论文部分内容阅读
预测控制的滚动优化过程对于线性系统是可以解析求解的。由于受非线性关系的影响,非线性预测控制(Nonlinear Model Predictive Control,NMPC)最优控制律的求解已经不再能采用向量求导的方法,必须采用其它某种优化算法,求得最优控制作用的数值解。
鉴于遗传算法(Genetic Algorithms,GA)优良的全局搜索能力,是一种实用、高效、鲁棒性强的优化技术,近年来在自动控制领域得到了广泛应用。本文提出基于遗传算法的非线性预测控制(GA-NMPC),把NMPC描述成一个优化问题,并将GA用于过程优化。
本文将所提出的算法应用于具有不同类型过程模型,如带有强非线性特性的指数非线性单输入单输出系统,以及有耦合的非线性多输入多输出系统,进一步分析了GA-NMPC各参数对仿真结果的影响。文中还从控制作用的约束和GA本身着手,提出GA-NMPC的改进方案,并证明了其有效性。最后,以单输入单输出指数非线性系统为例,分别采用PID、MATLAB MPC工具箱和改进后的GA-NMPC控制算法,对比控制效果,结果表明所提控制策略的可行性与优越性,为解决非线性预测控制滚动优化问题提供了一条新的途径,且该方法简单易实现。