基于T-S模糊模型的船舶柴油機動態(tài)模型辯識研究.pdf

1、動態(tài)非線性系統(tǒng)的建模與辨識是自動控制中重要的領(lǐng)域之一，對于很多存在著不確定性和復雜性的實際系統(tǒng)來說，很難使用傳統(tǒng)的方法進行建模。而船舶動力系統(tǒng)就是一個船、機、槳配合工作的復雜系統(tǒng)，要實現(xiàn)船舶主機的控制，重要工作之一就是建立主柴油機的數(shù)學模型。但由于柴油機運行過程機理相當復雜，且系統(tǒng)具有非線性、時變性，這給用物理方法建模帶來了困難。 由于模糊系統(tǒng)中知識的抽取和表達比較方便，而且它可以任意精度逼近定義在緊集上的非線性函數(shù)，因此它在復

2、雜非線性系統(tǒng)的建模中顯示出優(yōu)越性。1985年Takagi與Sugeno提出了一種基于模糊規(guī)則的非線性系統(tǒng)模糊模型，其前提部分仍采用模糊變量，而結(jié)論部分是輸入變量的線性函數(shù)，它以局部線性化為基礎(chǔ)，通過模糊推理方法實現(xiàn)了全局的非線性。由于其結(jié)論采用線型方程描述的，因此便于用傳統(tǒng)的線性控制策略設(shè)計相關(guān)的控制器。利用T-S模糊模型可以有效地建立船用柴油主機的動態(tài)模型，進而實現(xiàn)對柴油機的實時控制。 本文首先對T-S模糊模型及其辨識算法進行

3、充分研究，并提出了一種基于測得的輸入輸出數(shù)據(jù)來建立非線性動態(tài)模糊模型的新方法。該方法將GK模糊聚類應(yīng)用在T-S模糊模型辨識中，使用模糊聚類大大簡化了T-S模糊規(guī)則及前提參數(shù)的生成。因此本文對前件辨識中用到的模糊聚類方法進行了研究，并對常用的聚類方法進行了比較。對文中提到的算法，均用MATLAB進行了仿真實現(xiàn)。 由于受現(xiàn)實條件限制，無法得到實際的測量數(shù)據(jù)，因此作者首先利用Matlab／Simulink建立了某船用柴油機動力系統(tǒng)仿真

4、機理模型，其機理模型主要是基于柴油機在穩(wěn)態(tài)運行后在小偏差工況擾動下對其工況變動的研究得來的。對機理模型所得數(shù)據(jù)利用T-S模糊模型辨識算法進行運算，并比較辨識模型與實際模型的差異，最后將所辨識的T-S模糊模型轉(zhuǎn)化為MATLAB自帶的模糊邏輯工具箱中通用的FIS結(jié)構(gòu)類型，以便模型的應(yīng)用和控制器的設(shè)計。目前，將T-S模糊模型用于柴油機動態(tài)建模，尚未見有文獻記述。本課題將理論研究與實際應(yīng)用相結(jié)合，并將先進的算法應(yīng)用到柴油機動態(tài)建模中，將會對航運