基于參數(shù)變化模型的非線性系統(tǒng)辨識及其預測控制研究.pdf

1、在化工、煉油、火電等工業(yè)過程中，模型預測控制算法(MPC)的運用受到了廣泛的關(guān)注。然而，實際運用中的MPC主要是針對線性系統(tǒng)提出的。
　　目前為止，非線性MPC在工業(yè)應用的實例還很少，主要瓶頸之一就是非線性過程建模和辨識的高成本。當對象有強非線性時，由于采用線性模型的輸出預測與實際偏差較大，達不到優(yōu)化控制的目的，預測控制的進一步推廣必須基于非線性模型進行預測和優(yōu)化。
　　近十年來，基于參數(shù)變化模型的系統(tǒng)辨識受到了學術(shù)界及工業(yè)

2、界的廣泛關(guān)注。參數(shù)變化模型辨識方法的有效性也在航空航天領(lǐng)域（高性能的航天飛行器、導彈和渦輪發(fā)電機）上得到了驗證。針對多輸入多輸出、強非線性的復雜工業(yè)對象，開展非線性系統(tǒng)辨識及其預測控制研究，是目前工業(yè)自動化領(lǐng)域國際學術(shù)界與工業(yè)界關(guān)注的研究熱點與難點之一。
　　本文在基于參數(shù)變化模型系統(tǒng)辨識及其預測控制方法主要進行了以下工作:
　　1.提出了提高基于多模型線性參數(shù)變化模型精度的非線性辨識方法。通過引入非對稱高斯函數(shù)，將基于高斯

3、函數(shù)的線性參數(shù)變化模型，推廣為基于非對稱高斯函數(shù)的線性參數(shù)變化模型，通過自由選取局部線性模型，顯著提高了模型辨識的精度。并把該模型結(jié)構(gòu)擴展到基于兩個調(diào)度變量的多模型線性參數(shù)變化模型。
　　2.協(xié)助完成了實驗平臺的搭建工作，并完成了后續(xù)的完善工作。把所提出基于非對稱高斯函數(shù)的線性參數(shù)變化模型辨識方法在中央空調(diào)實驗平臺上得到實施并對該方法進行驗證，從實際的數(shù)據(jù)和效果，所提出的方法顯著提高了模型的精度且更適于工業(yè)實際的運用。
　　

4、3.自主提出了一種新的非線性參數(shù)變化模型，這是一種基于混合Hammerstein模型的非線性參數(shù)變化架構(gòu)。此外，還提供完善的對非線性參數(shù)變化辨識對象進行辨識實驗步驟和模型辨識方法。在連續(xù)攪拌釜反應器的多輸入多輸出系統(tǒng)仿真中，與LPV和Hammerstein-Wiener模型方法進行了比較，驗證該方法的有效性。
　　4.提出并實現(xiàn)了基于自主提出非線性參數(shù)變化模型的非線性預測控制算法，采用多步線性的算法和直接線性反饋神經(jīng)網(wǎng)絡，簡化非線