多模型阶梯式广义预测控制策略研究

作     者：李小田 

作者单位：华东理工大学 

学位级别：硕士

导师姓名：王振雷;王昕

授予年度：2012年

学科分类：08[工学] 0835[工学-软件工程] 0802[工学-机械工程] 080201[工学-机械制造及其自动化] 

主      题：多模型 预测控制 阶梯式 自适应控制 人工神经网络 

摘      要：模型预测控制是一种十分适用于工业实际应用的控制方法,是随着计算机的发展最优控制理论与工业实际相结合的产物。模型预测控制已在石油、化工、电力等领域的过程控制中获得了大量成功应用,并成功扩展到机器人、飞行器、网络系统等领域,同时理论上对线性模型预测控制的研究也日趋成熟。但在实际工业控制系统中,被控对象往往具有不确定性、非线性、强耦合性、时变性和延时性等特征。而随着对产品质量要求的不断提高和生产经济效益最大化的追求使得工业生产过程日趋复杂化,因此对复杂工业过程预测控制的研究显得尤为重要。 对于上述复杂的工作过程,常规的控制方法已经很难得到满意的控制效果。作为一种处理复杂控制系统的有效方法,从多模型方法的提出到现在,人们在理论研究和实际的工业应用中已经取得了很大的成果。本文的主要研究工作如下： （1）针对一类模型参数突变的系统,提出一种基于多模型切换的广义预测控制算法。采用多个固定模型和两个自适应模型并行辨识系统的动态特性。在每个采样时刻基于切换性能指标得到最优的局部模型作为当前模型,在此模型基础上,设计广义预测控制器,从而实现系统全局的控制。证明了此策略可以保证系统的输入输出有界稳定,并给出了收敛性分析和仿真结果。 （2）针对一类非线性离散动态系统,提出了一种基于多模型切换的非线性阶梯式广义预测控制算法。多模型控制系统由一个线性阶梯式广义预测控制器、一个非线性神经网络阶梯式广义预测控制器和切换机制组成。线性阶梯式广义预测控制器可以保证闭环系统的输入输出信号有界,非线性神经网络阶梯式广义预测控制器可以改善系统的性能。在每个采样时刻基于切换性能指标得到最优的控制器,实现系统的全局控制。最后给出了全局稳定性证明及收敛性分析,并进行了仿真研究。