基于数据驱动的气动柔性关节Takagi-Sugeno模糊系统建模与预测控制

摘要：

针对气动柔性关节动态特性复杂、难以实现高精度控制的问题,提出一种基于Takagi-Sugeno(T-S)模糊系统的预测控制方法.首先,应用MBGD-RDA算法对T-S模糊系统进行离线训练,该算法结合了机器学习中的小批量梯度下降算法、正则化、Droprule和AdaBound算法.其次,基于模糊集相似性度量方法,对训练得到的T-S模糊系统的模糊集进行剪枝,对模糊规则进行合并,简化T-S模糊系统结构.最后,设计了基于T-S模糊系统的单层神经网络预测控制器.T-S模糊系统参数和预测控制器参数均能实现在线更新,且基于李雅普诺夫理论的稳定性分析保证了系统的稳定性.仿真结果验证了基于数据驱动的T-S模糊系统的高精度预测性能,且结构简化后的T-S模糊系统在规则数减少的情况下仍能维持较高的预测精度.实际实验中,所提控制方法最大跟踪误差小于3°,而传统的模糊逻辑控制器最大跟踪误差大于5°,这表明所提控制算法显著提升了对柔性关节的跟踪控制精度.

关键词：柔性关节、预测控制、数据驱动、模糊系统

所属期刊栏目：39

分类号：TP301.6;TP273.4;TP18

资助基金：国家自然科学基金;国家自然科学基金;辽宁省自然基金资助计划项目;国家重点研发计划

在线出版日期：2022-07-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：633-642