遞推辨識算法研究及其在MPC上的應用.pdf

1、隨著預測控制在工業(yè)上的應用越來越廣泛，如何在復雜的應用背景下進一步提高控制器的性能也越來越受重視。而作為模型預測控制器的核心之一，預測模型的質(zhì)量對控制器的效果也有著至關重要的影響。關于預測控制與系統(tǒng)辨識目前已經(jīng)有了豐富的理論與實踐經(jīng)驗，但是實際的生產(chǎn)中，在線運行的控制系統(tǒng)也都有著各自的問題和提升空間。本文的研究中，對遞推辨識算法和一種擾動自適應的預測控制器進行了研究并提出了一些新的想法。具體的工作內(nèi)容如下:
　　1.基于多迭代的A

2、RMAX遞推辨識。總結和分析已有的關于ARMAX模型估計的基礎上，用高斯牛頓法推導了一種遞推辨識算法。針對離線算法與遞推算法的參數(shù)估計精度有差距這一點，分析原因之后，提出了一種數(shù)據(jù)多迭代的思想。仿真研究表明，多迭代算法在參數(shù)收斂的速度與精度上都優(yōu)于原有的遞推算法。
　　2.對兩種時間序列模型的建模及預測能力研究。工業(yè)控制系統(tǒng)的不可測擾動等對象的建模屬于時間序列分析問題，本文從常見的AR與ARMA兩種模型著手，分別推導了其遞推算法，

3、并用多迭代思想對ARMA模型進行了改進，使其跟蹤時變模型能力顯著提升。兩者的多步預測研究中發(fā)現(xiàn)，參數(shù)更多的ARMA模型預測精度好于AR模型，但魯棒性不如后者。
　　3.擾動自適應預測控制器的分析改進及參數(shù)設計。介紹了一種基于擾動模型的預測控制算法DMCA，為不可測擾動單獨建立預測模型使得該控制器對擾動抑制能力更強，控制效果更好。結合之前研究，分析基于ARMA模型的DMCA算法不穩(wěn)定的原因后，提出了兩種改進辦法:基于AR模型的DMC