模煳控制的理论基础3

,单击此处编辑母版标题样式,*,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,模糊控制,(4/10),3.,实例,倒单摆控制,1,自适应模糊控制系统,通常，对,MIMO,系统规则库的建立问题，有两种解决方法,:,一种是利用被控对象动态特性进行模糊模型在线辨识,;,一种是自学习方法。前者类似于传统的系统辨识和自适应控制策略，后者则更接近于自学习与智能型机构。 基于模型的模糊控制方法是用一组,if-then,语句,(T-S model),或关系方程,(Pedryez model),来表达输人输出变量之间的关系，在此模型基础上设计控制策略。与此相反，基于学习的模糊控制方法则是通过重复操作过程来模仿人的学习能力，因此可以不考虑被控对象的特性。,2,自适应模糊控制器的结构,人们对自适应控制的研究最初起源于,20,世纪,50,年代的航空航天问题。由于当时经典控制器难以适应高性能的飞机和火箭的姿态控制，需要有能自动地适应受控过程变化特性的更复杂控制器。,60,年代，现代控制理论的蓬勃发展为自适应控制理论的形成和发展创造了条件。,70,年代，由于空间技术、机器人控制和过程控制的需要，尤其是在微计算机技术的发展应用的推动下，自适应控制理沦和设计方法获得了迅速的发展，它已经成为现代控制理论中的一个十分重要的研究领域。,3,自适应控制器必须同时具备两个功能,:,(l),根据被控过程的运行状态给出合适的控制量，即控制功能,;,(2),根据给出的控制量的控制效果，对控制器的控制决策进一步改进，以获得更好的控制效果，即学习功能。,自适应控制器是同时执行系统辨识和控制任务,4,自适应控制逻辑图,有适应模糊控制技术的结构自适应模糊控制器是在简单模糊控制器的基础上，增加了三个功能模块而构成的一种模糊控制器,模糊化,E,控制量校正,性能检测,去,模,糊,系统过程,规则修改器,模糊推理器,推理规则,CE,5,模型参考自适应控制系统,MRAS,系统模型 参考自适应系统,(Model Reference Adaptive systems,，简称,MARS),是一类很重要的自适应控制系统。在,MRAS,中有一个参考模型，它描述被控对象的动态或表示一种理想的动态。这种控制方式是将被控过程输出与参考模型输出进行比较，并按偏差进行控制。,6,MRAS,系统参考模型,参考模型,模糊推理器,被控对象,推理规则,在,MRAS,中有一个参考模型，它描述被控对象的动态或表示一种理想的动态。这种控制方式是将被控过程输出与参考模型输出进行比较，并按偏差进行控制。,7,T-S,模型的模糊辨识方法,T,一,S,模糊模型,(Takagi,和,Sugeno),是一种本质非线性模型，宜于表达复杂系统的动态特性。该模糊模型的辨识算法通常包括前提结构的辨识、前提参数的辨识、结论结构和结论参数的辨识等内容。由于其结论是采用线性方程式描述的，因此便于采用传统的控制策略设计相关的控制器。,8,有,P,个输人、单个输出的,MISO,系统离散时间模型可以由,n,条模糊规则组成的集合来表示，其中第,i,条模糊规则的形式为,:,9,R,i,表示第,i,条模糊规则,; A,i,j,是模糊子集，其隶属函数中的参数称为前提参数,; y,i,是第,i,条模糊规则的输出,; P,i,j,是结论参数,;,u,1,(), ,u,p,(),是输人变量,; y(),是输出变量,;d,1,d,p,是纯滞后时间,;n,1,n,p,是有关变量的阶数。有关纯滞后时间,d,和阶数,n,可以采用类似于常规的辨识方法来确定。,10,本辨识算法中，模糊子集的隶属函数取分段直线组成的凸函数形式。假如给定一个广义输人向量,(x,1,x,2,x,m,),，那么由诸规则的输出,y,i,(i=1,2,.,n),的加权平均可求得输出,y,11,模糊辨识方法,前提结构辨识,前提参数辨识,结论参数辨识,性能指标计算,NO,停,12,五、模糊关系方程的解,建模辨识问题 （正问题） 已知给定的,A,和,B,，求关系矩阵,R;,系统控制问题（反问题） 已知需控制的目标,B,和关系矩阵,R,，,求控制输入,A,；,假设合成算子取极小值运算（,min),则为了求解方程,需要讨论一元一次方程和一元一次不等式方程,:,13,