含非平穩(wěn)干擾的模型辨識及其在模型預(yù)測控制中的應(yīng)用.pdf

1、在過去的幾十年間,預(yù)測控制技術(shù)在過程工業(yè)中得到了廣泛應(yīng)用。由于模型預(yù)測控制是一種基于模型的技術(shù),所以模型的精確度是其成功應(yīng)用的關(guān)鍵。存在不可測量擾動的系統(tǒng)的建模是一項復(fù)雜的任務(wù)。這些不可測擾動的出現(xiàn)會影響模型精確度,從而使得模型預(yù)測控制下的控制性能變差。本文解決了存在不可測擾動下的模型辨識問題,并將方法應(yīng)用到模型預(yù)測控制技術(shù)中。具有平穩(wěn)擾動的模型辨識問題在已有文獻中已得到很好的解決,且此類方法在實際中也得到廣泛地使用。大多數(shù)模型預(yù)測控制

2、技術(shù)是基于此類模型。然而,在過程工業(yè)中,擾動一般來說是非平穩(wěn)的、難以建模和預(yù)測。本文提出具有非平穩(wěn)擾動的系統(tǒng)的三階段模型辨識算法。本研究主要內(nèi)容包括：
　?、盘岢隽艘环N擴展Box-Jenkins(EBJ)模型。為了描述非平穩(wěn)擾動,增加了一個時變偏差項。此模型可同時描述具有平穩(wěn)擾動和非平穩(wěn)擾動的過程對象的動態(tài)。此外,提出了針對多輸入多輸出(MIMO)系統(tǒng)的擴展Box-Jenkins(EBJ)模型辨識方法。
　　⑵為了辨識提出的

3、EBJ模型,提出了一種三階段多新息遞歸最小二乘(TSMIRLS)辨識方法。將EBJ模型分解為三個子系統(tǒng),即:過程模型、平穩(wěn)干擾模型以及非平穩(wěn)干擾項。每一個子系統(tǒng)通過單獨的TSMIRLS辨識方法辨識。針對各子系統(tǒng)可采用不同的可調(diào)參數(shù)。由仿真結(jié)果可知,對比BJ模型,EBJ模型在參數(shù)估計方面具有更高的精度。
　?、菍μ岢龅腅BJ模型的參數(shù)還采用三階段多新息隨機梯度(TSMISG)方法辨識。由于基于RLS的算法的計算量大,當(dāng)參數(shù)的個數(shù)過大

4、時,可使辨識問題不可行。為了降低計算量,本文在三階段辨識算法中采用了隨機梯度方法。本文對此類算法的計算過程的復(fù)雜性和精確性進行了分析和比較。
　?、然谏鲜龅娜A段模型辨識技術(shù),提出了兩種不同的模型預(yù)測控制方法。第一種方法針對具有自適應(yīng)擾動的時不變系統(tǒng)。在此方法中,過程模型仍然固定,但擾動模型參數(shù)是在線辨識的。將輸出誤差造成的冗余項用來估計不可測擾動。根據(jù)自適應(yīng)擾動模型,預(yù)測未來時刻擾動,且將其包含進模型預(yù)測中以提高精確性。將算法