基于组合模型的非线性预测控制算法及其应用研究

化工过程中有大量的非线性系统可用包含静态非线性部分和线性动态部分两部分的组合模型加以描述,本文针对这类系统,提出了两种预测模型及三种非线性预测控制(NMPC)算法,并在一套耦合水箱液位控制系统中进行了实验,验证了其有效性。本文主要内容如下: 1)通过分析对比现有文献中非线性预测控制算法常用的预测模型,提出了采用点集映射描述系统稳态输入和稳态输出关系的数值稳态模型,进而提出了数值稳态—ARX组合模型和BP神经网络-ARX组合模型两种预测模型。 2)对于SISO非线性系统,用数值稳态模型代替解析模型来描述系统的稳态非线性特性,简化了模型辨识过程;采用类似Hammerstein模型结构形式的非线性稳态模型在前,线性动态模型在后的数值稳态—ARX组合模型,通过稳态模型来在线修正离线辨识得到的ARX模型的参数,提出了用一个变参数的ARX进行控制的数值NMPC算法。 3)对于SISO非线性系统,提出了数值稳态模型和线性ARX模型并联的组合模型。在仍以稳态模型在线修正离线辨识得到的ARX模型参数为主的同时,结合自适应控制中常用的递归最小二次法(RLS)来进一步提高预测模型的自我修正能力,在提高控制响应快速性的同时也提高了系统在工作点附近的稳态品质。用序列二次优化算法进行在线优化,提出了可以应用于强非线性系统的自适应NMPC算法。 4)对于MIMO非线性系统,用BP神经网络来描述系统的稳态模型,提出了BP-ARX组合模型。通过BP稳态模型来在线修正离散辨识得到的ARX模型的参数,用一个变参数的ARX进行预测控制;同时,在上述自适应NMPC算法的基础上,定义了切换系数ξ来约束自适应算法的作用时间,使得当且仅当系统实际输出值与输出设定值间的误差小于ξ的设定值时NMPC控制器才包含RLS算法,最终提出了变参数的非线性预测控制算法(PV-NMPC)。 5)对以本文算法为基础的NPC(非线性预测控制)软件的体系结构和功能模块进行了探讨。 6)分别将第3、4章所述算法在一套耦合水箱液位控制系统中进行实验,并与PI加前馈控制器进行了控制效果对比。