论文部分内容阅读
现代工业过程中的控制对象大都具有一定的非线性,将控制理论应用于非线性系统存在着许多困难,预测控制与智能控制的相结合是目前的研究热点。预测控制是一种基于模型的先进控制技术,具有对模型要求不高、动态控制效果较好等特点。T-S模糊模型拥有简单的模型结构和强大的非线性逼近能力,适用于建立非线性系统的近似数学模型。烟支重量控制系统是卷烟机组电气控制系统的重要组成部分,它对于卷烟机持续生产出合格重量的烟支、降低生产成本具有重要作用。本文针对非线系统预测控制研究了基于改进模糊C均值的建模方法,探讨了改进的模糊广义控制策略,并将其应用于烟支重量控制系统中。论文主要研究内容如下: (1)针对标准差分进化算法变异策略的选择,变异因子和交叉因子的调整以及局部搜索能力这三部分,研究了相应的改进方法,提出了一种动态双模式自适应差分进化算法。为了说明该改进算法的全局搜索能力和收敛速度优于基本DE算法,选取十个优化函数进行了测试。 (2)针对非线性系统的不确定性和复杂性,提出一种基于改进模糊C均值聚类的模糊建模方法。引入快速搜索密度峰聚类算法弥补模糊C均值聚类需要提前确定聚类数目和依赖初始值设定的缺点。由最小二乘法获得模糊模型初始参数后,使用本文改进的差分进化算法对模型的结构和参数进行整体优化,得到最终的T-S模糊模型。 (3)针对传统广义预测控制算法计算量过于庞大和经常出现超调的缺陷,引入了阶梯式策略和新型的滚动优化函数。针对广义预测控制算法难以应用于非线性系统,提出了基于T-S模糊模型的改进广义预测控制算法。并应用到烟支重量控制过程中,建立了烟支重量控制过程的模糊模型,仿真实验数据说明本文所提出的控制算法取得了较好的控制效果。