两个发展阶段，现在已进入智能控制理论发展时期。

船舶柴油发电机组转速的模糊RBF神经网络PID控制

船舶柴油发电机组转速的模糊RBF神经网络PID控制张艳;郭凯;丁茂森【摘要】本文针对大功率船舶柴油发电机组具有的不确定性、时变性、非线性和大纯滞后等特性,借鉴RBF神经网络与模糊控制各自的优势,将模糊控制与RBF神经网络进行有机融合,设计了基于模糊RBF神经网络的船舶柴油发电机组转速PID 控制器,并对船舶柴油发电机组转速控制系统分别在正常工况和异常工况下的动态过程进行仿真与分析.通过与常规PID控制、RBF神经网络PID控制和模糊PID控制三种方法下的仿真效果进行比较,验证了本文提出的方法具有更好的稳定性和抗干扰能力.【期刊名称】《船电技术》【年(卷),期】2014(034)005【总页数】6页(P1-5,17)【关键词】柴油发电机组;转速控制;PID控制器;RBF神经网络;模糊控制【作者】张艳;郭凯;丁茂森【作者单位】上海海事大学电气自动化系,上海201306;上海海事大学电气自动化系,上海201306;上海海事大学电气自动化系,上海201306【正文语种】中文【中图分类】TP271.4船舶电力系统中，同步发电机通常由船用柴油机驱动，并发出电功率。

船舶柴油发电机组控制系统的特性将直接影响电力系统的供电质量，而机组的转速控制直接影响发电机的有功功率输出和船舶电网频率的稳定性[1]。

目前，经典PID控制仍然作为船舶发电机组的主要控制方式。

但是随着船舶发电机容量及功率的不断增大，对发电机的稳定性、安全性和可靠性提出了越来越高的要求。

在船舶电力系统研究领域，系统建模与智能控制成为研究的热点课题。

由于大功率的船舶柴油发电机组往往具有不确定性、时变性、非线性和大纯滞后等特性；同时，船舶电力系统正常运行时常常有相对于船舶柴油发电机容量较大的电力负荷投入到电网运行，船舶柴油发电机组转速控制系统在运行过程中动态过程频繁发生，动态过程的振荡幅度很大，这些都给柴油发电机组控制带来了挑战。

针对常规PID控制很难再进一步提高电力系统的供电质量，许多学者提出了诸如模糊PID控制、神经网络PID控制、专家PID控制、遗传算法整定PID控制、变结构控制等多种智能控制方法[2-6]。

基于模糊神经网络的舰载机着舰动作识别方法_许卫宝

图 1 着舰过程示意图
w 1，则
j 1 ij
n
中间层的输出为 O2i
w ,输出层的输出为
j 1 j ij
n
按照调整方向的不同，舰载机着舰调整动作可分为纵向调整动作和横向调整动作.其中纵向调整可分为上升调整和下降调整；横向调整可分为左偏调整、右偏调整. 而这些调整动作模式又分为几个特征量，纵向调整动作的特征量为舰载机的俯仰角、俯仰角变化率、高度变化率和俯仰角变化量；横向调整动作的特征量为航向角、倾斜角、航向角变化率、倾斜角变化率、航向角变化量、倾斜角变化量 .这些调整动作的特征量都可通过飞行参数记录系统获得，因此可以利用飞行参数记录系统的记录数据识别状态量的变化特征，进而找出与之对应的着舰调整动作，实现动作识别.本文基于模糊神经网络的方法实现着舰调整动作识别.
[1-4]
1
过程，提出一种基于模糊神经网络的小机动飞行动作识别方法，为飞行员的着舰操作提供反馈评估，从而辅助飞行员着舰技能的提高，进而增强着舰过程的安全性.
1 舰载机着舰调整动作分析
着舰过程如图 1 所示.在着舰时，为了确保舰载机以适当的状态落在理想着舰点附近，要求舰载机要沿着一条具有 3.5~4°理想下滑道飞行.舰载机着舰调整动作就是，当舰载机的航迹相对于理想下滑道出现高度偏差或横向偏差时，为纠正航迹偏差舰载机进行的机动调整动作.与其他机动动作相比，舰载机着舰调整动作具有飞行状态变化小和动作界限划分不明显的特点，这些特点加大了舰载机着舰调整动作识别的困难.
.文中针对舰载机着舰
收稿日期：2012-12-25. 网络出版日期：基金项目：国家自然科学基金资助项目（61104037）. 作者简介：许卫宝, 男，高级工程师，主要研究方向：系统评估， E-mail:

基于T-S模糊模型的简化动态矩阵控制

分类号：学校代码：10079 密级：华北电力大学硕士学位论文题目：基于T-S模糊模型的简化动态矩阵控制英文题目：Simplified Dynamic Matrix Control based on T-S Fuzzy Model 研究生姓名：王娜专业：控制理论与控制工程研究方向：先进控制策略在过程控制中的应用导师姓名：王东风职称：副教授论文提交日期：2006年12月22日华北电力大学声明本人郑重声明：此处所提交的硕士学位论文《基于T-S模糊模型的简化动态矩阵控制》，是本人在华北电力大学攻读硕士学位期间，在导师指导下进行的研究工作和取得的研究成果。

据本人所知，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得华北电力大学或其他教育机构的学位或证书而使用过的材料。

与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。

学位论文作者签名：日期：关于学位论文使用授权的说明本人完全了解华北电力大学有关保留、使用学位论文的规定，即：①学校有权保管、并向有关部门送交学位论文的原件与复印件；②学校可以采用影印、缩印或其它复制手段复制并保存学位论文；③学校可允许学位论文被查阅或借阅；④学校可以学术交流为目的,复制赠送和交换学位论文；⑤同意学校可以用不同方式在不同媒体上发表、传播学位论文的全部或部分内容。

(涉密的学位论文在解密后遵守此规定)作者签名：导师签名：日期：日期：摘要为了实现对非线性时变对象的高质量控制，将模糊辨识与预测控制相结合，提出了基于T-S模糊模型的简化动态矩阵控制（SDMC）方法并给出了相应的算法。

该算法以T-S模糊辨识为基础，提高了对复杂对象输出预测的能力，有利于提高预测算法的稳定性和鲁棒性。

采用简化的动态矩阵控制方式，实现简单，提高了运算速度，易于在线调整。

应用该方法对电厂主汽温对象进行了仿真研究，结果表明所提出的基于T-S模糊模型的简化动态矩阵控制方法是很有效的，对工况变化具有良好的适应性，且控制量变化平稳，具有较高的工程实用价值。

基于模糊识别的柴油机工况判断

A加tract : A n me 记。 ined bltlr石 distin加sh a d ma em t ca 。Iis ics is use in judg 嗯the 。w e h t b m ng n h t a i l 妞t d i a t b击 o torque a d ro1 ling spe闭 O diese eng ne 衍t d， ad、 y t f n 习 f l i h e lanlages o l s ca c己 ion alld slmple prog am， f e s l a t r which 认f f r t st ng per r nce o t e die叨 eng ne and t ing i t e 切rking co dit o st ble o n t dur 飞t e t i o e i o a f m f h l i l e f h 。 n in a r o i h en邵 in i r 叔一 ne t e s time monitorin . g Key w rd : b】 o s u币ng dis in即ish; wor ing condit on ; 引 y ; tr nd t k i s 曲llit e
0) 。
分别表示，占、隶属于工况 A、B 的程度。K ，根据机型和对工况稳定的要求需 k 决定曲线形状，要凭经验选取，下表给出艺An，， A 关系，。尹表
求取转矩 M 的绝对误差:
八，一么二一 …，△ 二 ” =Ml M，从叽 M，从从
一 o M
若工况稳定，应有
作者简介: 于胜学 ( %2一. 男。人， l ) 北京高级工程师，博士，从事舰主要船装备维修保障科作。研工

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

第39卷增刊(I)2009年9月东南大学学报(自然科学版)J OURNAL OF SOUTHEA ST UN I VERS I TY (Natural S ci en ce E diti on) V o.l 39Sup(I)Sep.t 2009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许域菲姜斌齐瑞云高志峰(南京航空航天大学自动化学院,南京210016)摘要: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(N SHV )上处理执行器故障.N SHV 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A F DO 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.关键词:故障诊断;容错控制;近空间高超声速飞行器;模糊T S 建模;自适应观测器中图分类号:TP273 文献标识码:A 文章编号:1001-0505(2009)增刊(I) 0189 06T S f uzzy adapti ve observer based fault diagnosis and fault t olerantcontrol for near s pace vehicleX u Y ufe i Jiang B in Q i R uiyun G ao Z hifeng(C o ll ege of Au t om ati on Eng i neeri n g ,N an ji ng Un i versit y of A eronauti cs and A stronau tics ,Nan ji n g 210016,C h i na)Abst ract :A fault d i a gno sis and fau lt t o lerant con tro l sche m e usi n g adaptive observer is generalized to near space hyperson ic vehic l e (N SHV )to dea lw ith actua tor fau l.t The m ode lo f N SHV is non li n ear ,m ulti v ari a ble and strong coup li n g ,so T S fuzzy techn i q ue is used fo r m odeling ,and an adaptive fault d iagno sis observer (AFDO )is designed based on the T S fuzzy m ode.l Then a resi d ual is defi n ed as the no r m of the o utput error be t w een AFDO and actua l sy ste m to de tect fau l,t and adaptive esti m ation algo rithm is propo sed to e sti m a te the fau l.t Fault to l e rant con tro ller (FTC )is designed by utilizing the d iagno stic fault infor m a ti o n to com pensate for t h e loss o f actua t o r effective ness .The ga i n m a trices of AFDO are obta i n ed by so lv ing linear m atrix inequa lities (LM I)and the stability o f the error dyna m ic sy ste m is proved usi n g Ly apunov theo r y .Fi n a lly ,si m ulation resu lts o f the long itudi n a l m ode l o f N SHV are presented to illustrate the e ffecti v ene ss o f the propo sed approach .K ey words :fault diagno sis ;fau lt to l e ran t con tro ;l near space hyperson ic vehic l e ;T S fuzzy m ode li n g ;adaptive o bserver收稿日期:2009 05 12. 作者简介:许域菲(1984 ),女,博士生;姜斌(联系人),男,教授,博士生导师,b i n ji ang @n uaa .edu .cn . 基金项目:国家自然科学基金资助项目(90816023).近空间高超声速飞行器(N SHV )是一种新型的具有重要战略意义的空间飞行器,由于技术和认识上的原因,近空间的战略价值直到最近才引起各国的重视.研究N SHV 最大的难点之一在于它是一个复杂的多变量系统,具有高度耦合和非线性的特点[1 2],基于此,本文考虑采用模糊T S 建模技术[3-4].T S 模糊推理理论是于1985年由Takag i 和Sugeno 提出的,是处理复杂系统、不确定系统及不能精确建模系统的有效工具,是一种非线性智能控制方法.它最显著的优点在于一大类非线性系统可以由局部线性模型代替,大大简化了控制器的设计.近年来,随着被控对象的复杂化和对过程安全的高可靠性要求,为了保证被控系统在故障状态下能够保持稳定或控制性能不变,故障诊断和容错控制技术引起人们的广泛兴趣[5-10].尤其对于N SHV 这种高复杂性、高成本的飞行器来说,它对飞行环境、设计以及高马赫数导致的气动参数的变化特别敏感,任何环节都可能发生故障,从而极大地改变系统的性能,导致系统性能降级甚至失效,一旦发生故障,其造成的人员和财产损失将是巨大的、灾难性的.因此,研究其故障诊断与容错控制技术具有重大意义,并已成为航空航天领域的研究热点之一.故障诊断包括故障检测、定位(F D I)和估计.容错控制(FTC )技术可以分为2种类型:主动容错控制和被动容错控制.在主动容错控制系统中,通过诊断策略首先检测和估计出故障,然后根据获得的故障信息在线实时地重构控制律来补偿故障引起的系统失效[8-9].本文就是考虑执行器故障的诊断和主动容错控制.迄今为止,有关近空间飞行器的研究已取得了一定进展,如:文献[1]基于微分几何的方法研究了高超声速飞行器的控制稳定问题,文献[2]利用动态逆的思想实现了对飞行器的高度和速度的控制,但有关故障的情况都没有被考虑;在文献[5 10]中,专家和学者对FD I 和FTC 的问题进行了一些研究工作,但是这些方法都有一定局限,如只能适用于线性系统,不能推广到阶次较高的非线性系统等.对于一类高度复杂和强耦合的实际非线性系统,如N SHV 的故障诊断和容错控制问题的研究几乎空白.基于以上讨论,本文根据N SHV 模型阶次高,参数变化大,高度非线性耦合等特点,借鉴模糊T S 技术对非线性系统的有效处理能力,对N SHV 的纵向模型进行了建模,合理设计控制律,得到能准确逼近N SHV 纵向飞行特点的T S 模糊模型;并考虑NSHV 动态系统执行机构发生故障的情况,设计自适应故障诊断观测器来检测、估计故障,继而利用估计到的故障设计容错控制器,使闭环系统能够达到满意的动态性能指标.给出的仿真结果证明了所提方法的有效性.1 N S HV 模糊T S 建模1.1 N SHV 纵向模型N SHV 是具有六自由度的复杂非线性系统,本文采用NASA Lang ley 研究中心的W i n g ed C one 非线性纵向模型.它由一组微分方程描述,其状态变量分别为速度、航迹角、高度、迎角和俯仰角速率:V =T co s -D m -u si n r2 =L +T si n mV -(u -Vr 2)co s Vr 2 h =V si n=q -q =M yy I yy(1)式(1)中未知的气动参数是状态变量、控制变量的非线性函数,具体数值可以参考文献[1].控制向量为u ={ e , T },其中, e 为舵偏角, T 为油门开度.1.2 T S 模糊建模考虑式(1)描述的N SHV 动态模型,转化为仿射非线性的形式为x (t )=f(x )+g (x )u (t )y (t )=Cx (t)(2)式中,x ={V, ,h, ,q }T R n 为状态向量;u ={ e , T }T R m 为控制输入向量;y ={V,,h, ,q }T 为输出向量;C =I 5,I 5为五阶单位矩阵.本文考虑执行器发生故障的情况,系统(2)带有执行器故障的T S 模糊模型的第i 条模糊规则可以描述为Plant ru l e i :If x 1(t )isM i1and !x n (t)isM inThen x (t)=A i x (t )+B i u f (t ),y (t)=C i x (t)其中,i=1,!,r 为If Then 模糊规则数;M ij (i=1,!,r;j=1,!,n )为第i 条模糊规则的第j 个模糊变量的隶属度函数;A i ,B i 为描述工作点i 的线性矩阵;u f (t)表示发生故障后的控制量.为每一个模糊状态变量选择合适的模糊隶属度函数,则系统故障模型可以描述为x (t)=∀r i=1h i (x )(A i x (t)+B i u f ),y (t)=Cx (t),u(t)=-∀r i=1h i (x )K i x (t)(3)190 东南大学学报(自然科学版) 第39卷式中,K i 为状态反馈增益矩阵,权重h i (x (t))定义为h i (x (t))=#n j=1M ij [x j (t)]∀r i=1#n j=1M ij [x j (t)](i =1,2,!,r)对所有t >0满足∀r i=1h i (x (t))=1,0∃h i (x (t))∃1.2 故障诊断与容错控制2.1 问题陈述考虑式(3)描述的N SHV 故障模型.假设1 A i ,B i 是可控的,B i 列满秩,且A i ,C i 是可观的.本文考虑的执行器故障类型是失效故障,故障模型采用如下表示:u f s (t )=!s u s (t ) !s [!s , !s ];s=1,2,!,m 其中,u f s 表示第s 个执行器发生故障后的控制量;!s 为相应执行器发生故障后残存的效率百分比,它满足0<!s ∃1.0<!s ∃1和0< !s ∃1分别为!s 的下界和上界值.当!s = !s =1时,可以认为没有发生故障;!s =0则表示执行器完全失效的情况.定义1 u f (t)={u f 1(t ),!,u f m (t )}T =F (t)u (t),其中F (t)=d i a g {!1,!,!m } Rm %m .2.2 故障检测设计为了检测已经发生的执行器故障,构建故障检测观测器如下:x ^&(t)=∀r i=1h i (x )(A i x ^(t)+B i u (t))-∀r i=1h i L i (y ^(t)-y (t)),y ^(t)=Cx ^(t)(4)其中,x ^(t)为观测器的状态向量;y ^(t)为观测器输出向量;适维矩阵L i 为观测器增益矩阵.在假设1的条件下,L i 的选择应满足A i -L i C 是H ur w itz 矩阵.定义2 e x (t)=x ^(t)-x (t),e y (t)=C e x (t)(5)则状态误差动态方程为e x (t)=∀r i=1h i ((A i -L i C )e x (t)+B i (I m -F (t))u (t))(6)进一步,定义残差:r(t)=∋e y (t)∋=∋C e x (t)∋(7)由2.1节可知,当没有故障发生,F (t)=I m ,可得e y (t)=0;当故障发生时,F (t)(I m ,e y (t)(0,由此可得故障检测法:r(t)=0 无故障r(t)(0 有故障(8)2.3 故障估计策略考虑如下自适应故障诊断观测器(AFDO ):x ^&(t)=∀r i=1hi (x )A i x ^(t)+∀r i=1h i (x )B i F ^(t)u(t)-∀r i=1h i (x )L i (y ^(t)-y (t)),y ^(t)=Cx ^(t)(9)式中,F ^(t)为F (t)的估计值.定义 F (t)=F ^(t)-F (t),则误差动态方程为e x (t)=∀r i=1hi ((A i -L i C )e x (t)+B i F (t)u (t)),e y (t)=e x (t)(10)由于F (t)表示执行器效率的损失率,其值可以认为是分段常数,则 F (t )=0,因此 F (t)对时间的导数为 F &(t)=F ^&(t)(11)假设2 rank(CB i )=m ,A i ,B i ,C 的不变零点位于左半开平面.假设2的条件可以被扩展到AFDO 的设计中.通过这些条件,可以很方便地判断所设计的AFDO 是否存在且合理.定理1 在假设2的条件下,对于给定的常数∀>0,如果存在正定对称矩阵P R n %n 以及矩阵Y iR n %n 和矩阵R m %n i ,满足如下条件:(12)191增刊(I)许域菲,等: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Q 0=A T i P +PA i +C T Y T i +Y i C <0,PB i =C T R i ,L i =-P -1Y i(13)则自适应故障估计律^!&(t)=Pro j [!s , !s]{-#s R s ( e y (t)-∀e y (t))u s (t)}在持续的激励输入u s (t )的作用下可以满足li m t )∗e x (t )=0和li m t )∗F (t)=0.式(12)中,*表示矩阵的对称向量.Pro j{}表示影射算子,它的作用是计算出区间[!s , !s ]上的^!s (t),R s 是∀ri =1h i (x )R i 的第s 行,u s (t)是u (t )的第s 个分量,参数#s >0是自适应学习率.证明考虑如下Lyapunov 函数:V (t )=e T x Pe x +1∀trace( F (t )T ∃-1 F (t))(14)式中,∃=diag{#1,!,#m }.则V (t)对时间的导数为V (t)=e T x Q 0e x -21∀trace ( F (t)T B T i P e x (t)u T (t))=e T x Q 0e x -21∀ e x(t)PB i F (t)u(t)=e T x Q 0e x -21∀e T x Q 0e x -21∀u T (t) F (t)B T i PB i F (t)u (t)=%T (t)&%(T )(15)其中,&=Q 0-1∀(A i -L i C )T PB i *-2∀B T i PB i <0,%(t)=e x (t) F (t)u T (t)<0.由式(15)可知,当&<0时,得 V (t)<0,可以保证状态估计误差和故障向量误差渐进收敛.证毕.注1 故障发生前,F (t)=I m ,所以I m 可以认为是F ^(t )的初始值.由式(12)和(13),可以得到在线的自适应故障估计策略为^!(t)=1-#s ∀r i=1h i R i s +tt f ( e y (∋)+∀e y (∋))u s (∋)d ∋式中,t f 表示故障发生的时刻.实际上,对于自适应故障估计策略,e y (t)的微分也被考虑进来,它可以提高故障估计的快速性和准确性.注2 定理1中的不等式(12)可以由M atlab 的线性矩阵不等式工具箱求解,但是对于式(13)的精确求解却是个十分困难的问题.为此,作者将式(13)的求解转换为如下关于矩阵不等式的最优化问题[10]:(I B T i P-R i C (B T i P -R i C )T (I>0(16)式中,(是一个充分小的正标量,并使之满足B T i P 能以满意的精度逼近R i C,2.4 容错控制器设计在很多实际应用中,尤其在与航空航天器有关的领域,执行器的失效是很常见的重要的故障类型.针对这种情况,本节设计主动容错控制器(FTC ),由于状态变量x (t )往往是不可测量的,因此用它的估计值x ^(t)来代替x (t).基于状态反馈的常规控制律如式(3)所示,当发生故障后,本文设计容错控制器u f (t )来代替常规控制器u (t).设计容错控制器u f (t )如下:u f (t )=F ^-1(t)u (t)(17)将式(17)代入式(2),可得x (t)=∀r i=1hi (x )A i x (t)+∀r i=1h i (x )B i F (t)u f (t)=∀r i=1h i (x )A i x (t)+∀r i=1h i (x )B i F ^(t)F ^-1u(t)-∀r i=1h i (x )B i F ^(t)F ^-1u(t)+∀r i=1h i (x )B i F (t)u(t)=∀r i=1h i (x )(A i x (t)+B i u (t))-∀r i=1h i (x )B i F (t)u f (t)则在容错控制器(17)下的误差动态方程(10)可以改写为e x (t)=∀r i=1h i (x )((A i -L i C )e x (t)+B i F (t)uf (t))(18)误差动态系统(18)的稳定性证明可以参考文献[10],这里不做详细推导.3 仿真结果为了验证所提方法的有效性,作者首先选择NSHV 的8个工作点,即[X 1,X 2,X 3]=[-0.5,0.5,2000],192 东南大学学报(自然科学版) 第39卷[0.5,0.5,2000],[-0.5,-0.5,2000],[0.5,-0.5,2000],[-0.5,0.5,5000],[0.5,0.5,5000],[-0.5,-0.5,5000],[0.5,-0.5,5000].将每个工作点处的状态变量值代入f(x ),g (x ),可以方便地获得A i 和B i .由此,可以得到8条模糊规则和相应的控制规则(限于篇幅,只给出第1条):Ru l e 1:I F x 1is abo ut -0.5rad and x 2is about -0.5rad /s and x 3is about 2000m /sThen x (t)=A 1x (t)+B 1u (t),y (t)=C x (t )通过求解LM I(12)和(16),可以得到矩阵P,K i ,L i ,R i (i=1,2,!,8)的值.限于篇幅,这里只给出工作点1处的参数矩阵,其余同理可得.P =141038.6 2.46%10-111.07%10-72.16%10-101.12%10-92.46%10-11141038.6-1.83%10-94.26%10-11-6.46%10-111.07%10-7-1.83%10-9141038.6-5.25%10-11-4.8%10-142.16%10-10 4.26%10-11-5.25%10-11141038.6-2.05%10-81.12%10-9-6.45%10-11-4.8%10-14-2.05%10-8141038.6L 1=16.63-0.34-10.351.060.71-0.871.3948.04-0.47-0.09-17.5628.68992.47-10.07-1.45-1.340.03 1.030.94-0.66-0.60-0.04-4.39-28.2459.05K 1=9.416044477.84910.8575181.5760 1.63925.642318484.9767-0.516585.75630.7744R 1=10-4%0.31432.530.005919.8831.93015.221.9825.34543.484.74由于N SHV 的纵向模型只有2个执行器,在仿真中,不妨假设第1个执行器发生了故障,而第2个执行器是正常工作的.设置执行器失效故障形式如下:!1(t )=1 0<t<15s 0.8 15s<t<50s, !2(t)=1设置参数∀=0.25,#1=10-4,可以得到如图1~图3所示的仿真结果.图1 残差(用于故障检测)图2 故障!1及其估计值图3 状态变量俯仰角速率q 在常规控制器和FTC 作用下的响应193增刊(I)许域菲,等: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194 东南大学学报(自然科学版) 第39卷由图1可以看出,当故障于15s发生后,残差r(t)随着时间的增加并不等于零,根据故障检测法(8),可以判断系统执行器发生了故障.图2表明执行器故障可以被准确及时地估计出来.同时,由图3可以看出,当故障发生后,采用容错控制器的闭环系统的状态响应是稳定的,且控制性能优于常规控制器作用下的系统状态响应.4 结语本文提出了一种故障诊断策略和容错控制方法来处理近空间高超声速飞行器的执行器故障.首先采用模糊T S技术,给出了N SHV非线性系统的模糊T S故障模型,然后设计了自适应故障诊断观测器来检测和估计故障,提出了AFDO存在的充分条件,保证了观测器的可行性.基于诊断到的故障信息设计FTC,它能保证闭环系统的状态稳定性.仿真结果表明,所设计的AFDO和FTC对于执行器失效故障有良好的控制性能.参考文献(References)[1]X u H J,Io anno u P A,M ir m iran iM.A daptive sli d i ng m ode co ntro l design fo r a hy per s on ic f li gh t vehic l e[J].Journa l o fG uidance,C ontro l and D yna m ic,2004,25(5):829838.[2]高道祥,孙增祈,罗熊,等.基于Backst epp i ng的高超声速飞行器模糊自适应控制[J].控制理论与应用,2008,25(5):805810.G ao D aox iang,Sun Z engq,i L uo X i o ng,et a.l Fuzzy adaptive co ntro l fo r hy person ic v eh i c l e v ia backsteppi ng m e t hod[J].C ontro l T heo ry and A pp licati o n,2008,25(5):805810.(i n Ch i nese)[3]王玉慧,吴庆宪,姜长生,等.具有闭环极点约束的空天飞行器再入姿态的模糊保性能控制[J].航空学报,2007,28(3):654660.W ang Y uhu,i W u Q i ngx ian,Jiang C hang s heng,e t a.l Fuzzy guaran t eed co st contro l fo r aero s pace v eh i c le,s re entry a tti t ude contro l w ith po le place m ent constraints[J].A cta A ero nautica et A stronau tica S i n i ca,2007,28(3):654660.(i n Ch i nese)[4]T anaka K,Ikeda T,W ang H O.R obust stab ili za tion o f a c l a ss o f uncerta i n no nli nea r sy stem v i a fuzzy con tro:l quadra ticstab ility,H∗contro l theo ry and linear m atr i x inequa lities[J].IEEE T ran sacti ons on Fuzzy Sy ste m s,1996,4(1):113.[5]ChenW T,Sa if M.A c t uato r fau lt d i agno sis fo r unce rtai n li nea r s y ste m s usi ng a h i g h o rder sli ding m ode robust differentiat o r(HO S M RD)[J].In ternati ona l Journa l o f R obust N on linear C ontro,l2008,18(4/5):413426.[6]Ji ang B,Staro s w i ecki M,Co cquem po t V.Fau lt e sti m a ti on i n no nli nea r uncerta i n sy ste m s usi ng robust/sli d i ng m odeo bserv ers[J].IEE P ro ceed i ngs:C ontro l T heo ry and A ppli cations,2004,151(1):2937.[7]Jiang B,S taro s w ieck iM,C o cquem po t V.F au lt accomm oda tion fo r non li near dyna m ic sy stem s[J].IEEE T ran s ac ti ons onA utom a ti c C ontro,l2006,51(9):15781583.[8]Z hang Y M,Ji ang J.A cti v e fault t o l e rant co ntro l sy ste m ag ainst par tia l actuato r fa il ures[J].IEE Proceedi ng s:C ontro lT heo ry and A ppli cations,2002,149(1):95104.[9]B l anke M,K innaertM,L unze J,et a.l D iagno sis and fault t o l e rant contro l[M].B er li n:Spr i nger V er l ag,2006.[10]Z hang K,Jiang B,Sh i P.F ast fau lt esti m ati on and accomm odati on fo r dyna m ica l sy ste m s[J].IET Co ntro l T heo ryA pp,l2009,3(2):189199.。

基于T-S模型的柴油机怠速控制系统设计

基于T-S模型的柴油机怠速控制系统设计韦战立;酒建刚;郭延超;于亚坤;吉俊蓉;王岗;王鹏;刘西文【期刊名称】《拖拉机与农用运输车》【年(卷),期】2017(44)6【摘要】针对柴油机怠速控制系统中控制对象的大滞后性、惯性、非线性等特点,提出一种基于T-S模型的模糊PID控制器的设计方法。

它的前件采用模糊推理的方法将基于语言变量的专家经验转化为T-S模型的模糊规则,后件则采用PID的控制形式,这样设计可以充分借鉴常规PID控制器参数调整的各种成熟经验,使模糊控制规则的制定和参数的调整更简单易行,且物理意义明确。

大滞后、非线性控制对象的现场试验表明,T-S模型模糊控制器有着很强的适应性和鲁棒性,明显改善了系统的动静态性能。

该控制器设计简单,与Mamdani系统相比在形式上更加紧凑和易于计算,可以很方便地采用自适应的思想来创建系统模型,同时也可以广泛应用在其它需要闭环控制的实际工程项目中,因而具有一定的研究价值。

【总页数】4页(P46-49)【关键词】怠速闭环控制系统;T-S模型;常规PID控制器;模糊PID控制器【作者】韦战立;酒建刚;郭延超;于亚坤;吉俊蓉;王岗;王鹏;刘西文【作者单位】中国一拖集团有限公司【正文语种】中文【中图分类】TK421【相关文献】1.基于PID对柴油机怠速稳定性控制的研究与优化 [J], 苏岩;刘忠长;郭亮;雷霆2.基于遗传算法的怠速工况最优模糊控制系统设计 [J], 谭德荣;赵玮;朱良3.基于80C196KC单片机的汽车发动机怠速控制系统设计 [J], 韩玉敏;金延军4.基于多级闭环高压共轨柴油机怠速控制系统设计 [J], 时培燕;于正同;王超5.基于Simulink的共轨柴油机怠速控制系统模型化开发方法 [J], 时培燕;苑蓓蕾;韩鹏因版权原因，仅展示原文概要，查看原文内容请购买。

基于T-S模糊模型的辨识与控制

基于T-S模糊模型的辨识与控制
杜世杰;沈清波
【期刊名称】《工业仪表与自动化装置》
【年(卷),期】2011(000)001
【摘要】针对一类非线性系统,采用模糊辫识的方法建立系统的T-S模型,结合广义预测控制对模糊预测控制进行研究.应用模糊聚类和递推最小二乘法辫识T-S模糊模型的前提结构和结论参数.对于非线性系统来讲,T-5模糊模型有良好的描述特性,并结合广义预测控制的滚动优化,实现对非线性系统的有效控制.仿真结果说明了该算法的有效性.
【总页数】4页(P105-108)
【作者】杜世杰;沈清波
【作者单位】辽宁石油化工大学信息与控制工程学院,辽宁,抚顺,113001;辽宁石油化工大学信息与控制工程学院,辽宁,抚顺,113001
【正文语种】中文
【中图分类】TP273+.4
【相关文献】
1.用T-S模糊模型辨识160MW协调控制系统 [J], 陈彦桥;刘吉臻;杨光军;杨先亮
2.T-S模糊模型的辨识与控制 [J], 丁学明;张培仁;张志坚;屠运武
3.基于数据简化及卡尔曼滤波方法的T-S模糊模型辨识 [J], 刘小雍;方华京
4.基于PSO的T-S模糊模型辨识算法预测空气预热器温度 [J], 苏芳
5.基于细菌群体趋药性算法的T-S模糊模型辨识 [J], 明飞
因版权原因，仅展示原文概要，查看原文内容请购买。