高效預測控制的策略及快速實現(xiàn)研究.pdf

1、模型預測控制（Model Predictive Control，MPC）因其具備對模型要求低、魯棒性好、可以較方便地處理約束等能力，近幾十年來在工業(yè)領域得到廣泛應用。MPC采用滾動優(yōu)化方式，在每個控制周期內都需求解一個約束優(yōu)化問題。為了在實際應用中取得較好的控制效果，通常需要采用較短的采樣間隔和較長的控制時域，在線計算量的劇增和采樣間隔的減小大大限制了MPC算法在快速系統(tǒng)中的應用。因此，提升MPC控制器在短時間內完成優(yōu)化問題求解的能力，

2、成為本文工作的出發(fā)點。在算法改進的層面，本文提出了針對高頻采樣系統(tǒng)的雙速率預測控制算法，在硬件提速的層面，本文提出了多點輻射的并行分支定界算法，并將其在GPU中實現(xiàn)。具體工作內容如下：
　　1）提出了針對高頻采樣系統(tǒng)的雙速率預測控制算法，詳細說明了算法的核心思想及將實時控制量求取分解到兩個時間尺度的具體方案，給出詳盡的算法推導過程及最后的算法流程，并分析了算法的名義穩(wěn)定性和實時性。此外，還討論了在盒子約束下進一步改進算法的策略。對

3、倒立擺系統(tǒng)和電樞直流電動機系統(tǒng)進行建模，將文中所提出的針對高頻采樣系統(tǒng)的雙速率預測控制算法分別應用于兩個系統(tǒng)，在 MATLAB環(huán)境下進行了仿真，分別給出了使用本文算法、傳統(tǒng)MPC算法、PID算法所得到的不同控制結果，進行了詳細的比較和分析，通過實際算例說明了本文算法的有效性和快速性。
　　2）將離散時間簡單對偶神經網絡充分并行化，給出了將其大規(guī)模并行化實現(xiàn)的策略，將其作為QP求解的工具。將并行化后的算法基于GPU中的線程邏輯進行拆

4、分，然后編程在GPU上實現(xiàn)了QP求解器。為了提升求解器的計算效率，本文對內存配置及底層算法進行了改進，包括對共享內存、歸約方法的應用等。
　　3）結合MIQP優(yōu)化問題本身的特性，提出了可以大規(guī)模并行實現(xiàn)的基于多點輻射的并行分支定界算法，文中詳細說明了該算法的原理、實現(xiàn)方式及算法流程。將所提出的并行求解MIQP問題的算法基于GPU中的線程邏輯進行拆分，然后編程在GPU上實現(xiàn)了MIQP求解器。
　　4）對電能調度中的機組組合問題