基于學習的預測控制算法研究.pdf

1、預測控制是一種能夠有效處理約束的控制算法，它能夠達到優(yōu)良的跟蹤性能，但若模型存在誤差、算法的參數(shù)或控制律設置不合理，則會影響控制的精度與速度。學習控制主要針對具有周期特性的工程對象，從學習的角度來構造控制律，利用對象過去的運行信息來不斷進行學習修正當前周期的控制信號，從而在整個運行時間內使系統(tǒng)可以精確地跟蹤系統(tǒng)設定的期望軌跡。在處理具有周期特性的對象時，若能將預測控制與學習控制相結合，則能發(fā)揮兩者的優(yōu)勢，提高系統(tǒng)的魯棒性，實現(xiàn)高精度的快

2、速跟蹤。
　　本研究主要內容包括：⑴使用多速率模型的重復預測控制以抑制周期性擾動與紋波。首先，針對重復控制中出現(xiàn)的紋波情況進行分析，提出使用多速率模型來改善這一現(xiàn)象；其次，得到一個使用多速率模型的對象增廣模型用于控制器設計；最后，使用基于狀態(tài)空間的模型預測控制方法進行控制求解并實施滾動優(yōu)化。仿真實例表明使用多倍率模型進行控制比使用單倍速率模型進行控制更有效，進一步證明了算法的有效性。⑵具有馬爾科夫周期性跳變擾動系統(tǒng)的重復預測控制。

3、首先，得到一個使用馬爾科夫模型的增廣模型；其次，針對該增廣模型使用基于狀態(tài)空間的模型預測控制方法進行求解，并實施滾動優(yōu)化。仿真實例證明了算法在統(tǒng)計意義下的有效性。⑶城市排水系統(tǒng)的迭代學習預測控制。對城市排水系統(tǒng)進行簡化建模，得到其對應的溢流簡化模型；根據(jù)對降雨過程的分析，將其分為三個模態(tài)，提出使用迭代學習預測控制算法來處理溢流問題；將溢流問題轉化成相應的優(yōu)化問題，使用滾動優(yōu)化來求解。以具體的城市排水系統(tǒng)為例，對其進行簡化建模、仿真分析與