迭代預(yù)測控制算法及其應(yīng)用研究.pdf

1、針對大時延、慢時變、強干擾和難以精確建模的復(fù)雜對象，采用以狀態(tài)空間法為基礎(chǔ)的現(xiàn)代控制理論，往往難以達到令人滿意的控制效果。本文以預(yù)測控制(MPC)的有限時域優(yōu)化策略為基礎(chǔ)，面向工業(yè)過程控制的具體特點，融入迭代學(xué)習(xí)逐步修正的特點和優(yōu)勢，提出并研究一類基于迭代學(xué)習(xí)思想的預(yù)測控制算法，簡稱迭代預(yù)測控制(IL2PC)。 迭代預(yù)測控制利用模型預(yù)測輸出對未來期望輸出之間的誤差，對當(dāng)前和未來時刻的控制輸入進行迭代學(xué)習(xí)和修正，即在迭代域內(nèi)反復(fù)進

2、行“預(yù)測、迭代修正、再預(yù)測、再迭代修正……”，而在時域內(nèi)只把迭代預(yù)測的當(dāng)前時刻控制量施加于被控過程，并在下一時刻再次進行“滾動優(yōu)化”，以便及時校正因模型失配、時變和干擾等引起的不確定性。這一“迭代修正”和“滾動優(yōu)化”思想為其自身贏得了較為寬松的計算條件。 考慮被控過程的具體特點和控制要求，本文先后提出和研究基于非參數(shù)模型、基于結(jié)構(gòu)化參數(shù)模型和基于神經(jīng)網(wǎng)絡(luò)模型等一系列迭代預(yù)測控制算法，適用范圍由線性系統(tǒng)拓展到非線性系統(tǒng)。與MPC相

3、比，ILPC不必進行矩陣求逆運算，計算量較小，且迭代計算更符合計算機控制的特點；從另一個角度來看，在MPC的性能函數(shù)中必須包含控制約束項，才能滿足矩陣求逆的滿秩條件，而ILPC不存在矩陣是否可逆的問題，因此放寬了求解預(yù)測控制律的約束條件，有利于選擇更為靈活的控制約束來改善控制性能。本文的另一研究工作是提出一種基于誤差分類思想的交配遺傳算法(AGA)，該算法能有效提高遺傳算法的優(yōu)化搜索速度。AGA從根本上拋開了在性能函數(shù)負梯度方向上優(yōu)化和