[发明专利]一种大时滞模糊控制方法

说明书

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。

技术领域

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。

发明内容

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。