导 师: 郭伟
学科专业: G1102
授予学位: 硕士
作 者: ;
机构地区: 南京信息工程大学
摘 要: 模型预测控制(modelpredictivecontrol(mpc))是直接从工业过程控制中产生的一类基于模型预测、滚动优化并结合反馈校正的先进计算机优化控制算法。由于模型在工业现场易于获得,不需要复杂的系统辨识与建模,采用反馈校正基础上的在线滚动优化取代传统的最优控制,所以它对模型的要求低,对模型失配、非最小相位系统、不确定干扰的影响具有较强的鲁棒性,而且在线计算相对比较简单,适用于数字计算机控制。其基本思想是将传统自校正技术的单步预测扩展为多步预测,从而有效地抑制了算法对于模型参数变化的灵敏性。它的典型算法有三大类:模型算法控制(modelalgorithmiccontrol(mac))、动态矩阵控制(dynamicmatrixcontrol(dmc))、广义预测控制(generalizedpredictivecontrol(gpc))。它们都基于模型预测、滚动优化、反馈校正三大环节。 广义预测控制作为预测控制中一种重要的典型算法,它一出现就受到了国内外控制理论界和工业界的重视,成为研究领域中最为活跃的一种预测控制算法。广义预测控制由于采用多步输出预测、滚动优化和反馈校正等控制策略,获取系统过去和未来的有关信息比单步预测多,因而抗负载扰动、随机噪声、时延变化等能力显著增强。当模型参数慢时变时,采用自校正控制策略在线辨识参数,以适应参数和环境的变化,更增强了广义预测控制的适应性和鲁棒性,所以可适用于有纯时延、开环不稳定非最小相位的复杂过程。但由于采用多步输出预测,需要在线递推求解丢番图(diophantine)方程,滚动优化中又需要在线对控制矩阵进行求逆运算,导致计算工作量大,实时性降低。因而研究广义预测控制的改进,减少计算量,提高实时性,具有重要的理论意义与实际应用价值。本文在研究总结国内外研究的基础上,提出了一�