基于预测模型的模糊参数自寻优S面控制器

合集下载

自寻优自调整模糊PID控制器的设计与仿真

ｓｌｅｆ—ｏｉｚｔｏｃｏｄｎｏｔｅｅｒｒａｄｅｒｒｃａｇｆｓｓｅｒｓｎｅｉａｈｐｈｓ．Ｓｍｕａｉｎｒｓｌｓｓｏｐｔｍｉａｉｎａｃｒｉｇｔｈｒｏｎｒｏｈｎｅｏｙｔｍｅｐｏｓｎｅｃａｅｉｌｔｅｕｔｈｗｏｔｔｔｓｔｈａｈｉｗｏ— ｐｏｇｄｃｎｒｌｓｒｔｇｓｓｒｎｇｆａｉｉｉｙ，ｔｄｐｔｅａｉｉｙｏｈｙｔｍａｅｎｅｈｎｃｄａｒｎｅｏｔｏｔａｅｙｈａｔｏｅｓｂｌｔｈｅａａｉｂｌｆｔｅｓｓｅｈｓｂｅｎａｅｎｄｖｔ
ｔｅｒａ —ｔｏｔｏｐｒｒｎｅｈｓｂｅｒｖｄｓｇｉｃｎｌ．Ａｐｉａｉｎｒｓｌｈｗｔａｈｙｔｍｈｓｉｅｈｅｌｉｃｎｒｌｅｆｍａｃａｅｎｉｏｅｉｎｆａｔｍｅｏｍｐｉｙｐｌｔｅｕｔｓｏｈｔｅｓｓａ — ｃｏｓｔｅｄ
摘要：于优化控制器设汁，对常规模糊控制器，关针由于控制参数和控制规则的固定，成控制性能不够理想的问题，出了造提
一
种基于规则修改的、采用控制参数自寻优和控制规则臼调整结合的舣重控制策略，以提商系统的控制性能。通过自寻
第２卷第４８期
文章编号：０６—９４（０１００１１０３８２１）４— ２６—０５
计
算

基于专家S面控制的UUV姿态控制系统设计

基于专家S面控制的UUV姿态控制系统设计黄悦华;刘瑞勇;杨培培;李闯;向东旭【摘要】近年来,长航程UUV的应用越来越多,长航程UUV在水下进行长距离航行时,由于不同水域的海水密度不同,使得UUV的受力状况发生变化,从而影响其航行姿态角,使其不能按照预定的路径完成航行任务,甚至发生危险.本文针对姿态变化问题,将专家控制和S面控制相结合,设计一种专家S面控制器,并进行半实物仿真.仿真试验结果表明,该方法可以实现对UUV实时准确的定深定向调节,满足实际使用要求.【期刊名称】《三峡大学学报（自然科学版）》【年(卷),期】2015(037)006【总页数】5页(P80-84)【关键词】UUV;整体构架;专家S面控制;定深定向;半实物仿真【作者】黄悦华;刘瑞勇;杨培培;李闯;向东旭【作者单位】三峡大学电气与新能源学院,湖北宜昌 443002;三峡大学电气与新能源学院,湖北宜昌 443002;三峡大学电气与新能源学院,湖北宜昌 443002;三峡大学电气与新能源学院,湖北宜昌 443002;三峡大学电气与新能源学院,湖北宜昌443002【正文语种】中文【中图分类】TP273UUV恶劣的工作环境决定了其可能会遇到各种可控或不可控的危险，如果UUV没有性能良好的控制系统，极有可能会导致水下机器人失事或失联[1]，最终沉入海底或者被他国所窃取．基于此，面对复杂的海域工作环境，如何研究有效且可靠的UUV控制系统，成为装备高质量UUV设备的重要课题．综合控制系统是整个UUV的核心组成部分，其设计的优劣直接影响到整个UUV的性能以及航行的安全性．该课题中UUV的航行分为自主航行和遥控模式两种航行方式，其中自主航行由中央控制单元自主决策控制航行，遥控模式下的航行是通过上位机以无线电或者有揽通信的方式与实验艇通信；自主航行模式下，通过惯导(INS)、深度计、多普勒测速仪(DVL)等传感器获取UUV的运动信息，并根据这些信息做出控制决策，来完成自主航行任务．本课题设计的UUV综合控制系统整体构架如图1所示．此UUV具有如下功能：1)通过操控台可对UUV进行操控，包括对各个模块的电源控制、对UUV进行手操驾驶、预编程操控、定向航行、定深航行控制．2)UUV实时信息可以实时反馈给操控台．包括UUV电池组的测量系统和控制系统的电流、电压、已用电量，实验艇的实时姿态：横滚角、俯仰角、偏航角、航行速度、电机转速、实时位置、深度，离底高度，各个阀门开关状态、各个水舱水量、以及舱内实时图像等．这些数据通过两路信道传输，为保证航行安全，主要考虑无线电通信的顺畅[2]．3)对UUV运行状态进行实时监测，包括7个舱的漏水检测、温度检测、氢气浓度检测、火警检测；控制系统、测量系统以推进电机电流和电压监测以及超深、超速、无线电通信等各种报警检测，并具备在运行故障(主要指超深)情况下通过释放压载确保实验艇的安全．4)通过给定推电机的转速或者航速(一般而言，转速和航速对应有一定的关系)可以控制UUV的前进，通过给定水平舵机、垂直舵机和围壳舵机一定角度来控制UUV转向和下潜运动，通过压载水舱注排水及左右浮力水舱调水可以控制艇的横滚、俯仰等艇态和负浮力的设定，以在水面环境不利于水平舵机发挥舵效的时候辅助UUV顺利下潜．5)对UUV位置进行实时监测，并具有导航定位功能．UUV在水面标定时完成GPS的信息的收集，并将该信息给到惯性导航装置，当实验艇下潜到水下时，由惯性导航装置和多普勒计程仪计算出当前的航行位置，当实验艇浮出水面时，通过操控台给定校准指令，将当前实验艇的位置与GPS位置进行校准．实验艇同时利用深度计和多普勒计程仪实时获取UUV在水下的深度和离底高度、航行速度等信息．6)可通过路径规划来实现实验艇的路径跟踪航行．采用智能积分时应该遵循的判断条件是：当>0时，对偏差进行积分；当<0时，不对误差进行积分．此条件为是否引入智能积分的基本判断条件．除此之外，还应该考虑边界条件[3]，即偏差及偏差变化率出现的极值点的情况，综合上述3种情况组合，可以将是否引入智能积分的条件总结如下：1)当>0且e≠0时，对偏差进行积分控制；2)当或e=0时，不对偏差积分．这样的积分作用即为智能积分．引入智能积分，能够在模糊控制的基础上提高控制系统的稳态状态和精度．有智能积分的条件可以得到智能积分的S面控制模型[4]，如下描述：由S面控制模型可知，控制参数为k1、k2和ki，相比模糊控制，S面控制需要调整的变量简单得多．改变k1、k2和ki的值就能实现偏差和偏差变化率在控制输出中的比重的调整，达到对超调量和收敛速度的控制效果的优化[5]，同时控制系统的稳态误差，以满足智能作业的要求．在S面控制系统中，一般采用人工调整或者自适应调整这两种参数调整方式．所谓人工调整，指的是通过对k1、k2和ki大小的调节，实现水下机器人在一般情况下的运动控制精度．所谓自适应调整，指的是需对k1、k2两个参数进行智能的在线调整，实现系统实时的动态性能和稳态性能．应该注意的是，在参数调整的过程中，由于是全局范围内的参数调整，导致自适应调整和人工调整都不能达到控制参数的最佳匹配．但是，S面控制方法主要关注控制过程的全局性，注重控制过程稳定、超调小、平滑、收敛速度快等控制效果．通过对S面控制器参数的修改，能够比较方便地完成控制器全局过程的控制．在自适应调整中，参数k1、k2对S面控制器的控制作用有重要影响，即这两个参数的变化会对S面控制器的输出产生大的干扰，导致控制系统的动态性能和稳态性能的变化，对于水下机器人而言，固定k1、k2的值不能达到较好的控制效果[6]．通过本章前面的阐述，可以建立一个完整的智能控制理论模型—专家S面控制器，其控制模型如图2所示．专家S面控制器是以间接专家控制系统为基础，运用人的知识和经验[7]，并按照专家在求解控制问题时的启发式思维模式和控制规则构造而成的控制策略．专家S面控制器通过对参数k1、k2和ki的在线调整，使得系统动态性能和稳态性能达到要求．专家S面控制器作为一个二级实时智能协调控制器，由两部分组成：专家智能协调级、基本控制级．由S面控制和专家控制组成控制级，S面控制器为控制系统的基本控制级，控制级与被控对象组成实时闭环控制系统．专家智能协调级由数据库、知识库和智能协调器组成，数据库主要用来存放误差变化率和误差的阈值以及参数k1、k2的在线调整范围；知识库主要为常规的产生式规则的集合；智能协调器为推理机．专家智能协调级主要实现在线监测控制系统，实时监测系统性能[8]．根据系统的数据信息，通过推理机完成对S面控制器参数的在线调整，实现对控制对象的有效控制．在本文的研究对象中，存在规则库少、推理搜索空间有限的缺点，因此本文采用有条件推理结论的正向推理机制[9]，通过对控制规则的逐条匹配，实现控制规则集的完善和在线智能．由S面的数学控制模型可知，在S面控制系统中，控制参数k1、k2分别对偏差和偏差变化率有很大的影响效果，下面对系统响应的影响进行具体分析：控制参数k1影响偏差e在系统中的控制作用．k1的变化将引起误差的控制效果，如果k1取值增大，误差的控制效果相应增强，导致系统控制所要上升时间变短，由于控制的惯性作用，产生较大的超调量，收敛速度变慢，如果k1选取过大，系统可能产生较大幅度的震荡现象，所以k1的值不能过大．如果减小参数k1的值，削弱误差的控制作用，这样可以减小超调量，同时避免震荡的产生，但如果k1的值过小，导致误差的控制作用不够，将使得上升速度变缓，收敛时间增长，稳定状态下的误差变大，同样不能达到控制效果．控制参数k2影响偏差变化率在系统中的控制作用．k2的变化将会引起误差变化率的控制效果，如果k2取值增大，误差变化率的控制效果相应增强，S面控制系统的灵敏度得到提升，能够抑制超调的发生．如果k2的值选取过大，将使S面控制器对出现的细微变化过于敏感，超前使用了误差变化率的控制作用，使系统的响应时间变长．如果k2的值过小，S面控制系统的灵敏度被大幅削弱，将不能对超调产生较好的控制效果．通过分析，控制参数k1、k2的选取将对控制器的控制效果造成不同的影响，在系统的不同控制阶段，参数k1、k2的值都将对控制器的控制效果产生不同的影响．通过对S面控制系统经验的总结，得到了如下所示的控制参数在线调整算法，这样的一组产生式的控制规则用来实现本文控制策略中的k1、k2和ki选取：R1 IF (e>0 and<0 and e>δ)THEN(K1=Δk1，K2=0)R3 IF (e<0 and<0) THEN(K1=-Δk1，K2=Δk2)R5 IF (e>0 and>0) THEN(K1=Δk1，K2=0)R6 IF>0 or=0且e≠0) THEN(ki=ki)R7 IF<0 and=0) THEN(ki=0)上述规则中，e和为系统中的偏差和偏差的变化率，Δk1、Δk2表示k1和k2的极小增量，其值可按照实际控制情况选取，K1和K2表示k1和k2的动态修正因子．如果k1(t)、k2(t)、k1(t-1)、k2(t-1)为上一时刻和当前时刻的参数，那么他们具有如式(1)所示的调整规则．本文中，k1(0)、k2(0)和ki的初始值主要按照控制系统的特性和控制经验选取．UUV定深定向控制系统半实物仿真试验，要求能为UUV定深定向控制系统提供真实的工作环境，模拟不同的工作条件，并能模拟各种极端条件下的工作情况，以检验系统的控制器的各种功能和可靠性，分析系统、设备的临界工作条件．UUV定深定向控制系统半实物仿真试验具体应实现如下功能：1)仿真机建立UUV的模型，包括6个自由度的受力模型以及动力系统、浮力、均衡模型，并对UUV的6自由度非线性模型进行仿真解算．2)采用半实物模拟机构，即三轴转台，直观地体现给定艉水平舵、艉垂直舵、围壳舵舵角时，三轴转台的运动状态，分析反馈数据的正确性．在UUV预编程航行及自主航行时候，观察定深定向航行过程中三轴转台的变化过程，分析其合理性．3)通过海流模拟器模拟不同的海况，浪涌、温度、盐度、深度等数据，分析在不同的海况下算法的适应性．4)通过中央控制单元输入的UUV定深航行的深度，模拟定深航行过程，分析到达预定深度的仿真波形图；通过中央控制单元输入UUV的航向，模拟定向航行过程，分析到达预定航向的仿真波形图．UUV定深定向控制系统半实物仿真试验原理图如图3所示，为了UUV定深定向控制系统的功能，在进行UUV定深定向控制系统半实物仿真系统设计时，必须包括以下设备：1)DSPACE实时仿真系统：主要功能是仿真被控对象和环境；2)Matlab仿真工作站：主要功能是建立UUV定深定向控制系统的数学模型；3)Fluent仿真工作站：主要完成UUV结构特性分析、流体动力性能分析；4)GPS 及深度信号给定机构：自主航行和预编程航行时，需要最初的GPS位置信号才能开始航行，深度给定信号后才能进行定深航行，为提供UUV的航行深度控制；5)中央控制单元：本课题使用的中央控制单元是由盛博协同设计制作，主要是基于PC104主板设计的．主要的定深定向算法均在中央控制单元中执行．在进行定深定向控制时，根据Matlab仿真工作站反馈的深度信息进行定深控制，同时根据三轴转台给定的航向角进行航向控制，根据三轴转台给定的横滚角和俯仰角进行航行过程中的姿态控制；6)本文所研究的控制对象比较特殊，不同于一般UUV，在下潜过程中先进行注水动作使得实验艇处于零浮力的状态，然后电机启动，艉水平舵、围壳舵、艉垂直舵开始打舵．因此在Matlab仿真工作站的仿真模型应建立均衡系统模拟完成注排水过程．基于均衡系统设计需要准确的主排水流量信息，故在本文中使用的模型没有采用均衡系统．在下潜准备过程中直接将潜深初值设置为-2 m．浮力状态设置为小负浮力状态下开始仿真．如图4所示为定深定向的Matlab工作站半实物仿真模型，主要由3部分组成，控制算法、深度控制模型、航向控制模型．定深算法中，对俯仰角的控制具有重大意义，它除了能更好地控制航行器下潜姿态以外，还是衡量控制算法的一个重要指标．为了保证航行器定深控制的性能，俯仰角在定深控制过程中至关重要．在实际航行过程中，由于海流等各种干扰因素的存在，控制定深常态状态下会存在一定的偏差，UUV在航行时就会通过不停的打舵来校正俯仰角，保持航行的姿态，一般情况下，UUV的俯仰角不应该超过正负10°的范围，对于本文的研究对象而言，由于其体积重量庞大，艇体长的特点，一般控制实验艇的俯仰角在正负5°的范围以内，否则就要进行水下均衡调整艇的状态，甚至进行应急处理以保证实验的安全．定深控制主要是航行器从水面下潜到某一深度和航行器在某一深度航行时受到各种扰动而加以纠正控制．深度的变化必将伴随着俯仰角的的变化，俯仰角如果变化过于剧烈，深度控制将产生较大的超调量，如果俯仰角变化过于缓慢，将导致深度变化也很缓慢，调节时间长．该控制算法是基于专家S面控制算法研究而设计的，控制算法考虑了UUV的垂向速度以及俯仰角速度，由于UUV的排量大，机动能力较小型UUV差，因此通过UUV的艉水平舵和艏水平舵来实现的．1)定深20 m，即深度从0 m变深到20 m的过程，航向角定向10°，且从0°变到10°，如图5所示．如图5(a)所示，此次定深定向航行过程中第240 s时航行深度第一次达到20 m，之后60 s发生了超调，超调量0.8 m左右，第400 s时航行深度收敛于20 m的设定深度值，具有较好的深度控制效果；在定深定向航行的过程中，由图5(b)可以看出，实验艇在0～100的范围内产生了一个大的埋首，根据智能控制的理念，俯仰角提前产生归零趋势，在200 s时俯仰角为0°，此时系统检测深度未到20 m，再次产生埋首的效果，直到第400 s系统深度到达20 m，实验艇开始抬首，此时抬首，产生了一定的超调量．此定向航行中航向角的基本趋势、控制趋势与定深航行相同．图5(d)中也对定深航行过程中(0～400 s的时间内)的垂向速度进行了分析，可以看出，在340 s左右的时间上，垂向速度由正值向负值过渡，以抵消超调．2)定深12.5 m，即深度从0 m变深到12.5 m，航向角5°方向，且从0°到5°，如图6所示．如图6(a)所示，此次定深定向航行过程中第170 s时航行深度第一次达到12.50 m，之后50 s发生了超调，超调量0.6 m，第340 s时航行深度收敛于12.5 m的设定深度值，具有较好的深度控制效果；在定深定向航行的过程中，由图6(c)可以看出，实验艇在0～200的范围内产生了一个大的埋首，根据智能控制的理念，俯仰角提前产生归零趋势，在1 200 s时俯仰角为0°，12.5 m定深航行的效果与20 m定深航行的不同，俯仰角曲线在很长时间范围内均存在波动，其原因是小深度控制存在近水面干扰．本文将专家控制与S面控制相结合，设计了一种专家S面控制器，对专家S面控制算法进行半实物仿真分析，分别在定深20 m和定深12.5 m，定向10°时对定深效果和定向效果进行分析，得出了较好的结论；进行了水下变深的半实物仿真实验，实验结果表明，变深过程中姿态基本稳定，能够满足实际使用要求．。

自寻优芯模糊控制器

自寻优芯模糊控制器
陈常祥
【期刊名称】《自动化与仪器仪表》
【年(卷),期】1990()4
【总页数】7页(P16-22)
【关键词】自寻优芯;模糊控制器;算法;SISO
【作者】陈常祥
【作者单位】
【正文语种】中文
【中图分类】TM571.6
【相关文献】
1.粒子群算法自寻优模糊PID控制器设计 [J], 杨洋;张秋菊
2.自寻优模糊集的自调整模糊控制器及通用模糊控制器的硬件实现 [J], 冯宏娟;王守觉
3.基于模糊控制规则自调整与自寻优的模糊控制器 [J], 吕志来;张忠武
4.自寻优模糊集的模糊控制器算法 [J], 冯宏娟; 王守觉
5.自寻优模糊集的模糊控制器算法＊ [J], 冯宏娟; 五守觉
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模型的自适应多变量模糊预测控制

０引言
很多受控对象是时变非线性的多变撤系统，变量之各间的关联性较强，且还可能具有分布参数大、后等特并滞点，于这样的复杂受控对象．建立其数学模型，于建对要山模过程中忽略的因素较多而影响模型的精度。若对多变量系统采用Ｃａｋｌｒｅ提出的摹于参数模型的广义预测控制思想，型误差将影响预测控制的效果。针埘这一实际问题，模基于系统辨识的预测控制方法被提｝，］样数据为系统｛一采Ｊ建立模糊模型是逼近非线性系统的有效工具之一。
Ｄｅｅｂｅ１０应多变量模糊预测控制－
刘福才，任丽娜，路平立。
（１．燕山大学工业计算机控制工程河北省重点实验室，河北秦皇岛０６０；６０４２．北京理工大学自动化学院，北京１０８）００１
Ｋｅｗｏｄ：Ｔ— ｏｅ；ｆｓｕｚｌｓｅｉｇｙｒｓＳｍｄｌａｔｆｚｙｃｕｔｒｎ；ｇｎｒｌｅｒｄｃｉｅｃｎｒｌｄｐｉｅｃｎｒｌｅｅａｉｄｐｅｉｔｏｔｏ；ａａｔｏｔｏｚｖｖ
真，果表明对于具有时变性的非线性系统，方法具有很好的控制效果。结该关键词：Ｔ— Ｓ模型；快速模糊聚类；广义预测控制；自适应控制中图分类号：Ｐ２３Ｆ７．文献标志码：ＡＤｏＩ１．９９／ｉｓ．０１５６２１．２３：０３６／．ｓｎ１０－０Ｘ．００１．４ｉ

基于T-S模糊模型的直接自适应预测控制

ｆｚｙｍｏｄｌｗｅｅｉｅｉｉｄｏｉｉｇｔｅｗｅｇｈｔｄｒｃｓｖｅｌａｓｑｒｓｍｅｈ．Ｔｈｄｅｔｆｅａｒｍｅｅｓｏｕｚｙｍｏｌｕｚｅｒｄｎｔｆｅｎｌｎｅｕｓｎｈｉｅｅｕｒｉｅｔｓｕａｅｔｏｄｅｉｎｉｉｄｐａｔｒｆｆｚｄｅ
第３卷第１２期
２１０２年３月
辽
ቤተ መጻሕፍቲ ባይዱ宁
石
油
化
工
大
学
学
报
Ｖ０１．３２Ｎｏ．１
Ｍａ．２２ｒＯｌ
Ｊ０ＵＲＮＡＬ０ＦＬＩＡ０ＮＩＨＩＮＧＳＨＵＡＵＮＩＲＳＴＹＶＥＩ
文章编号：６２９２２１）１。７一Ｏ１７ —６５（０２Ｏ一０８６
ＤｉｅｔＡｄｐｉｅＰｒｄｃｉｅＣｏｔｏｓｄｏ — ＳＦｕｚｏｅｒｃａｔｖｅｉｔｖｎｒｌＢａｅｎＴｚｙＭｄｌ
ＭＡ — ｎａ。ＳＵｅ－ｌＬｉＣｈｎｇ－ｉ
（ｃｏｌｆＩｆｒｔｎａｄＣｎｒｌｎｉｅｒｎＳｈｏｎｏｍａｉｎｏｔｇｎｅｉｇ，ＬａｎｎｈｈａＵｉｅｓｙ，ｕｈｎＬａｎｎ１０１Ｐ．ＣｉａｏｏｏＥｉｏｉｇＳｉｕｎｖｒｉＦｓｕｉｏｉｇ１３０，Ｒ．ｈｎ）ｔ
ｔｅｏｖｈｗｏｍａｏｒｂｅｓｏｒｓｌｅｔｅｔｊｒｐｏｌｍ，ｍｏｅｉｇａｄｏｔｚｔｎｎｒｖｄｕｒｎｅｏｉｈｐｅｉｉｎｃｎｒｌｆｎｎｉｅｒｄｌｎｐｉａｉ，ａｄｐｏｉｅａｇａａｔｅｆｒｈｇ — ｒｃｓｏｏｔｏｏｌａｎｍｉｏｏｎ

模糊控制器因子的自寻优

ｂａｉｓｓ，ａｎｗｗａｒｆｃｏｓｓｐｔｆｒｒｅｙｆａｔｒｉｕｏｗａｄ，ｗｈｃｐｌａｃａａｌｌｅｒｌｎｔｒｓｏｇｔｓｌｏｉｈａｐｉｅｐｒｌｎｕａｅｗｏｋｔｅｅｆ— ａａｔｎｅｄｐ．ｒｆｉａｉｎＳＯｈａｔｒａｕｔｍａｉａｌｂａｎｄｏｒ１ｓｍｕｌｔｏＨＷＳｔａｔｆｃｏｓｃｎｂｅａｏｔｃｌｙｏｔｉｅｎ— ｌｅ．ｗｈｃａｉｆｅｈｅｆｒｎｅｅｉｎｉｈｓｔｓｓｔｅｐｒｏｍａｃｉ
于模糊控制器中的关键参数 —— 量化因子及比例因子的研究甚少，新福 ‘ 鲍提出了一种基于性
能测量的自调整比例因子的设计方法、ｅｄｕ应用数值分析原理提出了比例因子优化设计方Ｓｙｏ法、ｉｓＭｇａｎ应用ＧＬｕａｄｌａｅＡ方法实现比例因子的自适应、ｒａｐｅ采用语言值来优化比例ＥｒＫｐａｎｉｎ因子并在此基础上用ＧＡ方法实现量化因子的自适应。但到目前为止，未发现同时实现量化尚
因子和比例因子的在线自寻优的有关报制器结构的基础研究，析量化因子及比例因子对模糊控制性能的影分响，过对因子论域的划分，用神经网络的强大学习能力，现量化因子和比例因子的自寻优。通利实

带有自寻优调整因子的模糊控制系统设计

带有自寻优调整因子的模糊控制系统设计张秋颖;龙松;张文钢【摘要】提出了一种带有调整因子的模糊控制系统的调整因子自寻优方法,仿真结果表明,此种控制方法与传统PID控制方法相比,在稳定性、快速性和适应性方面均有提高.【期刊名称】《船电技术》【年(卷),期】2018(038)002【总页数】4页(P57-60)【关键词】模糊数学;模糊控制;调整因子;自寻优【作者】张秋颖;龙松;张文钢【作者单位】武昌首义学院基础科学部,武汉 430064;武昌首义学院基础科学部,武汉 430064;武昌首义学院基础科学部,武汉 430064【正文语种】中文【中图分类】TP273自动控制的产生来源于人们对生产过程自动化的需求，既可以减轻人们的劳动强度，又可以提高生产效率和产品质量。

随着科学技术的迅猛发展，被控对象变得日益复杂，被控对象的非线性、时变性、不确定性等使得难以建立其精确的数学模型，即使建立了非常复杂的数学模型，也难以用于实际的控制系统设计，这就使得基于被控对象精确数学模型的经典控制理论和现代控制理论受到了严峻的挑战[1]。

面对难以用传统控制理论控制的复杂对象，具有一定操作经验的人员采用人工控制的方法往往能取得满意的控制效果。

这些操作人员不需要对象的数学模型，只凭借操作经验，借助简单的仪表对被控对象进行观测和分析，并通过执行机构对被控过程加以调节，从而实现复杂对象的有效控制。

智能控制是借助于计算机模拟人对难以建立精确数学模型的复杂对象的智能控制决策行为，基于控制系统的输入输出数据的因果关系推理，实现对复杂对象计算机闭环数字控制的技术。

本文研究的模糊控制技术即是智能控制技术的一个重要方向，主要讨论带有自寻优调整因子的模糊控制系统的设计技术。

模糊数学是表示和处理模糊概念的工具。

概念是人们刻画客观事物本质属性的一种思维形式，概念有内涵和外延。

从集合论的角度看，概念的内涵就是集合的定义，而外延则是组成该集合的所有元素。

在人们的思维中，有许多没有明确外延的概念，称为模糊概念，如描述年龄的“老人”、“年轻人”等。

基于模糊相轨迹模型的Smith预估控制

ｐｒｅｄｉｃｔｉｖｅｃｏｎｔｒｏｌｔｏａｃｈｉｅｖｅｔｈｅａｄａｐｔｉｖｅｃａｐａｃｉｔｙｏｆＳｍｉｔｈｐｒｅｄｉｃｔｉｖｅｃｏｎｔｒｏ１．Ｔｈｅｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｈｏｗｓｔｈａｔｔｈｒｏｕｇｈａｃｅｒｔａｉｎｎｕｍｂｅｒｏｆｉｔｅｒａｔｉｏｎｓ，ｔｈｅｍｅｔｈｏｄｃａｎｏｖｅｒｃｏｍｅｐｕｒｅｔｉｍｅｄｅｌａｙａｎｄｔｈｅｄｅｆｅｃｔｓｏｆｔｈｅｃｏｎｖｅｎｔｉｏｎａｌａｌｇｏｒｉｔｈｍｃｏｎｔｒｏｌｑｕａｌｉｔｙｄｅｐｅｎｄｏｎａｃｃｕｒａｔｅｍａｔｈｅｍａｔｉｃａｌｍｏｄｅ１．Ａｔｔｈｅｓａｍｅｔｉｍｅｉｔｉｓｆｅａｓｉｂｌｅｗｉｔｈｇｏｏｄｒｏｂｕｓｔ —
可克服纯滞后，从而克服了常规算法控制品质依赖精确数学模型的缺陷。同时改进算法具有较强的鲁棒性。关键词：模糊；史密斯预估控制；相轨迹
中图分类号：ＴＰ２７３＋．４文献标识码：Ａ
ＳｍｉｔｈＰｒｅｄｉｃｔｉｖｅＣｏｎｔｒｏｌＢａｓｅｄｏｎＦｕｚｚｙＰｈａｓｅＴｒａｊｅｃｔｏｒｙＭｏｄｅｌ

基于T-S模糊模型的自适应重构控制的开题报告

基于T-S模糊模型的自适应重构控制的开题报告
一、选题背景
自适应重构控制是近年来智能控制领域的研究热点之一,它致力于利用智能控制技术和机器学习算法，针对复杂、非线性、不稳定等系统，实现自适应、智能化的控制。

T-S模糊模型是一种被广泛应用于系统建模和控制的模糊模型。

本课题旨在基于T-S模糊模型，研究实现自适应重构控制的方法和技术。

二、研究内容
1. T-S模糊模型的建立及参数确定：研究T-S模糊模型在自适应重构控制中的应用，包括如何建立T-S模糊模型、如何确定模型的参数以及如何对模型进行自适应性的处理。

2. 自适应重构控制算法研究：研究自适应重构控制的核心算法，比如模型预测控制（MPC）算法，基于反馈的自适应控制算法等，并探索其优化方法和参数调整方式。

3. 算法实现和仿真研究：利用MATLAB等数学仿真工具，对自适应重构控制算法进行实现和仿真，进一步验证算法的有效性和性能表现。

同时，也可探索算法在不同系统中的应用情况。

三、预期结果
本课题主要预期结果为设计出一种基于T-S模糊模型的自适应重构控制算法，并在数学仿真中验证其有效性和可行性。

同时，研究人员还将尝试将算法应用到实际问题中，比如电机控制等实际案例。

四、研究意义
本课题的研究成果对于解决复杂、非线性系统的自适应控制问题具有一定的理论和应用意义。

该算法的成功实现，不仅可以推动自适应重
构控制技术的发展，还可以为实现智能控制、提高控制效率和控制精度等领域提供理论和方法支持。

基于T-S模型的模糊预测控制在线优化算法研究的开题报告

基于T-S模型的模糊预测控制在线优化算法研究的开题报告一、研究背景随着科技的不断发展，智能化控制技术在工业、交通、农业等领域中得到了广泛应用。

模糊控制是一种能够处理模糊问题的控制方法，具有较好的适应性和鲁棒性，并且不需要建立精确的数学模型，因此在实际应用中具有广泛的应用价值。

模糊预测控制作为模糊控制的一种重要方法，通过使用模糊模型对被控对象进行预测，并通过模糊控制器进行控制，能够实现精确的控制效果。

然而，传统的模糊预测控制方法存在以下问题：1）模糊控制器参数设置困难，难以保证控制效果；2）未考虑系统动态变化和不确定性因素对控制效果的影响，控制效果不稳定；3）利用离线优化算法进行控制参数调整，导致实际应用过程中无法满足实时控制要求。

因此，本研究拟结合T-S模型和模糊预测控制方法，提出基于T-S模型的模糊预测控制在线优化算法，旨在通过优化控制器参数和实时调整预测模型，提高系统控制效果和鲁棒性，满足实际应用中的控制要求。

二、研究内容1、梳理模糊控制和模糊预测控制的理论基础，深入分析模糊预测控制的优缺点和存在的问题。

2、探索T-S模型在模糊预测控制中的应用，研究基于T-S模型的模糊预测控制在线优化算法。

3、设计在线优化算法的具体实现过程，包括控制器参数优化、预测模型实时调整等。

4、利用数值模拟和实验验证方法，对算法的性能进行测试和验证。

比较不同算法在控制效果和鲁棒性方面的优劣，得出算法的优化结果及应用价值。

三、研究意义1、提高模糊预测控制的控制精度和鲁棒性，满足实际应用中的控制要求。

2、推动T-S模型在控制领域的应用，扩展T-S模型的应用范围和应用效果。

3、为控制器在线优化算法的研究和应用提供新的思路和方法。

四、研究方法1、文献资料法：收集、整理控制领域中的文献资料，深入分析模糊控制和模糊预测控制的理论基础，挖掘优化算法的创新点。

2、数值仿真法：通过数学建模的方式，利用Matlab/Simulink等仿真软件，对算法的性能进行测试和验证。

基于自适应专家S面算法的微小型USV控制系统设计

58卷第2期（总第222期) 2017年6月中国造船SHIPBUILDING OF CHINAVol.58 No.2(Serial No. 222)Jun.2017文章编号：1000-4882 (2017) 02-0178-11基于自适应专家S面算法的微小型USV控制系统设计董早鹏n’2，万磊3,4,宋利飞口，茅云生1>2(1.高性能船舶技术教育部重点实验室（武汉理工大学），武汉430063;2.武汉理工大学交通学院，武汉430063;3.哈尔滨工程大学水下机器人技术重点实验室，哈尔滨150001;4.哈尔滨工程大学船舶工程学院，哈尔滨150001)摘要研究一类微小型水面无人艇（unmamied surface vessel, U S V)的运动控制系统设计问题，提出了一种自适应专家S面运动控制算法。

首先，基于S T M32-A R M核心板设计了一类微小型无人艇的运动控制系统，基于Labwindows/CVI软件开发了上位机监控系统；其次，充分融合专家系统和S面控制算法的优势，提出了一种自适应专家S面运动控制算法，用于微小型无人艇的航速和航向控制；最后以所研制的“神龙号”微小型无人艇为载体，通过大量的水池试验和外场试验，验证了所设计和开发的运动控制系统的有效性和可靠性；同时通过对比试验，体现出了所提出的自适应专家S面控制算法在无人艇航向和航速控制方面的优越性。

关键词：微小型水面无人艇；控制系统设计；自适应专家S面算法；航向控制；航速控制中图分类号：U664.82 文献标识码：A〇引言水面无人艇（unmanned surface vessel,U S V)，通常简称无人艇，顾名思义就是一种无人化的水面船舶，由于在海洋环境监测、水文地理勘察、海上巡逻与搜救、军事侦察、反潜作战等领域具有广阔的应用前景，近年来备受各国研宄人员关注[1_3]。

微小型无人艇（micro-U S V)是一种尺寸相对较小的无人化船舶，艇长通常在2 m以下；由于具有研发成本低廉、携带灵活方便、易于开展实验研宄等优点，目前已有不少学者展开了相关研宄工作。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

中图分类号：ＴＰ２４文献标志码：Ａ文章编号：１００６ — ７０４３（２０１４）０３ — ０２６７ — ０７
Ｆｕｚｚｙｐａｒａｍｅｔｅｒｓｅｌｆ－ｏｐｔｉｍｉｚｅｄＳｓｕｒｆａｃｅｃｏｎｔｒｏｌｌｅｒ
ｂａｓｅｄｏｎｔｈｅｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｗａｓｐｒｏｐｏｓｅｄ．Ｆｉｒｓｔｌｙ，ｔｈｅｎｏｎｌｉｎｅａｒａｕｔｏ — ｒｅｇｒｅｓｓｉｖｅｍｏｖｉｎｇａｖｅｒａｇｅ（ＮＡＲＭＡ）ｍｏｄ－
Ａｂｓｔｒａｃｔ：ＩｎｏｒｄｅｒｔｏｉｍｐｒｏｖｅｔｈｅａｄａｐｔａｂｉｌｉｔｙｏｆｔｈｅＳｓｕｒｆａｃｅｃｏｎｔｒｏｌｌｅｒ，ａｆｕｚｚｙｐａｒａｍｅｔｅｒｓｅｆｒ－ｏｐｔｉｍｉｚｅｄｍｅｔｈｏｄ
第３５卷第３期
２０１４年３月
Байду номын сангаас
哈
尔
滨
工
程
大
学
学
报
Ｖｏ１．３５№ －３
Ｍａｒ．２０１４
ＪｏｕｒｎａｌｏｆＨａｒｂｉｎＥｎｇｉｎｅｅｉｒｎｇＵｎｉｖｅｒｓｉｔｙ
基于预测模型的模糊参数自寻优Ｓ面控制器
何斌，万磊，姜大鹏，张国成＇
（１．哈尔滨工程大学船舶工程学院，黑龙江哈尔滨１５０００１；２．哈尔滨工程大学水下机器人技术重点实验室，黑龙江哈尔滨
１５０００１）
摘
要：为了提高Ｓ面控制器对环境的适应能力，提出一种基于预测模型的模糊参数自寻优方法。采用非线性自回归滑
ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００６ — ７０４３．２０１２１１０７８
网络出版地址：ｈｔｔｐ：／／ｗｗｗ．ｃｎｋｉ．ｎｅｔ／ｋｃｍｓ／ｄｅｔａｉｌ／２３．１３９０．Ｕ．２０１３１２１６．１０３７．００３．ｈｔｍｌ
ｃａｔｉｏｎ，ｔｗｏｉｍｐｒｏｖｅｍｅｎｔｓｗｅｒｅｍａｄｅ，ｉ．ｅ．ｓａｍｐｌｅｓｉｚｅａｎｄｍｏｄｅｌｓｔｒｕｃｔｕｒｅ，ｔｈｕｓｔｈｅＥｌｍａｎｎｅｔｗｏｒｋｃｏｕｌｄｒｅｐｌａｃｅ
ｅｌｗａｓａｄｏｐｔｅｄｔｏｄｅｓｃｒｉｂｅｔｈｅｄｙｎａｍｉｃｃｈａｒａｃｔｅｉｓｒｔｉｃｓｏｆｓｕｂｍｅｒｓｉｂｌｅｓ，ａｎｄｔｈｅｎｔｈｅｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｗａｓｅｓｔａｂ－ｌｉｓｈｅｄｂｙｉｄｅｎｔｉｆｙｉｎｇｔｈｅＮＡＲＭＡｍｏｄｅｌｕｓｉｎｇｔｈｅＥｌｍａｎｎｅｕｒａｌｎｅｔｗｏｒｋ．Ｆｏｒｔｈｅｒｅｑｕｉｒｅｍｅｎｔｏｆｔｈｅｏｎ — ｌｉｎｅｉｄｅｎｔｉｉｆ —
ｂａｓｅｄｏｎｔｈｅｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌ
ＨＥＢｉｎ，ＷＡＮＬｅｉ，ＪＩＡＮＧＤａｐｅｎｇ，ＺＨＡＮＧＧｕｏｃｈｅｎｇ，
（１．ＣｏｌｌｅｇｅｏｆＳｈｉｐｂｕｉｌｄｉｎｇＥｎｇｉｎｅｅｒｉｎｇ，ＨａｒｂｉｎＥｎｇｉｎｅｅｒｉｎｇＵｎｉｖｅｒｓｉｔｙ，Ｈａｒｂｉｎ１５０００１，Ｃｈｉｎａ；２．ＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙｏｎＵｎｄｅｒｗａ・ｔｅｒＶｅｈｉｃｌｅＬａｂｏｒａｔｏｒｙ，ＨａｒｂｉｎＥｎｇｉｎｅｅｒｉｎｇＵｎｉｖｅｒｓｉｔｙ，Ｈａｒｂｉｎ１５０００１，Ｃｈｉｎａ）
动平均模型对潜水器动力学特征进行描述，并使用Ｅｌｍａｎ神经网络进行模型辨识，从而建立了系统的预测模型。对于在线辨识需求，从样本容量和模型结构两个方面对预测模型进行了改进，改善了预测模型在时变环境下的预测能力。最后将建立的预测模型应用到基于模糊规则的参数自寻优ｓ面控制器中，并进行了仿真实验。实验结果表明：该参数自寻优方法在ｓ面控制器参数调整中取得较好的效果，改进后的ｓ面控制器具有较快的控制响应速度。关键词：潜水器；Ｓ面控制；参数自寻优；预测模型；模糊规则；模糊参数