基于灰色模型的改进预测控制

发布时间：2020-04-25 13:38

【摘要】：灰色预测控制是以灰色动态模型为基础，对少数据、贫信息的系统进行有效控制的方法之一。本文在改进灰色动态模型的基础上，综合模糊控制、免疫PID方法，提出了新的灰色预测控制方法，主要研究的成果如下： (1)经常会由于冲击扰动的干扰使得灰色预测模型失去应有的效果，如何利用缓冲算子排除系统行为数据所受的冲击扰动、还原数据本来的面目是应用灰色预测模型的一个前提条件。本文基于“新信息优先利用”原理和“时间序列的平均发展速度”的思想提出了一类新的缓冲算子，并将变权的思想引入缓冲算子的构造中，采用遗传算法对权值进行寻优，同时通过实例来说明新构造算子的实用性。 (2)研究发现，模型的背景值及模型的初值是影响灰色GM(1,1)预测模型精度的两个主要因素。本文对GM(1,1)模型的背景值和初值同时进行优化，提出了一种新的GM(1,1)模型优化方法，算例证明优化后模型的模拟和预测精度有显著提高。 (3)针对离散灰色模型DGM(1,1)对波动序列进行模拟、预测时通常存在较大误差的问题，本文提出了一种利用时间序数对等间距时序修正的方法，，结果表明，提出的改进DGM(1,1)模型能够适应于有较大波动的原始数据序列的建模，具有一定的实用性和可靠性。 (4)本文提出了一种基于DGM(1,1)模型的带智能积分灰色模糊预测控制算法。根据当前时刻的误差和误差变化量将系统响应划分为若干个控制区域,不同区域预测步长不同。为了提高FUZZY控制器的稳态性能，加入了智能积分控制作用，并且将FUZZY控制、GREY预测的长处综合在一起用于控制系统。该算法综合了模糊控制、灰色预测的优点,仿真结果表明该算法无静差、超调小、响应快、稳态精度高。 (5)本文提出了一种基于改进GM(1,1)灰色预测模糊免疫PID控制器，通过背景值和初值同时优化的灰色GM(1,1)模型作为预测模型，提高了预测精度。有效地将灰色预测与模糊免疫PID控制相结合，仿真结果证明,提出的方法具有较好的控制品质,能有效地克服了误差及干扰等不确定因素所带来的影响.
【图文】：

图 4.1 带智能积分模糊预测控制 基于迭代初值修正的优化 DGM(1,1)预测模型离散灰色模型即 DGM(1,1)模型可以看成是 GM(1,1)模型的精确形式，并且因为其展系数和原始序列没有非负限制的优点，故本节利用优化的 DGM(1,1)模型作为。假使原始数据为：(0) (0) (0) (0)Y ={ y (1), y (2), , y ( n)}中(0)y ( k ) > 0，k=1,2…n.原始数据作一次累加：(1) (1) (1) (1)Y ={ y (1), y (2), , y ( n)}

此本文采用三角形作为模糊控制器输入、输出的隶属函数形状。预测误误差和控制量的量化等级都分为 7 级，模糊系统的隶属度函数如图所示出变量向模糊语言变量的转变。图 4.2e ( k )和 Δe ( k)的隶属度函数
【学位授予单位】：浙江理工大学
【学位级别】：硕士
【学位授予年份】：2012
【分类号】：N941.5;O242.1;O231

【参考文献】

相关期刊论文 前10条

1 邵克勇;张永华;范欣;刘博;;基于神经网络补偿的纯滞后系统控制研究[J];长江大学学报(自然科学版)理工卷;2009年04期

2 胡荣;庄琼剑;朱兰;符杨;;改进的离散灰色模型在中长期负荷预测中的应用[J];电力科学与技术学报;2009年04期

3 邓聚龙;灰色预测控制器[J];大自然探索;1986年04期

4 姚向东,张立军;灰色预测控制的设计及其应用[J];电子与自动化;1998年04期

5 罗党,刘思峰,党耀国;灰色模型GM(1,1)优化[J];中国工程科学;2003年08期

6 王正新;党耀国;刘思峰;;变权缓冲算子及缓冲算子公理的补充[J];系统工程;2009年01期

7 张庆;刘思峰;王正新;党耀国;;几何变权缓冲算子及其作用强度研究[J];系统工程;2009年10期

8 文定都;;针对纯滞后系统的RBF神经网络智能控制的研究[J];工业仪表与自动化装置;2008年02期

9 刘思峰;冲击扰动系统预测陷阱与缓冲算子[J];华中理工大学学报;1997年01期

10 李军亮;肖新平;;基于粒子群算法的GM(1，1)幂模型及应用[J];计算机工程与应用;2008年32期

本文编号：2640312