基于T S 模型的模糊预测控制研究
提出一种基于T 2S 模型的模糊预测控制策略. 利用模糊聚类算法离线辨识T 2S 模型, 采用带遗忘因子的递推 最小二乘法进行模型参数的选择性在线学习; 对模糊模型在每一采样点进行线性化, 将T 2S 模型表示的非线性系统 转化为线性时变状态空间模型, 并将约束非线性优化问题转化为线性二次规划问题, 解决了非线性预测控制中如何 获得非线性模型和非线性优化在线求解的难题. 将预测域内的线性模型序列作为预测模型, 减小了模型误差, 提高了 控制性能. pH 中和过程的仿真验证了该方法的有效性.