廣義預測控制算法及其仿真研究.pdf

1、廣義預測控制現(xiàn)已成為一種重要的先進控制策略，并被廣泛應用于復雜工業(yè)過程中。自1987年提出，其理論不斷得到完善和發(fā)展，并在復雜的工業(yè)過程中已顯示出其良好的控制性能。然而在實際工程應用中，廣義預測控制也有其缺陷： 1.在線計算量大，包括模型參數(shù)的在線辨識，Diophantine方程和逆矩陣的求解，以及其它計算，如處理約束問題需要的計算。 2.設(shè)計參數(shù)選取困難，包括控制時域、預測時域、控制加權(quán)系數(shù)及輸出柔化系數(shù)等參數(shù)的選??；

2、 3.廣義預測控制仍需要相對比較精確的模型。 基于此，本文在如下幾個方面對廣義預測控制進行了研究： 1.簡要介紹了預測控制，包括MAC、DMC、GPC的產(chǎn)生背景，及其三大基本機理。然后著重對GPC算法進行了詳細推導。 2.針對傳統(tǒng)廣義預測控制算法的計算量大這一缺陷，通過對未來的控制序列的離線近似計算，而只精確求解當前時刻要實施的控制量，提出了一種廣義預測控制的快速算法。該算法簡單，不必求解Diophant

3、ine方程和逆矩陣，大大減小了在線計算量。仿真結(jié)果表明，該算法具有良好的控制性能，而且對控制作用具有較強的約束能力。然后，又將其推廣到多輸入多輸出(MIMO)系統(tǒng)中。 3.針對輸入受限的廣義預測控制，將預測控制中的柔化輸出信號的思想推廣到柔化輸入信號，使得不管預測長度如何變化，約束條件被簡化為僅對當前控制增量的約束，可以直接計算得出；而且避免了求逆矩陣，大大減小了計算量，并能夠保證控制算法的可行性和良好的控制性能。然后，又將其推

4、廣到多輸入多輸出(MIMO)系統(tǒng)中。 4.針對傳統(tǒng)廣義預測控制算法中設(shè)計參數(shù)整定困難這一缺點，采用改進的BP算法，提出基于BP神經(jīng)網(wǎng)絡(luò)變參數(shù)設(shè)計的廣義預測控制算法，實現(xiàn)了輸出柔化系數(shù)和控制增量加權(quán)系數(shù)或輸入柔化參數(shù)的在線調(diào)整。仿真結(jié)果表明，該算法無論在跟蹤性能、控制精度及魯棒性上，均優(yōu)于固定參數(shù)設(shè)計的廣義預測控制算法，并對干擾有一定的抑制作用。 5.針對建模誤差對預測控制的影響，提出一種基于神經(jīng)網(wǎng)絡(luò)預測誤差校正的廣義預測