网络环境下非线性互联大系统的模糊双曲建模和鲁棒控制研究

In this project, the complex nonlinear interconnected large-scale systems with self-learning fuzzy hyperbolic modeling strategy and the networked decentralized control method are investigated. The overall framework integrating multiple theories and technologies is established, which include networked control system, fuzzy modeling and control for nonlinear interconnected large-scale systems. Main research contents are given as follows: ① Considering uncertain, mutually exclusive and coupling redundant informations, dynamic self-learning fuzzy hyperbolic modeling (FHM) strategy and implement method based on intuitionistic uncertainty-rough sets reduction algorithm are proposed; ②Networked control policies with dynamic buffer and network compensation are designed. Simple and useful compensation strategy and implementation method for uncertain network factors are developed; ③ Considering characteristics of fuzzy interconnected large-scale systems, the relation of robust stability and networked control performance index is established, and new intelligent robust control thought is formed. Novel methods are proposed about FHM-based networked controller structure, control algorithms and its implement strategy to improve the control performance for fuzzy interconnected networked control systems; ④ For different failure features of sensors, actuators, and zero-order holds, independent and coordinate parallel control is designed, then active reliable robust control strategy is proposed, which is composed of the adaptive online fault accommodation and the dynamic FHM-based optimal control; ⑤ Under network environment, semi-physical simulation platform of distributed multi-machine power control system is developed.

本项目将研究复杂非线性互联大系统的自学习模糊双曲建模策略及其网络化鲁棒控制方法，拟建立融合网络控制、粗糙集约简、模糊建模与控制等理论的整体系统模型。主要研究内容如下：①考虑不确定、互斥和耦合冗余信息的影响，提出基于直觉不确定粗糙集约简算法的动态自学习模糊双曲模型(FHM)建模策略及实现方法；②设计带有动态缓冲器、网络补偿器的网络控制系统结构和简单实用的补偿网络不确定因素的策略和实施方案；③结合模糊互联大系统的特征，建立鲁棒稳定与网络控制性能指标的联系，形成新的智能鲁棒控制思想。在FHM-based的网络系统控制算法、算法性能及实现方法等方面，提出改善系统鲁棒性能的新方法；④针对传感器、执行器和零阶保持器的不同故障特点，设计独立协调的并行控制，实现在线自适应故障调节和动态FHM-based优化控制相结合的主动可靠鲁棒控制策略；⑤结合分布式多机电力系统的结构特征，开发其网络控制半实物仿真平台。

本项目致力于基于网络环境的复杂非线性互联大系统的动态自学习模糊双曲正切模型的建立、鲁棒控制与自适应故障调节策略研究，在非线性互联网络控制系统的建模与分析、网络控制与模糊控制结合等方面提出了创新性研究成果，促进控制科学与工程以及交叉学科理论的深入发展。.在本项目完成过程中，发表论文14篇（4篇为SCI检索，14篇为EI检索），申请或授权中国发明专利29项、国际发明专利3项，出版教材1本，获辽宁省自然科学成果奖学术著作一等奖，日内瓦发明展金奖，德国纽伦堡发明展金奖各1项，参加了3次国际会议，协助培养毕业硕、博士研究生11人。同时将获得的理论成果应用于电力工业生产实际，形成了具有自主知识产权的软硬件产品，取得了很好的经济和社会效益。.主要研究成果包括：①考虑系统存在不确定、互斥及耦合冗余信息时，采用直觉不确定粗糙集和神经网络算法，提出了自学习模糊双曲建模（FHM）方法。针对电力系统中受灾影响因素的模糊性、不确定性，应用该方法对智能电网受灾影响进行建模和评估，为电网应急决策提供科学依据。②在网络环境下研究了多类型模糊互联大系统的镇定与跟踪问题，给出了更实用的鲁棒性能指标，并基于此设计了多机电力互联系统气门开度的模糊鲁棒H∞控制器，得到了有效减少保守性和适应多类型时滞的新结果。③针对FHM-based网络控制系统存在时延、数据丢包、信号量化等情况，提出了不确定因素预先补偿和协调策略，使系统迅速适应不确定情况引起的跳变。针对带有不确定因素的光伏并网发电系统，构建了Delta算子离散化模糊模型，在LMI和多目标优化控制的框架下，设计了一种输入和输出量存在约束的动态网络化最优模糊控制器。④针对智能电力网络中测量装置失效引起的各类元件的不同故障特点，在相空间中找到匹配的FHM去逼近网络节点的动态特性，实现了非健全信息的综合态势预估和FHM-based主动可靠鲁棒自愈控制。⑤结合含多能源形式的分布式电源的电力系统的结构特征，构建了真实网络环境下的非线性互联大系统的FHM-based网络控制系统半实物仿真与综合控制平台。采用辽宁省大型城市电网的地理信息、营配调信息和其他行业系统等全景数据，并兼顾网络通信、系统建模和扰动，开展了网络环境下的FHM-based智能互联电力系统的建模、数据挖掘与鲁棒稳定控制方法研究及验证。