CN113848708A - 一种柴油发电机组调速系统最优t-s模糊鲁棒控制器设计方法 - Google Patents

Abstract

本发明公开一种柴油发电机组调速系统最优T‑S模糊鲁棒控制器设计方法，首先建立柴油发电机组T‑S模糊模型和调速系统T‑S模糊控制器，然后采用MATLAB内的线性矩阵不等式工具箱求得T‑S模糊控制器的每个状态反馈矩阵，同时采用樽海鞘群算法对每个状态反馈矩阵寻优整定，得到调速系统最优T‑S模糊鲁棒控制器；本发明方法有效地解决了柴油发电机组数学模型非线性特性带来的困难，且该控制器使调速系统具有较强的鲁棒性，在扰动下表现出调节时间短，超调量小，震荡次数少等优异的动态性能。

Description

一种柴油发电机组调速系统最优T-S模糊鲁棒控制器设计 方法

技术领域

本发明涉及一种柴油发电机组调速系统最优T-S模糊鲁棒控制器设计方法，属于柴油发电 机组控制技术领域。

背景技术

柴油发电机组是一种以柴油机为原动机，拖动同步发电机发电的电源设备。柴油发电机组 调速系统由柴油发动机、发电机、调速器、执行器等组成。调速是指：机组所带负荷的变化会 引起柴油发动机所受发电机的阻力的变化，需要改变柴油发动机的供油量，以使发动机输出的 转矩与发电机造成的阻力相平衡，确保机组转速稳定。

柴油发电机组是一个复杂的带有内部机电耦合的设备，其数学模型表现为很强的非线性特 性，基于柴油发电机组非线性模型基础上的调速系统控制问题一直以来是柴油发电机组控制的 重要课题，得到很多关注，其中的难点主要体现在非线性模型带来控制计算的复杂性。

发明内容

本发明提出将T-S模糊理论应用于柴油发电机组调速系统控制器设计，利用其在解决非线 性问题上的优势，将柴油发电机组一阶非线性模型线性化成多个功角区间中的线性状态空间模 型，在每个功角区间中分别设计调速系统最优鲁棒控制器，这样有效地解决了柴油发电机组数 学模型非线性特性带来的困难。

本发明提供一种柴油发电机组调速系统最优T-S模糊鲁棒控制器设计方法，基于柴油发电 机组一阶非线性模型，以功角δ为判断条件，在不同运行点下将柴油发电机组一阶非线性微分 方程模型线性化成多个线性状态空间模型，得到柴油发电机组T-S模糊模型；采用并行分布补 偿方法(PDC)设计柴油发电机组T-S模糊模型的调速系统模糊控制器，由樽海鞘群算法(SSA) 得到控制器的最优增益，实现柴油发电机组调速系统最优T-S模糊鲁棒控制器的设计。

本发明的技术方案如下：

一种柴油发电机组调速系统最优T-S模糊鲁棒控制器设计方法，具体步骤如下：

Step1、建立以发电机功角δ为判断条件的柴油发电机组T-S模糊模型，设计柴油发电机 组T-S模糊模型的调速系统模糊控制器；

Step2、采用MATLAB内的线性矩阵不等式工具箱求T-S模糊控制器的8个状态反馈矩阵 K₁～K₈，采用樽海鞘群算法对每个状态反馈矩阵K_i寻优整定，得到调速系统最优T-S模糊鲁 棒控制器。

更具体的：

Step1、建立以发电机功角δ为判断条件的柴油发电机组T-S模糊模型，设计柴油发电机组 T-S模糊模型的调速系统模糊控制器，具体步骤如下：

(1)柴油发电机组的一阶非线性微分方程数学模型为：

其中：δ为发电机功角；ω为电角速度；L为执行器输出轴位移；X′_d为发电机d轴暂态电抗； X_q为发电机q轴同步电抗；U为发电机端电压；E′_q为q轴暂态电势；取柴油发电机组的额定视 在功率S_B为功率的基准值，取ω₀＝100π为角速度的基准值；

J为机组轴系转动惯量；ω₀为柴油机曲轴角速度，ω₀₀为柴油机曲轴角 速度的基准值；D为与发电机阻尼绕组电阻成正比的阻尼系数；p为发电机磁极对数；k₁，b₁为 常数；

为柴油发动机最大扭矩；L_e为执行器输出轴的最大位移；T₁为执行器时间常 数；Z₁为执行器增益；u为控制信号；ω为标幺值，其他未做特殊说明的值均为实际值；

由此一阶非线性模型可以看出，控制信号u的变化会引起执行器输出轴位移L的变化，进 而引起功角δ和电角速度ω的变化起到调速的作用，控制信号u就是调速的关键；

在δ＝0°～90°之间人为设置8个用于线性化的基准运行点：(δ₁,ω₁,L₁)、(δ₂,ω₂,L₂)、…、 (δ₈,ω₈,L₈)，其中δ₁＝13°、δ₂＝22°、δ₃＝31°、δ₄＝40°、δ₅＝49°、δ₆＝58°、δ₇＝67°、δ₈＝76°，在δ＝0°～90°之间，8个基准运行点以外的所有运行点都可以找到一个离它最近的 基准运行点；

(2)对公式(1)非线性微分方程数学模型，对机组所设置的基准运行点(δ_i,ω_i,L_i)，在 此附近的运行点可以由如下坐标变换表示：

其中：Δ表示增量；

在某一基准运行点(δ_i,ω_i,L_i)附近，将公式(1)非线性微分方程数学模型线性化，得到线 性状态空间模型(2)，记为MODEL_i：

其中：

u(t)为控制信号，u(t)的表达式即为待求控制器，y为系统输出向量，C为单位矩阵；

每一个基准运行点都能得到一个线性状态空间模型，共得到8个线性状态空间模型 MODEL₁～MODEL₈；

(3)在δ＝0°～90°之间，8个基准运行点以外的所有运行点都可以找到一个离它最近的基 准运行点(δ_i,ω_i,L_i)，用该基准运行点对应的线性状态空间模型MODEL_i来近似表示此运行点的 实际模型，即用8个线性状态空间模型MODEL₁～MODEL₈近似表示公式(1)非线性微分方程 数学模型，按照模糊建模理论并综合8个基准运行点对应的线性状态空间模型，得到柴油发电 机组T-S模糊模型为：

其中：i＝1，2…8，w_i(δ(t))为隶属度函数值；

本发明设定8个基准运行点对应的隶属度函数w_i(δ(t))表达式分别如下：

(4)针对步骤(3)中8个线性状态空间模型MODEL₁～MODEL₈，设计8个控制器与之 对应，分别为u(t)＝K₄x(t)，i＝1,2…8，其中K_i为MODEL_i的控制器的状态反馈矩阵，为待 寻优整定量；通过模糊理论的平行分布补偿方法得到柴油发电机组T-S模糊模型的调速系统模糊控制器为：

其中，i＝1，2…8。

Step2、采用MATLAB内的线性矩阵不等式工具箱求T-S模糊控制器的8个状态反馈矩阵 K₁～K₈，同时采用樽海鞘群算法(SSA)对每个状态反馈矩阵K_i寻优整定，得到调速系统最优T-S 模糊鲁棒控制器，具体步骤如下：

(1)引入外界扰动n(t)时，Step1的步骤(3)描述的线性状态空间模型表示为：

其中：B_n＝[0 0.1 0]^T；

(2)对式(5)所描述的带有扰动n(t)线性状态空间模型定义其动态性能评价信号为：

对加权矩阵C₁、C₂、D₁₁、D₁₂、D₂₁、D₂₂定义如下：

D₁₁＝0，D₁₂＝[0 0 μ₃]^T，

D₂₁＝0， D₂₂＝[00 μ₆]^T；其中μ₁～μ₆初值均为优化迭代算法生成的随机量；

各个矩阵组合成一个增广矩阵P_i：

使用MATLAB内的线性矩阵不等式工具箱，由增广矩阵P_i求解得到T-S模糊鲁棒控制器 中的状态反馈矩阵K_i，其中μ₁～μ₆待赋值，采用樽海鞘群算法(SSA)对μ₁～μ₆进行赋值，对每个 状态反馈矩阵K_i寻优整定，将K_i带入式(4)得到调速系统最优T-S模糊鲁棒控制器。

樽海鞘群算法(SSA)的具体算法如下：

假设在N维的欧式空间，其中N表示群体规模，种群的位置信息采用二维矩阵表示，樽海 鞘领导者负责在空间中搜索食物源，引领整个群体移，其位置更新数学表达式为：

其中，

为在第j维中第一个樽海鞘领导者位置；F_j为第j维食物源的位 置；u_j，l_j分别为第j维搜索空间的上、下界；c₁，c₂，c₃为随机数；c₁,c₂∈[0,1]；l为当前迭 代次数；

收敛因子c₁用于平衡算法在迭代过程中的探索和开发能力，当c₁>1时，算法进行全局探 索；当c₁<1时，算法进行局部开发，进而精确地寻找最优值；樽海鞘跟随者成链状依次跟随 领导者移动，按下式更新位置：

其中：

为第j维中第i个跟随者的位置，

为第j维中第i-1个跟随者的位置；

在跟随者位置更新时，增加线性减小的惯性权重w来加快SSA算法的收敛；

其中l_max为最大迭代次数，本发明中取l_max＝100；

此时的跟随者位置更新数学模型可以描述为：

优化过程的适应度函数采用平方误差积分准则(ISE)

(Δω为柴油发电机组受 特定扰动后实际电角速度与期望电角速度的偏差)。

本发明使用MATLAB内的线性矩阵不等式工具箱，由增广矩阵P_i求解得到T-S模糊鲁棒 控制器中的状态反馈矩阵K_i，其中μ₁～μ₆待赋值，采用樽海鞘群算法对μ₁～μ₆进行赋值，对每 个状态反馈矩阵K_i寻优整定，具体步骤如下：

(1)由MATLAB产生樽海鞘群，个体依次赋值给μ₁～μ₆，形成增广矩阵P_i；

(2)将P_i输入MATLAB内的线性矩阵不等式工具箱得状态反馈矩阵K_i；

(3)更新控制信号u(t)＝K_ix(t)；

(4)在固定扰动下运行由

所描述的线性状态空间模型，输出 性能指标

(5)是否达到最大迭代次数l_max＝100，是则结束，且K_i整定为性能指标

最小时所 对应的K_i，否则更新樽海鞘群，回到步骤(2)继续循环。

本发明的有益效果是：

相比于采用传统的PID控制器，本发明采用T-S模糊鲁棒控制器能够表现出更短的调节时 间，更优的暂态性能，有效地解决了柴油发电机组数学模型非线性特性带来的困难，且采用 SSA算法进行优化，能在更少的收敛代数上避免陷入局部最优解。

附图说明

图1为柴油发电机组调速系统原理图；

图2为SSA算法优化整定调速系统控制器的状态反馈矩阵K_i的过程示意图；

图3为柴油发电机组调速系统最优T-S模糊鲁棒控制器小扰动工况下，发电机功角变化曲线仿 真结果；

图4为柴油发电机组调速系统最优T-S模糊鲁棒控制器小扰动工况下，发电机频率变化曲线仿 真结果；

图5为柴油发电机组调速系统最优T-S模糊鲁棒控制器在大扰动工况下，发电机功角变化曲线 仿真结果；

图6为柴油发电机组调速系统最优T-S模糊鲁棒控制器在大扰动工况下，发电机频率变化曲线 仿真结果。

具体实施方式

下面结合具体实施例和说明书附图对本发明作进一步的说明。

实施例1

一种柴油发电机组调速系统最优T-S模糊鲁棒控制器设计方法，对图1所示的柴油发电机 组调速系统的控制器进行设计，首先建立以发电机功角δ为判断条件的柴油发电机组T-S模糊 模型和调速系统T-S模糊控制器，然后采用MATLAB内的线性矩阵不等式工具箱求得T-S模 糊控制器的每个状态反馈矩阵，同时采用樽海鞘群算法(SSA)对每个状态反馈矩阵寻优整定， 得到调速系统最优T-S模糊鲁棒控制器，具体步骤如下：

Step1、建立以发电机功角δ为判断条件的柴油发电机组T-S模糊模型，设计柴油发电机组 T-S模糊模型的调速系统模糊控制器，具体步骤如下：

(1)已知下柴油发电机组的一阶非线性微分方程数学模型可以表示为：

其中：δ为发电机功角；ω为电角速度；L为执行器输出轴位移；X′_d为发电机d轴暂态电抗； X_q为发电机q轴同步电抗；U为发电机端电压；E′_q为q轴暂态电势；取柴油发电机组的额定视 在功率S_B为功率的基准值，取ω₀＝100π为角速度的基准值；

J为机组轴系转动惯量；ω_g为柴油机曲轴角速度，ω_g0为柴油机曲轴角 速度的基准值；D为与发电机阻尼绕组电阻成正比的阻尼系数；p为发电机磁极对数；k₁，b₁为 常数；

为柴油发动机最大扭矩；L_e为执行器输出轴的最大位移；T₁为执行器时间常 数；Z₁为执行器增益；u为控制信号；ω为标幺值，其他未做特殊说明的值均为实际值；

由上式(1)可知控制信号u的变化会引起执行器输出轴位移L的变化，进而引起功角δ和 电角速度ω的变化起到调速的作用，控制信号u就是调速的关键；

(2)在δ＝0°～90°之间设置8个用于线性化的基准运行点：(δ₁,ω₁,L₁)、(δ₂,ω₂,L₂)、…、 (δ₈,ω₈,L₈)，其中δ₁＝13°、δ₂＝22°、δ₃＝31°、δ₄＝40°、δ₅＝49°、δ₆＝58°、δ₇＝67°、δ₈＝76°，在δ＝0°～90°之间，8个基准运行点以外的所有运行点都可以找到一个离它最近的 点；

(3)对公式(1)非线性微分方程数学模型，设机组某一基准运行点为(δ_i,ω_i,L_i)，在此 点附近的运行点可以由如下坐标变换表示：

其中：Δ表示增量；

在某一基准运行点(δ_i,ω_i,L_i)附近，将公式(1)非线性微分方程数学模型线性化，得到线 性状态空间模型(2)，记为MODEL_i：

其中：x(t)＝[Δδ(t) Δω(t) ΔL(t)]^T，

u(t)为控制信号，u(t)的表达式即为待求控制器，y为系统输出向量，C为单位矩阵；

每一个基准运行点都能得到一个线性状态空间模型，共得到8个线性状态空间模型 MODEL₁～MODEL₈；

(4)在δ＝0°～90°之间，8个基准运行点以外的所有运行点都可以找到一个离它最近的基 准运行点(δ_i,ω_i,L_i)，用该基准运行点对应的线性状态空间模型MODEL_i来近似表示此运行点的 实际模型，即用8个线性状态空间模型MODEL₁～MODEL₈近似表示公式(1)非线性微分方程 数学模型，按照模糊建模理论并综合8个基准运行点对应的线性状态空间模型，得到柴油发电 机组T-S模糊模型为：

其中：i＝1，2…8；w_i(δ(t))为隶属度函数值；

本实施例设定8个基准运行点对应的隶属度函数w_i(δ(t))表达式分别如下：

(5)针对步骤(3)中8个线性状态空间模型MODEL₁～MODEL₈，设计8个控制器与之 对应，分别为u(t)＝K_ix(t)，i＝1,2…8，其中K_i为MODEL_i的控制器的状态反馈矩阵，为待 寻优整定量；按照模糊理论的平行分布补偿方法得到柴油发电机组T-S模糊模型的调速系统模糊控制器为：

其中，i＝1，2…8；

Step2、采用MATLAB内的线性矩阵不等式工具箱求T-S模糊控制器的8个状态反馈矩阵 K₁～K₈，同时采用樽海鞘群算法(SSA)对每个状态反馈矩阵K_i寻优整定，得到调速系统最优T-S 模糊鲁棒控制器，具体步骤如下：

(1)引入外界扰动n(t)时，Step1的步骤(3)所描述的基准运行点对应的线性状态空间模型 为：

其中：B_n＝[0 0.1 0]^T；

(2)对式(5)所描述的带有扰动n(t)线性状态空间模型定义其动态性能评价信号为：

对加权矩阵C₁、C₂、D₁₁、D₁₂、D₂₁、D₂₂定义如下：

D₁₁＝0

D₁₂＝[0 0 μ₃]^T

各个矩阵组合成一个增广矩阵P_i：

其中A_i，B_n，B_u为已知矩阵，μ₁～μ₆初值均为优化迭代算法生成的随机量，使用MATLAB 内的线性矩阵不等式工具箱，由增广矩阵P_i求解得到T-S模糊鲁棒控制器中的状态反馈矩阵K_i， 采用樽海鞘群算法(SSA)对μ₁～μ₆进行赋值，对每个状态反馈矩阵K_i寻优整定，樽海鞘群算法 (SSA)求解其最优值，最大迭代次数l_max＝100，具体过程如图2所示，优化过程的适应度函数 采用平方误差积分准则(ISE)

(Δω为柴油发电机组受特定扰动后实际电角速度与 期望电角速度的偏差)，步骤如下：

①由MATLAB产生樽海鞘群，个体依次赋值给μ₁～μ₆，形成增广矩阵P_i；

②将P_i输入MATLAB内的线性矩阵不等式工具箱得状态反馈矩阵K_i；

③更新控制信号u(t)＝K_ix(t)；

④在固定扰动下运行由

所描述的线性状态空间模型，输出性 能指标

⑤是否达到最大迭代次数l_max＝100，是则结束，且K_i整定为性能指标

最小时所对应 的K_i，否则更新樽海鞘群，回到步骤(2)继续循环；依次优化整定K₁～K₈；

(3)将步骤(2)优化整定后得到的K₁～K₈带入式(4)即下式，得到调速系统最优T-S模糊 鲁棒控制器；

其中，i＝1，2…8。

对实施例1设计方法进行仿真和验证：

为了验证实施例1提出的柴油发电机调速系统最优T-S模糊鲁棒控制器设计方法的正确性， 将机组参数代入实施例1，设计出柴油发电机组调速系统T-S模糊模鲁棒控制器为：

i＝1，2…8；

得到8个鲁棒控制器的状态反馈矩阵K_i的整定值为：

K₁＝[-921.53-234.14-1.9297]

K₂＝[-905.42-232.15-1.9219]

K₃＝[-899.44-232.55-1.9233]

K₄＝[-880.29-230.32-1.9078]

K₅＝[-862.91-228.34-1.8938]

K₆＝[-839.85-224.97-1.8650]

K₇＝[-834.73-224.62-1.8713]

K₈＝[-837.10-225.32-1.8696]

仿真参数：机组参数：T_a＝1.135，T_b＝-0.512，c₁＝1.511，c₂＝-0.221，T₁＝0.052，Z₁＝0.233，X′_d＝1.135，X_d＝0.512，X_q＝1.511，T_d0＝0.233；S(μ_i)数值：S(13°)＝-2.6830，S(22°)＝-3.1401，S(31°)＝-3.7476，S(40°)＝-4.4113，S(49°)＝-5.0213，S(58°)＝ -5.4636，S(67°)＝-5.6327，S(76°)＝-5.8433。

仿真工况一：小扰动工况仿真，假定在1秒时柴油发电机功角δ由49°突变到58°，发电机 功角变化率Δδ为9°，现有最优PID控制下和实施例1最优T-S模糊鲁棒控制下发电机功角和 频率动态响应曲线对比如图3、4所示。

仿真工况二：大扰动工况仿真，假定1秒时柴油发电机出口处发生三相短路，故障持续 时间为0.1s，然后自动重合闸快速恢复故障线路，此工况下，现有最优PID控制下和实施例1 最优T-S模糊鲁棒控制下发电机功角和频率动态响应曲线对比如图5、6所示。

仿真结果说明：从仿真结果分析，实施例1设计的T-S模糊鲁棒控制器可以使调速系统具 有较强的鲁棒性，在扰动下表现出调节时间短，超调量小，震荡次数少等优异的动态性能，证 明了本发明实施例1提出的柴油发电机调速系统T-S模糊鲁棒控制器设计方法的正确性。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，上面结合附图对本发 明的具体实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员 所具备的知识范围内，可以在不脱离本发明宗旨和范围的前提下作出修改或者同等替换，其均 应涵盖在本发明的权利要求范围当中。

Claims (4)

1.一种柴油发电机组调速系统最优T-S模糊鲁棒控制器设计方法，其特征在于，包括以下步骤：

Step1、建立以发电机功角δ为判断条件的柴油发电机组T-S模糊模型，设计柴油发电机组T-S模糊模型的调速系统模糊控制器；

Step2、采用MATLAB内的线性矩阵不等式工具箱求T-S模糊控制器的8个状态反馈矩阵K₁～K₈，采用樽海鞘群算法对每个状态反馈矩阵K_i寻优整定，得到调速系统最优T-S模糊鲁棒控制器。

2.根据权利要求1所述柴油发电机组调速系统最优T-S模糊鲁棒控制器设计方法，其特征在于，步骤Step1的具体步骤如下：

(1)已知柴油发电机组的一阶非线性微分方程数学模型为：

其中：δ为发电机功角；ω为电角速度；L为执行器输出轴位移；X′_d为发电机d轴暂态电抗；X_q为发电机q轴同步电抗；U为发电机端电压；E′_q为q轴暂态电势；取柴油发电机组的额定视在功率S_B为功率的基准值，取ω₀＝100π为角速度的基准值；

J为机组轴系转动惯量；ω_g为柴油机曲轴角速度，ω_g0为柴油机曲轴角速度的基准值；D为与发电机阻尼绕组电阻成正比的阻尼系数；p为发电机磁极对数；k₁，b₁为常数；

为柴油发动机最大扭矩；L_e为执行器输出轴的最大位移；T₁为执行器时间常数；Z₁为执行器增益；u为控制信号；ω为标幺值，其他未做特殊说明的值均为实际值；

在δ＝0°～90°之间设置8个用于线性化的基准运行点：(δ₁，ω₁，L₁)、(δ₂，ω₂，L₂)、...、(δ₈，ω₈，L₈)，取δ₁＝13°、δ₂＝22°、δ₃＝31°、δ₄＝40°、δ₅＝49°、δ₆＝58°、δ₇＝67°、δ₈＝76°；

(2)对公式(1)非线性微分方程数学模型，设机组某一基准运行点为(δ_i，ω_i，L_i)，在此基准运行点附近的运行点由如下坐标变换表示：

其中：Δ表示增量；

在某一基准运行点(δ_i，ω_i，L_i)附近，将公式(1)非线性微分方程数学模型线性化，得到线性状态空间模型(2)，记为MODEL_i：

其中：x(t)＝[Δδ(t) Δω(t) ΔL(t)]^T，

u(t)为控制信号，u(t)的表达式即为待求控制器，y为系统输出向量，C为单位矩阵；

每一个基准运行点都得到一个线性状态空间模型，共得到8个线性状态空间模型MODEL₁～MODEL₈；

(3)在δ＝0°～90°之间，8个基准运行点以外的所有运行点都能找到一个离它最近的基准运行点(δ_i，ω_i，L_i)，用该基准运行点对应的线性状态空间模型MODEL_i来近似表示此运行点的实际模型，即用8个线性状态空间模型MODEL₁～MODEL₈近似表示公式(1)非线性微分方程数学模型；

按照模糊建模理论并综合8个基准运行点对应的线性状态空间模型，即得到柴油发电机组T-S模糊模型为：

其中：i＝1，2...8；w_i(δ(t))为隶属度函数值；

设定8个基准运行点对应的隶属度函数w_i(δ(t))表达式分别如下：

(4)针对8个线性状态空间模型MODEL₁～MODEL₈，设计8个控制器与之对应，分别为u(t)＝K_ix(t)，i＝1，2...8；其中K_i为MODEL_i的控制器的状态反馈矩阵，为待寻优整定量，按照模糊理论的平行分布补偿方法得到柴油发电机组T-S模糊模型的调速系统模糊控制器为：

其中，i＝1，2...8。

3.根据权利要求1所述柴油发电机组调速系统最优T-S模糊鲁棒控制器设计方法，其特征在于：步骤Step2的具体步骤如下：

引入外界扰动n(t)时，基准运行点对应的线性状态空间模型为：

其中：B_n＝[0 0.1 0]^T；

对式(5)所描述的带有扰动n(t)线性状态空间模型定义其动态性能评价信号为：

定义加权矩阵C₁、C₂、D₁₁、D₁₂、D₂₁、D₂₂：

D₁₁＝0，D₁₂＝[0 0 μ₃]^T，

D₂₁＝0，D₂₂＝[0 0 μ₆]^T；

各个矩阵组合成一个增广矩阵P_i：

使用MATLAB内的线性矩阵不等式工具箱，由增广矩阵P_i求解得到T-S模糊鲁棒控制器中的状态反馈矩阵K_i，其中μ₁～μ₆待赋值，采用樽海鞘群算法对μ₁～μ₆进行赋值，对每个状态反馈矩阵K_i寻优整定，将K_i带入式(4)得到调速系统最优T-S模糊鲁棒控制器。

4.根据权利要求3所述柴油发电机组调速系统最优T-S模糊鲁棒控制器设计方法，其特征在于：使用MATLAB内的线性矩阵不等式工具箱，由增广矩阵P_i求解得到T-S模糊鲁棒控制器中的状态反馈矩阵K_i，其中μ₁～μ₆待赋值，采用樽海鞘群算法对μ₁～μ₆进行赋值，对每个状态反馈矩阵K_i寻优整定的具体操作过程如下：

(1)由MATLAB产生樽海鞘群，个体依次赋值给μ₁～μ₆，形成增广矩阵P_i；

(2)将P_i输入MATLAB内的线性矩阵不等式工具箱得状态反馈矩阵K_i；

(3)更新控制信号u(t)＝K_ix(t)；

(4)在固定扰动下运行由

所描述的线性状态空间模型，输出性能指标

(5)是否达到最大迭代次数l_max＝100，是则结束，且K_i整定为性能指标

最小时所对应的K_i，否则更新樽海鞘群，回到步骤(2)继续循环。

Images