论文部分内容阅读
工业过程中存在着大量的非线性对象,这些对象往往具有非线性、时变性和不确定性。随着对产品的质量和产量要求的不断提高,基于线性模型的预测控制方法已不能满足控制性能的要求。因此,关于非线性预测控制的研究已成为控制工程界的重要研究命题。本文针对非线性对象,研究了一种基于神经网络模型的预测控制算法和基于Hammerstein_Wiener模型的非线性预测控制算法,并通过Simulink仿真验证了其有效性。最后将基于Hammerstein_Wiener模型的非线性预测控制算法应用于多容水罐这套半实物(HIL——Hardware-in-the-loop)仿真模型中,实现液位控制。本文主要内容如下：(1)详细介绍了一套基于实时控制软件Quarc和Simulink的HIL仿真模型——多容水罐控制装置。基于伯努利方程和质量守恒定理,建立了单容水罐和双容水罐的机理模型,并搭建了这两种结构非线性数学模型的Simulink模块。(2)研究了基于BP神经网络的非线性预测控制算法。采用基于三层静态前向神经网络辨识模型作为预测模型,用快速训练算法Levenberg Marquardt算法训练神经网络。推导了该神经网络的导数方程,用Newton-Raphson算法使性能函数最小化。最后通过Matlab/Simulink并结合S函数对单容水罐和双容水罐模型进行了仿真研究,证实了神经网络预测控制算法的优点和可行性。(3)研究了基于Hammerstein_Wiener模型的非线性预测控制算法。用灰箱辨识模型的思想,把非线性对象描述成由一个静态无记忆非线性环节串联一个稳态增益限制为1的动态线性环节的Hammerstein模型和Wiener模型,直接用静态输入输出的函数映射关系来描述系统的非线性静态关系。然后基于这种思想设计了预测控制算法。最后分别对基于Wiener模型的控制阀和基于Hammerstein模型的热交换器进行了仿真。(4)将基于Hammerstein Wiener模型非线性预测控制算法应用于多容水罐这套半实物仿真模型装置中,实现对多容水罐的液位控制。验证了本文算法的有效性。