论文部分内容阅读
模型预测控制是一种基于预测模型的先进控制算法,在工业过程中得到广泛的应用。与传统的控制算法相比,模型预测控制因为采用启发式优化,在性能参数的选择上更加灵活。一般可以通过选择预测时域、控制时域、加权系数等参数来优化系统的稳态性能。然而,由于缺乏系统的参数优化方法,一定程度上导致了控制器参数选择的盲目性。针对上述问题,本文研究并提出新的模型预测控制的参数优化方法,分别从系统的瞬态性能和抗干扰性能的角度,实现约束松弛参数和加权系数优化,充分发挥系统潜能。 首先,本文从瞬态性能优化角度提出三种不同硬约束松弛优化方案,以误差积分准则为评价指标,通过优化约束松弛参数,实现瞬态性能的提升。同时,一定程度上解决了可行性问题,由数值仿真得到验证。 其次,提出以四种不同误差积分准则为评价指标,优化加权系数。算例仿真结果验证了本文提出的加权系数优化方法能有效提升系统的瞬态性能。 再则,理论推导出输出与扰动之间的关系,从抗干扰性能角度优化加权系数。数值仿真表明,优化后所得加权系数提升了系统的抗干扰性能。 最后,由瞬态性能和抗干扰性能综合考虑的新的性能指标,优化设计模型预测控制器中的性能指标的加权系数,实现系统瞬态性能和抗干扰性能的折中设计。