论文部分内容阅读
随着科学技术的迅猛发展,被控对象或过程在结构、规模上变的复杂化、大型化。这就难以获得系统精确的数学模型。即使对一些复杂对象能够建立其数学模型,其模型也往往过于复杂,使得基于精确数学模型的传统的控制方法的分析设计、实施变得非常困难。第三代基于知识和不依赖于精确数学模型的智能控制给这类问题的解决带来新的思路。模糊控制和神经网络控制是智能控制的两大分支。本课题是研究复杂非线性系统的智能控制问题。 稳定性是控制系统设计巾最重要的指标之一。对于模糊控制系统,稳定性分析比较困难,这是由于这些系统本质上是非线性的。目前,较多的是针对T-S模糊模型,利用Lyapunov稳定性理论、线性不确定系统理论等来研究模糊系统的稳定性问题。本文在此基础上完成了以下工作。 首先,论文完成了一大类非线性离散系统模糊控制器和观测器的设计。将模糊系统按规则的隶属度函数划分为多个子空间。在每个子空间上,模糊系统等效为包含确定部分的不确定线性系统。针对确定部分,采用常规的状态反馈和极点配置技术设计状态反馈控制器。针对不确定部分设计状态反馈线性监督控制器。 其次,完成一种新型模糊控制器的设计,并将该方法应用于混沌系统。首先建立混沌系统的局部模糊动态模型,然后分别进行了局部模糊控制器和观测器的设计。利用分段Lyapunov函数法对闭环系统的稳定性问题进行了分析。该方法无须寻找公共正定矩阵P,减小了设计的保守性。从而为混沌系统的控制问题提出了新的思路和方法。 再次,基于T-S模糊动态模型,采用模糊模型相除补偿(CDF)的方案,基于线性矩阵不等式(LMI)设计了比采用传统PDC方案保守性更小的稳定模糊控制器。使该新型模糊控制器的设计具有实际应用价值。 最后,利用混沌所具有的全局搜索特性,将混沌机制引入神经网络的训练中,完成引入混沌神经网络模型参考自适应控制器的设计与分析,从而完成了一大类未知、不确定、时变复杂非线性离散系统的控制问题。基于混沌机制的神经网络模型参考自适应控制比采用传统BP算法的神经网络模型参考自适应控制速度更快,误差更小,从而增加了系统的是实时行和准确性。此类系统由于采用在线辨识与控制策略,所以具有更强的鲁棒 燕山大学工学硕士学位论文性,自适应性。