复杂系统的多模型建模及预测控制

发布时间：2021-01-12 09:34

　　在工业生产的实际过程中，被控对象本身或受到外界影响，往往存在大量不确定性，如：被控系统是子系统动态变化或是参数时变快的非线性系统，存在较大外部扰动的或随机系统，系统参数变化大的复杂线性系统或随机系统；系统、传感器或执行器出现故障。对于这类系统，常规的辨识算法不能做到时实跟随模型参数的变化，故此，系统特性难以用常规的辨识算法进行全面地描述，使得相对于实际的工业过程，基于模型设计的控制器的精度难以满足它的控制要求。为解决上述难题，多模型方法开辟了一个新的方向，是一种处理复杂系统的有效方法。方法将复杂非线性系统分解成若干简单的线性系统，逐一求解分解后的线性系统，并通过某种合成法则以获得原复杂系统良好的建模及控制效果。无论是在理论研究还是实际的工业应用中，从其被提出以来，都已经取得了很大的成果。虽然，多模型的方法对复杂系统有着良好的控制效果，但其本身仍存在需要改进的地方，包括：如何选取和优化模型集、怎样确保模型切换时的稳定性、对存在随机干扰的不确定如何进行系统控制等。针对现有的多模型方法存在的问题，本文的进行了研究，主要研究工作如下：在利用多模型的分解-合成的策略对复杂非线性系统建模时，对系统... 

【文章来源】：华东交通大学江西省

【文章页数】：72 页

【学位级别】：硕士

【部分图文】：

多模型控制结构图

图（2）为多模型自适应系统的结构图2 多模型自适应控制系统结构图Fig. 2 Structure of MMAC-Multiple Model Adaptive Control

预测模型、滚动优化、反馈校正是预测控制所具有其鲜明的特征，其基本结构如图（3）所示。图3 预测控制的基本结构Fig. 3 The basic structure of predictive control2.2 预测控制的生成过程1）对未来某段时长内的系统输出序列进行预测，针对被控对象的某类控制模型，在每个采样时刻k，通过系统过去、现在及将来的控制输入，过去和现在的系统输出完成对未来输出序列的预测，即图11中的y(k+1),...,y(k+N)。2）通过对公式（2-1）的目标函数极小化得到未来的控制序列：u(k),...u(k+Nu-1),沿某个参考轨迹yr(k+j),使未来输出预测序列y(k+j)到达设定值。为了能够按照一定的响应速度使输出y(k)平滑地过渡到设定值ω，在预测控制中，参考轨迹通常采用一阶滞后模型，如下所示：

【参考文献】：
期刊论文
[1]一种基于多模型切换的阶梯式广义预测控制算法[J]. 李小田,王昕,王振雷,钱锋.  化工学报. 2012(01)
[2]过热汽温多模型预测控制的现场应用[J]. 袁立川,丁艳军,李东海.  清华大学学报(自然科学版). 2010(08)
[3]改进的模糊C-均值聚类算法研究[J]. 齐淼,张化祥.  计算机工程与应用. 2009(20)
[4]改进模糊划分的FCM聚类算法的一般化研究[J]. 朱林,王士同,邓赵红.  计算机研究与发展. 2009(05)
[5]多模型控制方法研究及应用[J]. 周磊.  中国制造业信息化. 2007(19)
[6]多模型自适应控制算法的性能分析[J]. 李晓理,康运锋,胡广大.  系统仿真学报. 2007(04)
[7]基于多模型切换的智能控制研究[J]. 翟军勇,费树岷.  东南大学学报(自然科学版). 2004(S1)
[8]非线性系统辨识方法的新进展[J]. 李秀英,韩志刚.  自动化技术与应用. 2004(10)
[9]交互式多模型算法中模型集选择的分析研究[J]. 徐肖豪,高彦杰,杨国庆.  航空学报. 2004(04)
[10]含有界扰动系统的多模型自适应控制[J]. 李晓理,王书宁.  控制理论与应用. 2003(04)



本文编号：2972612