發(fā)布時間：2020-10-14 14:45

　　 由于實際的復(fù)雜工業(yè)過程常常具有強非線性、不確定性、多變量、強耦合以及工況變化頻繁等特點,很難建立其精確的數(shù)學(xué)模型描述,即使能夠建立其數(shù)學(xué)模型,也由于往往過于復(fù)雜,使得傳統(tǒng)控制難以達到理想的控制效果。扎德提出的模糊集合理論為不能用精確數(shù)學(xué)模型表達的復(fù)雜或病態(tài)系統(tǒng)提供了一種有效的建模方法。以系統(tǒng)的輸入和輸出量試驗數(shù)據(jù)為依據(jù),確定其模糊規(guī)則,建立系統(tǒng)的模糊模型。本文緊緊圍繞著非線性系統(tǒng)的模糊建模和辨識方法展開討論和研究。 首先,在非線性系統(tǒng)模糊建模過程中,由于存在噪聲干擾以及耦合等不確定因素使得通過采用模糊聚類獲得的描述模糊關(guān)系矩陣,其列間可能存在嚴重線性相關(guān)性,這樣必然存在一些冗余規(guī)則。如何找到這些規(guī)則,化簡規(guī)則,壓縮模糊模型的輸入空間是模糊建模的關(guān)鍵問題。本文根據(jù)目標函數(shù)選擇模糊模型的結(jié)構(gòu),提出了一種非線性系統(tǒng)模糊建模新方法,并通過定理證明了該方法的收斂性。 其次,將時域領(lǐng)域的H_∞辨識方法應(yīng)用于非線性系統(tǒng)的模糊建模中,使得由干擾到估計誤差的最大能量增益達到最小,并利用線性矩陣不等式方法求解辨識過程中未知的能量因子γ,克服了實際工程中γ的值通常要由經(jīng)驗值給出的不確定性或是由迭代算法給出的復(fù)雜性等缺點。 最后,采用模糊辨識方法對電站仿真器中的汽輪發(fā)電機密封油冷卻系統(tǒng)進行模糊建模,仿真及實驗結(jié)果表明本文提出的模糊建模方法能有效地建立非線性系統(tǒng)模型,模型具有較好的精確性。相對于其它建模方法而言,得到的模型具有可解釋性。
【學(xué)位單位】：大連理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2009
【中圖分類】：N945.14
【部分圖文】：

圖4.5FCM方法聚類結(jié)果Fig.4·5TheclusteringresultsbyFCM圖4.6刪減規(guī)則后的聚類中心Fig.4.6Theclusteringcentersafterrulesdeletion采用本章的方法對結(jié)論參數(shù)進行辨識。分別選取不同的初始參數(shù)幾，氏，進行分組實驗。，實驗一:在初始化幾=o.U，00一O，中。一0條件下，模型輸出與實際樣本間均方差為0.01〕_8，模糊模型與實際系統(tǒng)輸出擬和曲線和誤差曲線分別為圖4.7和4.8。值幅以旗糊摸型輸出曲線實際系統(tǒng)輸2040印的100120140160出曲線}180200廠||卜||卜||L|卜日日日日。6SJ，，d介山吸0幅值

基于模糊模型的魯棒辨識研究及應(yīng)用FCM模糊聚類方法進行聚類，選取規(guī)則數(shù)c=10。應(yīng)用第3章算法，經(jīng)過刪減規(guī)則后得到新的規(guī)則數(shù)c=3。圖4.5給出了FCM方法聚類結(jié)果以及圖4.6給出了刪減規(guī)則后的聚類中心。_☆介砂☆☆一 101234圖 4.5FCM方法聚類結(jié)果☆ ☆ ***森 森護、☆ ☆ *****☆ ☆☆Fig.4· 5TheclusteringresultsbyFCM圖4.6刪減規(guī)則后的聚類中心 Fig.4.6Theclusteringcentersafterrulesdeletion采用本章的方法對結(jié)論參數(shù)進行辨識。分別選取不同的初始參數(shù)幾，氏，進行分組實驗。，實驗一:在初始化幾=o.U，00一O，中。一0條件下，模型輸出與實際樣本間均方差為0.01〕_8，模糊模型與實際系統(tǒng)輸出擬和曲線和誤差曲線分別為圖4.7和4.8。值幅以旗糊摸型輸出曲線實際系統(tǒng)輸 2040印的 100120140160出曲線} 180200廠||卜||卜||L|卜日日日日。 6SJ，，d介山吸0幅值樣本數(shù)t.7模型與實際系統(tǒng)輸出擬和曲線 TheoutPutcurvesofthemodelandthesystem樣本數(shù)t圖4Fig.47圖4.Fig.4.88誤差曲線Thee廳 oreurve實驗二:在初始化幾一0.000U
【共引文獻】

相關(guān)碩士學(xué)位論文 前10條

1 余熠;基于SOC估計算法的電動汽車充電器設(shè)計[D];安徽工程大學(xué);2010年

2 吳香庭;基于遺傳算法的K-means聚類方法的研究[D];山東科技大學(xué);2010年

3 蔣靜;基于子空間的二階統(tǒng)計量盲信道辨識算法研究[D];鄭州大學(xué);2010年

4 趙金平;基于矩陣變換的MIMO-OFDM系統(tǒng)信號檢測[D];鄭州大學(xué);2010年

5 劉維巍;語音信號基音周期檢測算法研究[D];哈爾濱工程大學(xué);2010年

6 孫洪勝;基于方位角測量的無源定位算法研究[D];哈爾濱工程大學(xué);2010年

7 鞏俊;語音信號欠定盲源分離技術(shù)的研究[D];大連理工大學(xué);2010年

8 柳永娟;數(shù)字音頻真實性鑒定的研究[D];大連理工大學(xué);2010年

9 唐科威;基于洛倫茲流形的特征提取算法研究[D];大連理工大學(xué);2010年

10 王賢明;基于橢球集員估計理論的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法研究[D];長沙理工大學(xué);2010年

本文編號：2840806