基于ANFIS的一类复杂工业过程的基于非线性建模的非模型动力学补偿的非线性解耦控制

复杂的工业过程是多变量的,并且通常在其控制回路之间表现出强耦合性,并具有严重的非线性特性。 这些使得很难获得准确的模型。 结果,难以应用常规的和数据驱动的控制方法。 以一双油箱控制系统为例,针对一类复杂的工业过程,提出了一种基于自适应神经模糊推理系统(ANFIS)的非建模动态(UD)补偿的多变量解耦控制算法。 首先,介绍了具有UD补偿的非线性多变量解耦控制器。 与现有方法不同,采用了利用ANFIS的分解估计算法对UD进行估计,达到了预期的估计和解耦控制效果。 其次,所提出的方法不需要在文献中通常使用的复杂的切换机制。 这显着简化了获得的解耦算法及其实现。 第三,基于一些新的引理和定理,分析了闭环系统的稳定性和收敛性的条件,表明所有变量的一致界。 随后,对重耦合非线性双缸系统的实验测试进行了总结,证明了所提方法的有效性和实用性。