一种大时滞模糊控制方法与流程

本发明涉及一种大时滞模糊控制方法。

背景技术：

现有技术中采用模糊控制的大时滞系统，常采用神经网络模糊控制或基于l-k泛函的t-s模糊控制，虽然能实现非线性控制，且从数学算法上而言稳定性有保障，而基于模糊模型辨识能解决自动构建模糊模型，但是在实际的控制系统设计中，基于输入输出数据构建模糊模型、利用l-k泛函对模糊模型进行分析，需要在构建模糊模型之前就具备足够多的数据，一旦模糊模型投入使用，则只能在预期范围内适当调整，而无法确保系统在控制环境变化时自动构建新的模糊模型，这极大的限制了模糊模型辨识构建模糊模型的应用范围。

技术实现要素：

为解决上述技术问题，本发明提供了一种大时滞模糊控制方法，该大时滞模糊控制方法通过融入计算结果误差的步骤，将模糊模型辨识过程和正常模糊控制过程有效结合，能够使控制系统在遇到控制环境变化时自动调整模糊模型。

本发明通过以下技术方案得以实现。

本发明提供的一种大时滞模糊控制方法，包括如下步骤：

a、控制信息输入：系统接收控制对象的状态数据；

b、判断异常：根据状态数据判断是否处于异常状态，如是则跳过步骤c；

c、分段缓存执行：将状态数据按照预设范围分为段内和段外两个部分，将段内部分置入下一步骤执行，将段外部分叠加至下一时序的状态数据中，如该步骤跳过则放弃所有历史数据中的段外部分数据；

d、模糊控制：采用t-s模糊模型进行模糊控制，得到模糊控制输出；

e、计算结果误差：根据状态数据和模糊控制输出，基于分析模型计算控制误差；

f、判断误差：根据控制误差判断是否超出预设的正常范围，超出则进入下一步骤，未超出则进入步骤i；

g、模糊模型辨识：根据状态数据和模糊控制输出，基于控制对象逆模型计算控制偏差值；

h、更新模糊模型：基于控制偏差值，采用离散t-s模糊辨识的方式对t-s模糊模型中的模糊控制规则进行更新，如缓存中没有对应的模糊控制规则，则在缓存中新建一条初始模糊控制规则进行更新；

i、修正输出：将模糊控制输出发送至控制对象，同时将状态数据和模糊控制输出存入历史数据缓存中，并根据状态数据和模糊控制输出对控制对象逆模型进行更新。

所述步骤f中，判断完成后还根据当前时序的状态数据对步骤b中判断是否处于异常状态的判断参量进行更新。

所述步骤b中，判断是否处于异常状态是以判断参量作为阈值进行条件判断。

所述t-s模糊模型为离散t-s模糊模型。

所述分析模型采用lyapunov-krasovskii泛函构建。

所述lyapunov-krasovskii泛函为基于权值误差的四重积分型增广lyapunov-krasovskii泛函。

所述t-s模糊模型的输出概率密度函数采用线性b样条逼近。

本发明的有益效果在于：通过融入计算结果误差的步骤，将模糊模型辨识过程和正常模糊控制过程有效结合，能够使控制系统在遇到控制环境变化时自动调整模糊模型，从而使模糊控制系统能够适应更复杂的环境，通用性显著提高，进而极大的扩展模糊模型辨识构建模糊模型的应用范围。

附图说明

图1是本发明的流程示意图；

图2是本发明的一种实施应用的系统连接示意图。

具体实施方式

下面进一步描述本发明的技术方案，但要求保护的范围并不局限于所述。

如图1所示的一种大时滞模糊控制方法，包括如下步骤：

a、控制信息输入：系统接收控制对象的状态数据；

b、判断异常：根据状态数据判断是否处于异常状态，如是则跳过步骤c；

c、分段缓存执行：将状态数据按照预设范围分为段内和段外两个部分，将段内部分置入下一步骤执行，将段外部分叠加至下一时序的状态数据中，如该步骤跳过则放弃所有历史数据中的段外部分数据；

d、模糊控制：采用t-s模糊模型进行模糊控制，得到模糊控制输出；

e、计算结果误差：根据状态数据和模糊控制输出，基于分析模型计算控制误差；

f、判断误差：根据控制误差判断是否超出预设的正常范围，超出则进入下一步骤，未超出则进入步骤i；

g、模糊模型辨识：根据状态数据和模糊控制输出，基于控制对象逆模型计算控制偏差值；

h、更新模糊模型：基于控制偏差值，采用离散t-s模糊辨识的方式对t-s模糊模型中的模糊控制规则进行更新，如缓存中没有对应的模糊控制规则，则在缓存中新建一条初始模糊控制规则进行更新；

i、修正输出：将模糊控制输出发送至控制对象，同时将状态数据和模糊控制输出存入历史数据缓存中，并根据状态数据和模糊控制输出对控制对象逆模型进行更新。

所述步骤f中，判断完成后还根据当前时序的状态数据对步骤b中判断是否处于异常状态的判断参量进行更新。

所述步骤b中，判断是否处于异常状态是以判断参量作为阈值进行条件判断。

所述t-s模糊模型为离散t-s模糊模型。

所述分析模型采用lyapunov-krasovskii泛函构建。

所述lyapunov-krasovskii泛函为基于权值误差的四重积分型增广lyapunov-krasovskii泛函。

所述t-s模糊模型的输出概率密度函数采用线性b样条逼近。

如图2所示为本发明实际应用的一种模糊控制系统，该模糊控制系统包括预控制器、模糊控制器、系统辨识模块、结果修正模块、模糊模型辨识模块；所述预控制器输出接至模糊控制器和系统辨识模块，所述模糊控制器输出接至结果修正模块和系统辨识模块，所述系统辨识模块输出接至结果修正模块和模糊模型辨识模块，所述结果修正模块输出接至控制对象，所述模糊模型辨识模块输出接至模块控制器。

基于本发明提供的方案，该模糊控制系统能实现有三种工作状态：

1、正常状态：控制环境在预期范围内，预控制器接收的状态信息没有异常，系统辨识模块计算得到的控制偏差也小于阈值，此时模糊模型辨识模块和模型修正模块不工作，系统整体以模糊控制器和结果修正模块为核心实现控制；

2、调整状态：控制环境有变化，但变化程度不大，预控制器接收的状态信息没有异常，但系统辨识模块计算得到的控制偏差也大于阈值，此时模糊模型辨识模块和模型修正模块进入工作状态，对模糊控制器的模糊模型参数进行修正，系统整体依然以模糊控制器和结果修正模块为核心实现控制；

3、构建状态：控制环境有巨大变化，预控制器接收的状态信息异常，此时系统辨识模块不需要计算控制偏差，系统整体以模糊模型辨识模块和模型修正模块为核心，构建新的模糊模型，此时模糊控制器在收到新的模糊模型之前以原有的模糊模型进行控制，但由于系统辨识模块不计算控制偏差，因此模糊控制的过程实质上是相对稳定的，便于构建新的模糊模型。

技术特征：

技术总结
本发明提供了一种大时滞模糊控制方法，包括如下步骤：a、控制信息输入；b、判断异常；c、分段缓存执行；d、模糊控制；e、计算结果误差；f、判断误差；g、模糊模型辨识；h、更新模糊模型；i、修正输出。本发明通过融入计算结果误差的步骤，将模糊模型辨识过程和正常模糊控制过程有效结合，能够使控制系统在遇到控制环境变化时自动调整模糊模型，从而使模糊控制系统能够适应更复杂的环境，通用性显著提高，进而极大的扩展模糊模型辨识构建模糊模型的应用范围。

技术研发人员：黄孝平;文芳一;黄文哲;黄丽军
受保护的技术使用者：南宁学院
技术研发日：2019.06.12
技术公布日：2019.08.30