首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--自动控制理论论文

基于T-S模糊状态方程模型的非线性系统预测控制研究

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

论文共88页,点击 下载论文
上一篇:基于局部学习策略的改进独立元分析方法及其在多工况过程监控中的应用
下一篇:基于极限学习机的工业过程故障检测与诊断方法研究