Takagi-Sugeno模糊系统的若干控制问题研究

Takagi-Sugeno模糊系统的若干控制问题研究

论文摘要

随着科技的迅速发展,控制系统变得日益复杂,现如今的控制系统已由简单的,易于描述的,计算成本低的线性系统变成了复杂的,高成本的非线性系统,给系统的分析带来了很大的困难。而Takagi-Sugeno(T-S)模糊模型就可以很好地处理非线性系统。T-S模型以IF-THEN规则形式将非线性系统表示成一系列局部线性子系统的线性组合,通过隶属度函数将线性子系统连接起来,从而借用线性系统理论对模糊系统进行分析与控制,然而一型T-S模糊模型忽略了系统中的不确定因素,使用了确定的隶属函数,不能充分描述系统中的不确定性问题,为此,区间二型T-S模糊模型应运而生,通过利用上下界隶属度函数和相应的权重系数,系统中的不确定性得到很好地描述。另一方面,复杂的传输环境难免会导致诸多因素的发生,例如传感器故障,执行器故障,数据丢失,事件触发等等。结合上述问题,本文进行了如下的研究:第一章介绍了T-S模糊模型的背景和优点,事件触发机制以及不确定四分之一主动汽车悬架系统的研究意义。进而确定了本文研究的必要性和意义。同时也给出了本文要用到的技术和手段。第二章针对参数不确定的一类非线性离散系统,基于区间二型T-S模糊模型,建立非线性离散系统的区间二型模糊系统。并提出了较为一般的,与系统不共用相同隶属函数的模糊滤波器设计方法,提高了滤波器设计的灵活性。在此基础上,考虑了传感器会产生故障,引入了传感器故障模型来描述这一现象。提出了非线性离散系统的严格耗散滤波器设计条件,解决了在传感器发生故障的情形下如何设计区间二型模糊滤波器估计系统状态的问题,并验证了所提方法的有效性。第三章针对一类非线性网络化系统,基于一型T-S模糊模型,建立非线性网络化系统的模糊系统。考虑到部分状态不可测,采用动态输出反馈机制来控制网络化系统。考虑到资源的宝贵性和有限性,引入新颖的自适应事件触发机制来降低信号传输负担,节省传输资源。鉴于网络环境的复杂性及不稳定性,利用伯努利随机分布描述数据丢失现象以及建立执行器故障模型描述相应元件发生的故障。在此基础上,提出了自适应事件触发模糊动态输出反馈控制器的设计条件,解决了在状态不可测,数据丢失以及执行器发生故障的情况下如何设计模糊控制器控制网络化系统的问题,同时也解决了节省传输资源的问题。第四章针对一类参数不确定的四分之一主动汽车悬架系统,基于一型T-S模糊模型,建立非线性主动汽车悬架系统的模糊系统。考虑到传感器元件的老化以及长时间的使用,引入故障模型描述传感器发生的故障。鉴于人体最敏感范围为4Hz-8Hz,因此在该有限频域段内直接设计控制器,并构造出了模糊控制器模型。基于广义Kalman–Yakubovic–Popov引理推论,射影定理以及反射影定理,给出了在有限频域内,传感器发生故障的情形下模糊控制器的设计条件,解决了提升汽车驾驶舒适度以及相关的悬架性能需求的问题。

论文目录

  • 摘要
  • abstract
  • 1 绪论
  •   1.1 T-S模糊模型的研究意义及发展现状
  •   1.2 事件触发机制
  •   1.3 汽车悬架系统的研究意义
  •   1.4 本文的主要工作
  •   1.5 本文所要用到的引理
  •   1.6 主要符号
  • 2 基于严格耗散性能的非线性系统的可靠滤波器设计
  •   2.1 问题描述
  •   2.2 稳定性分析
  •   2.3 模糊滤波器设计
  •   2.4 仿真例子
  •   2.5 结论
  • 3 非线性网络化系统的模糊自适应事件触发动态输出控制
  •   3.1 问题描述
  •   3.2 稳定性分析
  •   3.3 模糊动态输出反馈控制器设计
  •   3.4 仿真例子
  •   3.5 结论
  • 4 不确定主动汽车悬架系统有限频域下的模糊控制
  •   4.1 问题描述
  •   4.2 悬架系统稳定性分析
  •   4.3 模糊控制器设计
  •   4.4 仿真例子
  •   4.5 结论
  • 总结与展望
  • 参考文献
  • 论文发表情况
  • 致谢
  • 文章来源

    类型: 硕士论文

    作者: 张振兴

    导师: 李鸿一

    关键词: 非线性系统,汽车悬架系统,模糊模型,滤波器设计,状态反馈,动态输出反馈

    来源: 渤海大学

    年度: 2019

    分类: 基础科学

    专业: 数学,数学

    单位: 渤海大学

    分类号: O159;O231

    总页数: 97

    文件大小: 4207K

    下载量: 133

    相关论文文献

    • [1].行波超声波电动机单输入Takagi-Sugeno模糊转速控制[J]. 微特电机 2017(01)
    • [2].基于Takagi-Sugeno型自适应模糊神经网络的模拟电路故障诊断[J]. 电子质量 2013(03)
    • [3].不确定性Takagi-Sugeno模糊系统的全局指数镇定(英文)[J]. 南京大学学报(数学半年刊) 2016(01)
    • [4].连续Takagi-Sugeno模糊系统的局部H_∞控制[J]. 自动化学报 2013(12)
    • [5].基于新松弛条件的连续时间Takagi-Sugeno模糊系统镇定设计(英文)[J]. Journal of Southeast University(English Edition) 2010(04)
    • [6].感应电机的Takagi-Sugeno型模糊状态观测器[J]. 西南交通大学学报 2010(02)
    • [7].Takagi-Sugeno模糊系统双正则联合稀疏建模新方法[J]. 计算机科学与探索 2019(06)
    • [8].基于Takagi-Sugeno模糊神经网络的电子差速控制系统[J]. 电机与控制应用 2017(03)
    • [9].基于Takagi-Sugeno模糊模型的超混沌系统自适应投影同步及参数辨识[J]. 物理学报 2009(06)
    • [10].改进模糊聚类在医疗卫生数据的Takagi-Sugeno模糊模型[J]. 南京大学学报(自然科学) 2020(02)
    • [11].基于Takagi-Sugeno型模糊系统软运算的优化[J]. 新疆大学学报(自然科学版) 2008(03)
    • [12].Takagi-Sugeno模糊控制系统稳定性的充要条件的逼近[J]. 重庆大学学报 2010(02)
    • [13].蝶形直线电机的模糊Takagi-Sugeno鲁棒控制[J]. 光学精密工程 2014(10)
    • [14].改进粒子群优化Takagi-Sugeno模糊径向基函数神经网络的非线性系统建模[J]. 计算机应用 2014(05)
    • [15].基于Takagi-Sugeno模糊模型的核反应堆功率积分控制系统[J]. 中国电机工程学报 2013(02)
    • [16].基于Takagi-Sugeno模糊模型的小型无人直升机系统辨识[J]. 上海交通大学学报 2008(05)
    • [17].基于降维观测器的Takagi-Sugeno模糊非线性系统的故障诊断[J]. 信息通信 2017(10)
    • [18].大型快锻液压机Takagi-Sugeno模糊系统设计[J]. 控制理论与应用 2013(08)
    • [19].基于Takagi-Sugeno模糊神经网络模型的卫星钟差预报方法[J]. 天文学报 2017(03)
    • [20].基于Takagi-Sugeno模型的磁流变半主动悬架控制[J]. 系统仿真学报 2013(05)
    • [21].Takagi-Sugeno模糊控制器仿真与稳定性分析[J]. 办公自动化 2008(14)
    • [22].Takagi-Sugeno型分层混合模糊-神经网络训练算法研究[J]. 北京师范大学学报(自然科学版) 2013(04)
    • [23].带有时变不确定性连续时间Takagi-Sugeno模糊系统的稳定性判据[J]. 吉林大学学报(理学版) 2013(03)
    • [24].时滞Takagi-Sugeno模糊广义系统鲁棒耗散控制[J]. 北京理工大学学报 2012(09)
    • [25].基于Takagi-Sugeno模糊神经网络的欠驱动无人艇直线航迹跟踪控制[J]. 仪器仪表学报 2015(04)
    • [26].基于Takagi-Sugeno模型的钢球磨煤机智能控制[J]. 热力发电 2009(03)
    • [27].随机协同分解PSO优化的Takagi-Sugeno模糊神经网络临床路径变异处理[J]. 上海交通大学学报 2010(08)
    • [28].蛋白质编码区的Takagi-Sugeno模糊模型辨识[J]. 计算机工程与应用 2009(26)
    • [29].基于Takagi-Sugeno模糊模型的电流跟踪型光伏并网逆变器[J]. 农业工程学报 2010(05)
    • [30].基于Takagi-Sugeno模糊模型的分数阶混沌系统的预测投影同步[J]. 信息与控制 2018(05)

    标签:;  ;  ;  ;  ;  ;  

    Takagi-Sugeno模糊系统的若干控制问题研究
    下载Doc文档

    猜你喜欢