System Identification and Robust Fuzzy Control of Chaotic Systems via Evolutionary Approach

混沌是一種普遍存在的現象，存在於許多非線性系統中。然而，過去的研究著重於根據已知的數學模型及期望的系統工作點以鑑別其系統模型，進而設計穩定的循跡控制法則。這種設計和分析方式無法適用於一般未知其數學模型的混沌系統。此外，T-S 模糊識別模型與真實系統間始終存在近似誤差(approximation error)的問題，過大的近似誤差會破壞系統的穩定度與控制性能。過去的研究經常忽略數學模型的近似誤差，以致經過模擬確認有效的控制法則之後，要將模擬的控制法則實際應用於真實的系統中時，往往因為近似誤差或外部干擾太大，不符合真實的情況，而無法獲得滿意的系統響應。這種情形往往可以藉由增加模糊規則數，以減少識別模型和實際系統兩者輸出訊號之間的差異，並且利用模糊利亞普諾方法 (Fuzzy Lyapunov Function) 、H∞ 理論、線性矩陣不等式 (LMI，LinearMatrix Inequality) 及調整H∞ 性能參數等方式來改善系統響應。近年來對於系統穩定性的分析方法，通常以單一的利亞普諾方法及平行分散補償 (PDC，Parallel Distributed Compensation) 來證明T-S 模糊模型是否穩定，但經常會太過於保守。因此，本計畫將結合模糊利亞普諾方法、平行分散補償的特性與優點，來提出一套較不保守且強健的H∞ 模糊控制器設計準則及策略。我們將使用並行適應式遺傳演算法來建立混沌系統的T-S 模糊識別模型，搜尋模糊化模型的系統參數矩陣，然後把它轉換成一種模糊型式的LDI (LinearDifferential Inclusion) 狀態表示式。接著針對此LDI 狀態表示式，考慮近似誤差及外部干擾，使用H∞ 模糊控制的方法來設計強健模糊控制器，使控制器能以UUB 的軌跡追蹤行為穩定混沌系統。

Project ID:PB9408-3254
External Project ID:NSC94-2213-E182-012