1.一种基于T-S模型的气动比例阀模糊滑模自适应控制方法，其特征在于，步骤为：
第一步、T-S模型结构辨识
设定时间窗宽度为l，以时间窗内第k个采集数据xk=PkP·kuk]]>作为判断模糊聚类中心的依据，每个模糊聚类代表一条模糊规则，Pk为气动比例阀的压力，为气动比例阀的压力变化率，uk为气动比例阀的控制量，xk的势能pk(xk)为：
pk(xk)=Σj=1kexp(-α||xk-xj||2)k≤lΣj=k-l+1kexp(-α||xk-xj||2)k>l,]]>α为给定参数，此时，时间窗内其他数据的势能更新为：
pk(xj)=pk-1(xj)+exp(-α||xj-xk||2)j=1,···k-1,k≤lpk-1(xj)+exp(-α||xj-xk||2)-exp(-α||xj-xk-l||2)j=k-l+1,···,k-1,k>l,]]>则结构辨识的具体步骤为：
步骤1.1、初始化
给定参数r，α，设时间窗内第一个历史数据x1为第一个模糊聚类的中心v1，其势能p1(x1)＝1，模糊聚类的数量m＝1，数据数量k＝k+1；
步骤1.2、滚动时间窗，计算势能
计算第k个采集数据的势能pk(xk)，更新时间窗内其他数据的势能，若k＞l且xk-l为第i个模糊聚类的中心，则从模糊聚类中心删除xk-l，即调整类序号，vq＝vq+1，q＝i，…，m-1，模糊聚类的数量m＝m-1；
步骤1.3、类中心的增加和替代
对于第i个采集数据xi，若有：
pk(xi)=max{pk(xj),j=1,···,k}k≤lmax{pk(xj),j=k-l+1,···,k}k>l,]]>判断xi是否为某个模糊聚类的中心，若是，则进入步骤1.4，若不是，设：
δmin＝min{exp(-α||xi-vj||)，j＝1，…，m}，设第j个模糊聚类的中心离xi最近，如果则xi替代vj，即有vk＝xi，否则增加xi为新的模糊聚类的中心，即有m＝m+1后，第m个模糊聚类的中心vm＝xi；
步骤1.4、删除类中心
对于距离最近的两个模糊聚类的中心vi和vj，设pk(vi)＜pk(vj)，计算式中：
dmin＝min{exp(-α||vi-vj||)，i＝1，…，m-1，j＝2，…，m}；
pmax＝max{pk(vq)，q＝1，…，m}；
若则删除类中心vi，即调整类序号vq＝vq+1，q＝i，…，m-1，类数量m＝m-1，否则，进入步骤1.5；
步骤1.5、k＝k+1返回步骤1.2，直至辨识结束；
第二步、采用最小二乘支持向量机辨识T-S模型参数；
第三步、基于辨识出的模型T-S模型设计模糊自适应控制器，对气动伺服系统进行控制，使得被控对象压力跟踪给定的参考信号，其步骤为：
步骤3.1、滑模面的选择
气动伺服系统全局系统状态方程为：式中，Ai及Bi为权重，u为控制量，x＝[x1 … xk]是系统状态，m是规则数，hi(x)是归一化隶属度函数hi(x)=μi(x)/Σi=1mμi(x),μi(x)=Πj=1kμij(xj),]]>μij(xi)表示xi属于Fij的隶属度函数；
将气动伺服系统全局系统状态方程表示成不确定形式，用其它剩余权值来表示任一权值，则有：
hi(x)=1-Σj=1(j≠i)mhj(x),]]>故有：
x·=(Ai+ΔAi)x+(Bi+ΔBi)u,]]>式中：
ΔAi=Σj=1(j≠i)mhj(x)(Aj-Ai)ΔBj=Σj=1(j≠i)mhj(x)(Bj-Bi);]]>
设气动伺服系统给定参考信号xr，令zr＝Txr，式中，T为转换矩阵，跟踪误差式中z＝Tx，将非奇异线性变换，以跟踪误差为状态变量的方程为：
z~·1z~·2=A~11A~12A~21A~22z~1z~2+A~11A~12A~21A~22z1rz2r+ΔA~11ΔA~12ΔA~21ΔA~22z1z2+0B21u+ΔB~11ΔB~21u+fufm,]]>其中的线性标称系统为：
z~·1z~·2=A~11A12~A~21A~22z~1z~2+0B21u,]]>气动伺服系统的滑模面针对该线性标称系统设计的，则滑模面为：
式中，C1和C2为滑模面参数，通过极点配置求解；
步骤3.2、将步骤3.1中的以跟踪误差为状态变量的方程看成是步骤3.1中的线性标称系统与其确定扰动和不确定扰动的组合，其中，
确定扰动为ΔA~11ΔA~12ΔA~21ΔA~22z1z2+A~11A~12A~21A~22z1rz2r+ΔB~11ΔB~21u;]]>
不确定扰动为fufm;]]>
针对标称系统、确定扰动、不确定扰动进行控制器设计，分别为ul、us1、us2，则有u＝ul+us1+us2，式中：
ul=-(C2B21)-1[C1(A~11z~1+A~12z~2)+C2(A~21z~1+A~22z~2)+ΦSr],]]>式中：
S·=-ΦSr,]]>
S·=C1(A~11z~1+A~12z~2)+C1(A~11z1r+A~12z2r+ΔA~11z1+ΔA~12z2+ΔB~11u+fu)+C2(A~21z~1+A~22z~2)+C2(A~21z1r+A~22z2r+ΔA~21z1+ΔA~22z2+ΔB~21u+B21u+fm),]]>
Φ＝diag(φ1，…，φq)，φi＞0，i＝1，…，q，Sr=S1r···SqrT,]]>r是一个小于1的常数，r＝c/p，c和p都是奇数，并且有：
STΦSr=Σi=1qφiSir+1≥mini(φi)[(Σi=1qSi2)(r+1)/2]=mini(φi)||S||r+1>0;]]>
us1＝-G-1H，式中：
G为可逆矩阵，G=(C1ΔB~11+C2ΔB~21+C2B21);]]>
H=C1(A~11z1r+A~12z2r+ΔA~11z1+ΔA~12z2+ΔB~11ul)+C2(A~21z1r+A~22z2r+ΔA~21z1+ΔA~22z2+ΔB~21ul);]]>
us2=G-1α1sgn(S1)F(S1/||S||)···αmsgn(Sm)F(Sm/||S||),]]>式中：
αi，i＝1，…，m，采用如下的自适应律：
δαi=0|Si|≤biδαi=-ηi∂STS·∂αi=-ηiSisgn(Si)F(Si/||S||))|Si|>bi,]]>式中，δαi表示αi增量，ηi是学习律，Si表示向量S的第i个变量，F(Si/||S||)表示隶属度函数Fj(Si/||S||)中模糊集正或负为非零的值。
2.如权利要求1所述的一种基于T-S模型的气动比例阀模糊滑模自适应控制方法，其特征在于：所述第二步包括：
步骤2.1、设气动伺服系统是2阶系统，并且令状态量为压力和压力变化率即：x=PP·T,]]>其连续模型为：对于规则i，如果P为Fi1，是Fi2，则有x·=Aix+Biu,i=1,2,···,m,]]>式中，Ai=01ai21ai22,Bi=0bi,]]>采样周期Ts＝0.01秒，令状态量为n时刻的压力和压力变化率xn=PnP·nT]]>对公式离散化有：对于规则i，如果Pn是Fi1，是Fi2，则有：
xn+1＝Adixn+Bdiun+Di，式中：
Adi=10.01wi1wi2,Bdi=0wi3,Di=cidi,]]>并且有：
wi1=0.01ai21wi2=1+0.01ai22wi3=0.01bi,]]>将状态量和控制量作为输入x=PnP·nun,]]>模型输出为n+1时刻的压力变化率这样对于规则i，有：
式中，wi＝[wi1 wi2 wi3]T，则整个系统输出为：
y=Σi=1mμi(wiTx+di);]]>
步骤2.2、将输入数据xj代入则有：
根据结构风险最小化原理，综合考虑函数复杂度和拟合误差，回归问题可以表示为约束优化问题：
minwi,b,c12Σi=1mwiTwi+C2Σj=k-l+1kej2s.t.ej=yj-Σi=1mμij(wiTxj+di),]]>为了求解上述优化问题，把约束优化问题转化成无约束的优化问题，构造拉格朗日方程：
L=12Σi=1mwiTwi+C2Σj=k-l+1kej2+Σj=k-l+1kαj[yj-Σi=1mμij(wiTxj+di)],]]>根据KKT条件有∂L∂wi=0→wi=Σj=k-l+1kαjμijxj∂L∂bi=0→Σj=k-l+1kαjμij=0∂L∂ej=0→αj=Cej∂L∂αj=0→Σi=1mμij(wiTxj+di)+ej-yj=0,]]>从该方程组中消去ej，wi，可得到：
0···0μ1,k-l+1···μ1,k··················0···0μm,k-l+1···μm,kμ1,k-l+1···μm,k-l+1Σi=1mμi,k-l+1μi,k-l+1Qk-l+1,k-l+1+1C···Σi=1mμi,kl+1μi,kQk,k-l+1··················μ1,k···μm,kΣi=1mμi,kμi,k-l+1Q,k-l+1,k···Σi=1mμi,kμi,kQk,k+1Cd1···dmαk-l+1···αk=0···0yk-l+1···yk,]]>式中：i＝1，…m，j＝k-l+1，…，k，可求出d1 … dm及αk-l+1 … αk，再带入到minwi,b,c12Σi=1mwiTwi+C2Σj=k-l+1kej2s.t.ej=yj-Σi=1mμij(wiTxj+di)]]>的第一式中，即可辨识出离散T-S模型参数，再通过wi1=0.01ai21wi2=1+0.01ai22wi3=0.01bi,]]>得出连续T-S模型x·=Aix+Biu]]>的参数。
