混杂系统模糊切换多模型建模及Lyapunov稳定控制

来源 :第23届过程控制会议 | 被引量 : 0次 | 上传用户:aerostock
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
  多模型系统采用多个局部模型共同描述系统动态行为,局部模型依据设定的模糊规则进行切换。采用并行分布式补偿方法设计基于局部模型的局部控制器,局部控制器与局部模型共享相同的切换规则。证明了全局系统开环及闭环Lyapunov稳定性条件。 在保证该条件成立的对称正定矩阵存在时,能够获得全局稳定的切换序列。与滑模变结构控制的仿真对比试验表明所提出的建模及控制方法具有更好的全局收敛速度。
其他文献
Based on an equivalent two-dimensional (2D) Fornasini-Marchsini (2D-FM) model description of a batch process in industry, a closed-loop robust iterative learning fault-tolerant guaranteed cost control
分别在Ar+xH2x=0,20%,30%,40%)气氛下,用等离子体电弧放电法蒸发纯Mg制备了Mg纳米粉。采用XRD、TEM、PCT等测试手段研究了Mg纳米粉体充氢前后的相组成、形貌和吸放氢性能。结果表明:在Ar+H2气氛下制备Mg纳米粉的产率要远远高于纯Ar气氛下的产率;在4中不同气氛条件下制备的Mg纳米粉体的主相是Mg,并含有少量MgO,粒子形貌呈规则的六方形,平均粒度为150nm左右;在40
海水中藻类的繁殖生长状况对海洋生态环境影响很大,动态监测海水中藻类的繁殖生长状态对预测海水富营养化等海洋环境灾害具有重要意义。藻类的繁殖生长状态很难用一种传感器在线、实时地直接测量出来。影响藻类生长的环境理化因子众多,这些环境因子之间又相互作用,海洋生态环境是一个高度复杂的非线性系统,很难用传统的机理建模方法来描述。本文用T-S模糊神经网络描述这种复杂的非线性系统,通过构造软传感器,来测量藻类的繁
Batch processes usually consist of multiple phases with different characteristics. Many research works have been done, focusing on process monitoring as well as quality prediction using phase informat
非线性多速率系统辨识与建模是工业中常见的一类重要问题。本文提出了一种改进的自适应粒子群算法(MAPSO),结合输出误差方法,以在非线性系统中最有代表性的模块化模型Hammerstein双速率系统为研究对象进行了辨识,并与其他非线性辨识算法进行了比较。研究结果证明了此方法的有效性。
以聚氯乙烯(PVC)聚合生产过程中的氯乙烯(VCM)转化速率为预测对象,提出一种基于回声状态网络(ESN)的软测量建模方法。通过对PVC聚合工艺的分析选取了软测量模型的辅助变量,并采用核主元分析方法(KPCA)对高维输入向量进行降维;人工鱼群算法(AFSA)被用来优化回声状态网络的结构参数,实现软测量模型输入输出变量之间的非线性映射。仿真结果表明该模型能够显著提高PVC聚合过程中经济技术指标的预测
车辆路径问题(VRP)是一个经典的NP-hard组合优化问题,采用传统的数学方法求解往往找不到正确的解。首先在分析现有求解该问题的蚁群算法的基础上,使用蚁群算法求出局部最优解,然后利用遗传算法进一步优化局部最优解。实验结果显示,该算法可以快速高效地找到最优解,同时避免了基本蚁群算法的过早收敛这一缺陷。
循环流化床锅炉在火力发电中有着广泛的应用。随着节能减排的提出,在保证输出蒸汽质量的同时减少煤耗成为了广泛的议题。本文针对循环流化床锅炉的工业性能范围指标,使用将RTO和DMC结合起来的方法,将滚动优化控制中添加实时优化的性能指标同时将单一设定值转化为设定裕量这一方法完成了对循环流化床锅炉的节煤优化控制。通过对四川某电厂150t/h锅炉的仿真,RTO/DMC方法同单纯使用有约束DMC控制相比,节煤效
This paper considers dealing with path constraints within the framework of the improved control vector iteration (CVI) approach, for nonlinear dynamic optimization problems. Two available ways for enf
高炉炉温主要包含炉喉(十字测温点)温度、炉墙温度和炉内铁水温度三个方面,其中十字测温点温度能够反映高炉内煤气的分布情况,对高炉高产顺行有显著影响。针对目前没有准确的十字测温点温度机理模型的问题,本文采用基于最小二乘支持向量机(LS-SVM)的数据驱动方法来建立十字测温点温度模型。建模的步骤:1)通过对数据的相关性分析,选择与十字测温相关的输入和测量变量;2)用改进的智能优化算法(粒子群算法)来优化