论文部分内容阅读
在模型预测控制中,如果被控过程是线性无约束的,那么很容易求得一个解析的线性控制器,但是实际工业过程大多是非线性的,并且普遍存在着各种对输出变量、输入变量甚至中间变量的约束,因此,线性以及非线性预测控制系统的约束优化问题值得深入研究。
为保证预测控制的实施,利用粒子群优化算法良好的全局寻优性能和完善的约束处理机制,将粒子群优化引入到约束状态反馈预测控制的滚动优化过程中,用于解决带有输入约束、状态约束和输出约束的控制问题。根据约束处理方式的不同,提出了两种基于粒子群优化的约束状态反馈预测控制算法。
针对多变量有约束系统不同约束条件之间可能发生矛盾的考虑,从凸体几何角度,讨论约束预测控制的可行性,结合对偶定理,有效的将可行时系统的输出变量约束转化为输入变量约束,从而获得满足控制算法要求的约束条件形式,再运用粒子群优化算法对预测控制系统进行寻优。
将T-S模糊模型和基于粒子群优化的约束状态反馈预测控制相结合,提出了一种基于T-S模糊模型非线性子系统的约束状态反馈预测控制算法,分别对CSTR的T-S模糊模型的每个子系统独立设计了基于粒子群优化的约束状态反馈预测控制器,然后依据PDC(paralleldistributedcompensation)模糊控制理论,使用已经计算出的各个子系统的控制率和各个子系统的隶属度,综合计算出控制系统的模糊控制率,最后用模糊控制率对整个非线性系统进行控制。
从T-S模型与状态反馈预测控制结合的另一种方式出发,提出了一种以T-S模糊模型直接作为状态反馈预测控制预测模型的粒子群优化算法,利用可测的过程变量对输出预测值进行反馈修正,再将粒子群优化算法引入到约束状态反馈预测控制的滚动优化过程中,以解决带有输入约束的非线性系统控制优化问题。