非线性系统的多模型自适应控制

【摘要】：多模型自适应控制(MMAC)是解决非线性、变工况参数、不确定性等复杂问题的一种有效方法。多模型自适应控制引人注目的地方是:虽然MMAC 已有相当多的应用,但是忽略了理论上的指导作用,尤其没有从非线性控制方法的角度去对他加以研究,因而就缺少诸如能保持闭环系统具有 Lyapunov 稳定性的算法。所以,MMAC 在理论与应用之间存在差距。本课题在参阅大量国内外文献的基础上,主要研究了非线性系统的多模型自适应控制,并结合模糊、预测等智能控制方法来实现对大范围、强耦合非线性系统的控制。所得到的理论结果可表述如下: (1)研究了非线性系统的 MMAC 的可行性问题,在此基础上给出了非线性系统的多模型表示方法、前馈极点控制器的设计方法,最后将此方法应用于造纸工业中。 (2)在合理安排模型参考轨迹的基础上,给出了非线性切换多模型预测控制的切换思想。为了解决切换多模型预测控制的抖动问题,提出了加权多模型模糊预测控制。 (3)利用遗传算法的全局搜索特性,对非线性多模型控制过程进行优化。给出了 TS 模糊控制器的设计方法,并采用遗传算法对 TS 模糊控制的后项参数及隶属函数进行优化。研究了混沌系统的多模型控制,采用修改的遗传算法引导混沌轨道,在混沌轨道上设置一系列的控制器,由遗传算法产生一系列特定的“小扰动”,把系统控制到不动点上。