采用Brent优化的核学习单步预测控制算法

被引：5

作者：

刘毅

王海清

李平

机构：

[1] 浙江大学工业控制技术国家重点实验室工业控制研究所

来源：

控制理论与应用 | 2009年 / 26卷 / 01期

关键词：

非线性系统; 核学习; 单步预测控制; Brent优化;

D O I：

暂无

中图分类号：

TP273 [自动控制、自动控制系统];

学科分类号：

080201 ; 0835 ;

摘要：

针对非线性SISO系统,提出一种基于核学习辨识模型的单步预测控制算法(kernel learning one-step-ahead predictive control,KLOPC).通过KL辨识模型得到系统的一步超前预报值,并引入输出反馈和偏差校正以克服模型失配等因素引起的预测误差,以此构造一步加权预测控制性能指标,然后采用Brent一维搜索方法求取控制律.该方法无需任何相关的导数信息,需调整的参数少,求解效率高.在一非线性液位系统的仿真研究表明了KLOPC优于整定的PID和其它基于KL模型的控制方法,对噪声和扰动等均具有更好的鲁棒性和自适应性.

引用

页码：107 / 110

页数：4