基于知识与数据的模型预测控制方法研究

发布时间：2022-02-05 02:26

　　随着工业化的发展,控制技术在提高工业生产和保证工业过程安全等方面起到了越来越重要的作用。然而,工业过程不仅涉及各种复杂的物理和化学反应,而且运行间存在变量间强耦合,具有复杂性高、非线性强、以及干扰严重等特点,常规控制方法难以达到理想的控制效果。模型预测控制（Model predictive control,MPC）由于具有较好的动态控制效果、鲁棒性强、能够有效地克服过程中不确定性、非线性等优点,已被广泛应用于流程工业领域,并取得了良好的控制效果。然而,MPC涉及在有限时域内反复求解带约束的最优控制问题（Optimal control problem,OCP）,其计算复杂度较高导致难以实时求取最优控制量,同时工业过程中存在数据不完备的特性,限制了MPC的应用。基于以上分析,文中提出了一种基于知识与数据的MPC方法。首先,针对MPC中难以实时求解OCP,设计了一种基于自适应梯度算法的自组织模糊神经网络（Self-organizing fuzzy neural network based on adaptive gradient algorithm,SOFNN-AGA）,SOFNN-AGA通... 

【文章来源】：北京工业大学北京市211工程院校

【文章页数】：83 页

【学位级别】：硕士

【部分图文】：

论文研究框架

络的寻优效率。3.2 模糊神经网络如图3-1所示,一个典型多输入单输出的模糊神经网络(FNN)包括四层分别为：输入层、RBF层、归一化层和输出层。..... .1w (t )2w (t )( )lw t( )Pw t1 (t )2 (t )( )j t( )P t1v (t )2v (t )( )lv t( )Pv t .y(t)x1(t)x2(t)xm(t)输入层 RBF层 归一化层 输出层图3-1 模糊神经网络结构Fig.3-1 The structure of fuzzy neural network其中，FNN的输出数学表达形式表示为：1( ) ( ) ( )Pl lly t w t v t (3-1)

中提出一种基于知识与数据其能够利用不完备的数据建结构的FNN，它不仅可以充分学习现有的知识以提高模型法，该方法能够融合参考场景，提出一种具有相互吸引策数据分布不同产生的负面影驱动模型结构分析，KDDM的核心是由基于模) 分别是源模型输入和目放大或缩小因子。θ(t)是源模和目标模型输出。源模型KDDM

【参考文献】：
期刊论文
[1]一种扰动自适应的鲁棒预测控制算法[J]. 韩恺,赵均,徐祖华,钱积新.  化工学报. 2009(07)
[2]一种基于LMI的离线预测控制算法[J]. 徐祖华,赵均,钱积新.  电路与系统学报. 2004(02)
[3]状态反馈预估控制[J]. 袁璞,左信,郑海涛.  自动化学报. 1993(05)



本文编号：3614391