基于高斯過程的非線性不確定延遲系統(tǒng)的模型預測控制.pdf

1、在工業(yè)過程中，很多系統(tǒng)都可以描述為一個帶有延遲和噪聲的非線性系統(tǒng)。然而，由于線性系統(tǒng)的穩(wěn)定性分析已經(jīng)有了良好的發(fā)展，在許多工業(yè)非線性過程中，人們?nèi)匀煌ㄟ^線性理論近似非線性環(huán)節(jié)以達到控制非線性系統(tǒng)的效果，但是應用這種方法會導致系統(tǒng)的魯棒性較差。因此，研究帶有不確定延遲和噪聲的非線性系統(tǒng)是非常必要的。
　　對于上述問題，提出了一種基于高斯過程的模型預測控制方法。該方法分為兩個部分，即高斯過程(GP, Gaussian Processe

2、s)預測模型和模型預測控制算法。其中，高斯過程作為非線性模型是以貝葉斯理論為基礎的模型，它通過假設先驗概率分布，并結合似然函數(shù)推導出后驗分布來得到預測的概率分布。以高斯過程回歸(GPR, Gaussian Processes Regression)作為基本預測模型，提出了單步預測模型(One-Step-Ahead)，并通過單步的迭代，實現(xiàn)了多步的預測(Multi-Step-Ahead)。模型預測控制(MPC, Model Predict

3、ive Control)基于預測模型，滾動優(yōu)化和反饋校正這三個部分，通過計算性能指標函數(shù)（Cost Function）的極值來得到控制信號。
　　在此基礎上分別對兩個系統(tǒng)，一階系統(tǒng)和工業(yè)中的連續(xù)攪拌反應釜(CSTR，Continuous Stirred Tank Reactor)模型進行仿真，并將仿真結果與RBF(Radial Basis Function)神經(jīng)網(wǎng)絡建立的預測模型進行比較。最后通過仿真實例和比較的結果，得出高斯過程