论文部分内容阅读
预测控制是现阶段工业过程中应用最广泛的先进控制算法,成功应用于石油,化工,电力,航天航空等领域,并取得了巨大的经济效益。预测控制是基于模型的控制,模型对系统的逼近效果直接影响了算法的控制性能。针对现实过程中的复杂非线性及时变系统,如何便捷高效地获取系统模型,成为了能否实施预测控制的关键。预测控制起初是为处理线性系统控制问题提出的,然而现实工业过程大部分都不是单纯的线性系统,用单一线性模型对其近似难以取得让人满意的效果。线性参数变化模型是近年来提出的针对非线性或时变系统建模的一种有效手段。该模型架构在全局范围内可以是非线性的,模型参数与调度变量取值相关。但在局部工作点,模型具有线性结构,可以利用线性系统的理论进行控制器的设计。该算法的有效性也在化工,航空航天等领域得到了验证。本文在针对参数变化模型辨识及预测控制方面所做的工作如下:1.对于系统参数随调度变量非线性变化的单输入单输出系统,运用基于LSSVM-LPV辨识算法进行建模。针对模型辨识过程中参数尚无好的优化方法,提出结合网格法和多重循环法完成参数整定。将该辨识算法推广到两个调度变量的情况,使其可以应用于更广泛的系统。针对现实中广泛存在着MIMO系统,进一步将算法推广到MIMO参数变化系统的辨识。而针对该算法因LSSVM导致的模型稀疏性丧失,影响在线更新模型的效率,又提出了基于重要度加权的模型稀疏算法,有效地对模型进行了简化。2.将辨识算法在实验室中央空调平台上进行验证,从实际的数据和建模的效果来看,该算法能取得较高的建模精度,并且辨识实验简单,适合于工业过程。3.针对带有参数变化特性的复杂系统,提出了基于LSSVM-LPV的预测控制策略。针对SISO系统,因LSSVM-LPV局部模型具有CARIMA结构,故可直接和广义预测控制算法结合。而针对MIMO系统,进一步搭建了基于带最优保留策略的遗传算法预测控制框架。4.将基于LSSVM-LP V的广义预测控制算法在中央空调平台上进行试验,并将实验效果与PID控制进行比较。从控制的效果来看,该算法能在工况点发生变动的时候,较好地实现设定值的跟踪,使冷冻水温保持在7℃。5.针对参数变化的MIMO耦合系统,进一步提出了基于LSSVM-LPV模型的逆系统架构。利用LSSVM-LPV算法辨识得到系统逆模型,并与原系统组合得到已解耦的一组伪线性系统。再对伪线性系统设计广义预测控制器,完成MIMO耦合参数变化系统的控制器设计。仿真结果表明,该控制框架,对外界干扰和模型失配存在较强的抑制能力,具有较强的鲁棒性。