基于模糊聚类技术的TS模糊模型建模及其在无人机云台控制中的应用研究

论文摘要

无人机低空遥感技术是一种新兴的遥感手段,目前已被广泛地应用于土地环境监测、灾害救助等多个领域中。在无人低空遥感系统中,图像采集设备一般装载在三轴稳定云台,在拍摄过程中云台的稳定性将直接影响数据采集的质量。因此,如何开发高效的云台稳定控制技术,已逐渐成为低空遥感领域的研究热点。基于上述原因,本文以模糊集理论为工具,对TS模糊控制系统和无人机云台控制策略开展了深入的研究。主要工作如下：1、提出了一种基于模糊聚类技术的TS模型辨识方法。该方法采用改进的山峰聚类算法得到模糊规则的数目,采用FCRM聚类算法得到最优的模糊划分和系统参数初始值,最后采用梯度下降法来精确地调整系统的前件参数值和后件参数值。通过仿真实验表明,本文提出的建模方法能有效解决模糊系统设计中的TS型模糊系统辨识问题。与其它模糊建模方法相比,本文提出的方法不需要预先制定模型的规则数,能够通过一次计算得到模糊规则的数目并使得计算量减小,辨识模糊精度得到了有效提高。2、针对无人机云台控制的特点,提出了一种基于TS与常规PID的混合模糊控制器。该混合模糊控制器将TS模糊控制器和PID模糊控制器相结合来实现云台的理想控制,其中TS模糊控制器完成PID控制器参数的自我调整。仿真实验也说明此混合模糊控制器具有较快的响应速度。特别是当云台控制系统的参数和结构发生变化时,本文提出的混合方法有更强的适应性。

论文目录

• 中文摘要
• Abstract
• 第一章 绪论
• 1.1 课题研究背景与意义
• 1.2 国内外研究现状
• 1.2.1 无人机云台控制现状
• 1.2.2 模糊控制研究现状
• 1.3 本文的主要工作
• 1.4 本文的组织结构
• 第二章 模糊系统和模糊聚类算法概述
• 2.1 模糊集合的运算与模糊规则
• 2.1.1 模糊集合与隶属函数
• 2.1.2 模糊集合运算
• 2.1.3 模糊IF-THEN规则
• 2.2 模糊聚类算法
• 2.2.1 模糊C均值聚类
• 2.2.2 山峰聚类算法
• 2.2.3 减法聚类算法
• 2.3 模糊系统
• 2.3.1 纯模糊系统
• 2.3.2 具有模糊器和解模糊器的模糊系统
• 2.3.3 Takagi-Sugeno型模糊系统
• 2.4 本章小结
• 第三章 基于模糊聚类的TS模型辨识算法
• 3.1 引言
• 3.2 基于模糊聚类技术的TS模糊模型辨识算法
• 3.2.1 采用改进的山峰聚类算法确定模糊规则数目
• 3.2.2 采用FCRM聚类算法获取最优的划分矩阵
• 3.2.3 根据最优的划分矩阵计算参数的初始值
• 3.2.4 采用梯度下降法对参数进行精确优化
• 3.3 仿真实验
• 3.3.1 Box-Jenkins数据集
• 3.3.2 非线性函数
• 3.4 小结
• 第四章 TS模糊控制器在无人机云台控制中的应用研究
• 4.1 引言
• 4.2 常规PID控制器
• 4.3 TS模糊控制器
• 4.4 采用混合模糊控制器实现无人机的云台控制
• 4.5 仿真实验
• 4.6 小结
• 结论
• 本文总结
• 工作展望
• 参考文献
• 致谢
• 个人简历
• 在学期间研究成果及发表的学术论文