非線性模型預(yù)測(cè)控制中的演化計(jì)算：算法與應(yīng)用.pdf

1、基于模型的預(yù)測(cè)控制是一類典型的計(jì)算機(jī)控制算法，在工業(yè)控制中獲得了大量成功的應(yīng)用，受到控制界和工業(yè)界的廣泛關(guān)注。然而工業(yè)實(shí)際被控對(duì)象大都具有非線性特征，并且?guī)в懈黝惥€性/非線性、等式/不等式約束。隨著性能指標(biāo)要求越來越高，被控對(duì)象越來越多樣和復(fù)雜，線性預(yù)測(cè)控制漸漸不能滿足控制要求。因此，近年來基于非線性模型的預(yù)測(cè)控制引起了國內(nèi)外的廣泛關(guān)注。 當(dāng)被控對(duì)象模型由線性轉(zhuǎn)變?yōu)榉蔷€性時(shí)，一個(gè)重要的改變是：難以再保證獲取最優(yōu)控制序列的解析解，

2、只能將其轉(zhuǎn)化為控制量?jī)?yōu)化問題求取數(shù)值解。同時(shí)，預(yù)測(cè)控制器參數(shù)較多，相互關(guān)聯(lián)較強(qiáng)，并且控制系統(tǒng)往往存在多個(gè)目標(biāo)，故其參數(shù)整定問題較為繁瑣，其本質(zhì)是多目標(biāo)優(yōu)化。 近年來，模擬自然界優(yōu)勝劣汰過程的演化算法發(fā)展迅速，作為一種具有較強(qiáng)的全局搜索性能的優(yōu)化算法，在眾多領(lǐng)域得到了應(yīng)用。本文在閱讀大量參考文獻(xiàn)的基礎(chǔ)上，著重研究如何將演化算法應(yīng)用于非線性預(yù)測(cè)控制控制量求解和控制器參數(shù)多目標(biāo)優(yōu)化兩個(gè)領(lǐng)域中，并針對(duì)其中存在的問題，對(duì)現(xiàn)有的算法進(jìn)行改進(jìn)

3、，以改善控制量的平穩(wěn)性、加快計(jì)算速度、加強(qiáng)算法多樣性保持、增強(qiáng)算法可實(shí)用性。本論文的主要工作及意義有以下幾個(gè)方面： 1．總結(jié)了在非線性預(yù)測(cè)控制控制量?jī)?yōu)化問題中的約束處理方案，并針對(duì)演化算法的特點(diǎn)，提出了適用于演化算法的約束處理方案。 2．將帶精英保存策略和種子策略的標(biāo)準(zhǔn)遺傳算法應(yīng)用于控制量?jī)?yōu)化問題中，對(duì)非線性較強(qiáng)的被控對(duì)象得到了優(yōu)于線性預(yù)測(cè)控制和基于SQP的非線性預(yù)測(cè)控制的控制效果。 3．結(jié)合SQP和GA各自的優(yōu)

4、勢(shì)，提出GA/SQP混合優(yōu)化算法，有效地解決了因標(biāo)準(zhǔn)遺傳算法的隨機(jī)性帶來的穩(wěn)態(tài)控制量抖動(dòng)問題。 4．模擬自然界生物成長過程，在標(biāo)準(zhǔn)遺傳算法框架中加入成長算法，并用爬山法實(shí)現(xiàn)，加強(qiáng)算法的局部搜索性能。試驗(yàn)表明，在保持標(biāo)準(zhǔn)遺傳算法性能的基礎(chǔ)上，有效的降低了算法的時(shí)間消耗。 5．利用模擬退火更新策略平衡差分演化算法的廣度搜索和深度搜索，并將其應(yīng)用于非線性預(yù)測(cè)控制控制量?jī)?yōu)化問題中。基于雙容水箱的實(shí)控結(jié)果驗(yàn)證了算法的有效性。