摘要 | 第4-5页 |
abstract | 第5-6页 |
第一章 绪论 | 第10-17页 |
1.1 研究背景及意义 | 第10-11页 |
1.2 国内外研究现状 | 第11-15页 |
1.2.1 非线性预测控制算法的研究现状 | 第11-13页 |
1.2.2 模型预测控制算法快速性的研究现状 | 第13-14页 |
1.2.3 模糊模型的研究现状 | 第14-15页 |
1.3 本文主要内容 | 第15-17页 |
第二章 基础知识 | 第17-28页 |
2.1 模糊集 | 第17-18页 |
2.1.1 模糊集的定义 | 第17页 |
2.1.2 隶属函数 | 第17-18页 |
2.2 聚类 | 第18-20页 |
2.2.1 硬聚类 | 第19页 |
2.2.2 模糊聚类 | 第19-20页 |
2.3 聚类有效性评价 | 第20-22页 |
2.3.1 简介 | 第20-21页 |
2.3.2 FCM算法的聚类有效性函数 | 第21-22页 |
2.4 人工蜂群算法 | 第22-28页 |
2.4.1 背景 | 第22-23页 |
2.4.2 蜜蜂采蜜行为 | 第23-25页 |
2.4.3 算法原理 | 第25-26页 |
2.4.4 人工蜂群算法的特点 | 第26-28页 |
第三章 基于T-S模糊模型的非线性系统建模 | 第28-36页 |
3.1 T-S模糊模型结构 | 第28-29页 |
3.2 基于T-S模糊模型的建模过程 | 第29-32页 |
3.2.1 模型输入变量的选择 | 第29-30页 |
3.2.2 模糊空间的划分 | 第30页 |
3.2.3 参数辨识 | 第30-32页 |
3.3 基于FCM聚类算法的T-S模糊模型建模过程 | 第32-35页 |
3.3.1 FCM聚类算法划分模糊空间 | 第32-33页 |
3.3.2 最佳聚类数c的确定 | 第33-34页 |
3.3.3 隶属函数参数的辨识 | 第34页 |
3.3.4 递推最小二乘法辨识后件参数 | 第34页 |
3.3.5 辨识的具体步骤 | 第34-35页 |
3.4 本章小结 | 第35-36页 |
第四章 T-S模糊模型结构与聚类算法的改进 | 第36-54页 |
4.1 改进人工蜂群算法及其性能测试 | 第36-41页 |
4.1.1 改进人工蜂群算法 | 第36-38页 |
4.1.2 性能测试 | 第38-41页 |
4.2 基于改进人工蜂群算法的FCM聚类算法 | 第41-43页 |
4.2.1 算法介绍 | 第41-42页 |
4.2.2 仿真实例 | 第42-43页 |
4.3 改进的T-S模糊模型 | 第43-44页 |
4.4 仿真实例 | 第44-53页 |
4.4.1 仿真实例一 | 第44-46页 |
4.4.2 仿真实例二 | 第46-49页 |
4.4.3 仿真实例三 | 第49-53页 |
4.5 本章小结 | 第53-54页 |
第五章 线性系统的预测控制及其控制律的近似 | 第54-67页 |
5.1 预测控制基本原理 | 第54-55页 |
5.2 基于线性系统状态空间模型的预测控制 | 第55-60页 |
5.2.1 预测模型 | 第55-56页 |
5.2.2 无约束的预测控制 | 第56-58页 |
5.2.3 有约束的预测控制 | 第58-60页 |
5.3 二次规划问题求解 | 第60-63页 |
5.3.1 等式约束下的二次规划问题 | 第60-61页 |
5.3.2 不等式约束下的二次规划问题 | 第61-63页 |
5.4 线性系统预测控制律的近似 | 第63-66页 |
5.4.1 利用T-S模糊模型构建近似控制律 | 第63页 |
5.4.2 仿真实例 | 第63-66页 |
5.5 本章小结 | 第66-67页 |
第六章 基于T-S模糊状态方程模型的非线性系统预测控制 | 第67-79页 |
6.1 基于T-S模糊模型的预测控制的实现方式 | 第67-69页 |
6.2 基于T-S模糊状态方程模型的预测控制 | 第69-75页 |
6.2.1 预测控制系统的结构 | 第69页 |
6.2.2 T-S模糊状态方程模型的获取 | 第69-70页 |
6.2.3 预测控制算法的具体步骤 | 第70页 |
6.2.4 仿真实例 | 第70-75页 |
6.3 非线性预测控制律的近似 | 第75-78页 |
6.3.1 仿真实例 | 第76-78页 |
6.4 本章小结 | 第78-79页 |
总结与展望 | 第79-82页 |
参考文献 | 第82-87页 |
攻读硕士学位期间取得的学术成果 | 第87-88页 |
致谢 | 第88页 |