[发明专利]基于时间序列的多模型自适应控制器及控制方法

权利要求书

1.一种基于时间序列的多模型自适应控制器，其特征在于，该控制器主要由多模型集、切换机构和控制器三部分组成，其中，多模型集用来对系统进行逼近，对系统的参数及工作点的变化进行辨识，切换机构用来在多模型集中选择一个与被控对象最为接近的模型，以实现对被控对象的精确辨识，控制器是由切换机构选出的最优模型设计而来，实现对系统的最优控制。

2.根据权利要求1所述的多模型自适应控制器，其特征在于，所述的多模型集包括若干个线性局部模型，一个线性局部加权模型以及两个全局自适应模型。

3.根据权利要求2所述的多模型自适应控制器，其特征在于，所述的若干个局部线性模型是由模糊核聚类自适应算法对系统数据进行聚类处理，将系统数据按照聚类隶属度划分成若干个子集，再对各个子集利用递推最小二乘法建立局部线性模型。

4.根据权利要求2所述的多模型自适应控制器，其特征在于，所述的线性局部加权模型是由分析系统数据时间和空间的关系，由系统的时间序列和方向导数共同预测系统工作点变化趋势，寻找到的两个局部线性模型加权得到的。

5.根据权利要求4所述的多模型自适应控制器，其特征在于，所述的两个局部线性模型是在每一个采样时刻，将新获得的系统输入输出数据根据其与各聚类中心的距离分类到最近的聚类中去，利用系统数据的时间序列及新数据点到其它聚类中心的方向导数来判断系统工作点的变化趋势，得到新数据点所在的聚类局部模型与趋势聚类局部模型。

6.根据权利要求3所述的自适应控制器，其特征在于，所述的两个全局自适应模型的其中一个是自由的全局自适应模型，另一个是可重新赋值的自适应模型，即在每一次系统模型发生切换时，如果切换到一个局部模型或是自由的自适应模型上时，则用其参数值初始化可重新赋值的自适应模型的参数。

7.根据权利要求1所述的多模型自适应控制器，其特征在于，所述的切换机构包括一个预先定义的性能指标，在每一个采样时刻，计算各个模型的性能指标值，由切换机构选出性能指标值最小的模型作为最优模型。

8.一种基于时间序列的多模型自适应控制方法，其特征在于，用于设计权利要求1至7中任一所述的多模型自适应控制器，该控制方法所包含的步骤如下：

S1：用KFCMA算法对先验数据聚类，得聚类数c；

S2：根据RLS方法对各类建立局部模型；

S3：初始化两个全局自适应模型；

S4：寻找局部模型M_k和M_h，计算α₁,α₂，得到线性加权模型；

S5：各模型的性能指标选择性能指标的值较小的模型；

S6：设计控制器产生控制输入u(t)；

S7：在每个采样周期重复S4-S6。