基于非線性度量和MLD-MPC的多模型方法研究.pdf

1、針對(duì)設(shè)定值變化比較大、工作范圍比較寬的強(qiáng)非線性系統(tǒng)，本文提出了基于非線性度量和MLD-MPC的多模型方法。為了解決多模型方法中的“分解”與“合成”兩個(gè)核心問題，分別提出了基于非線性度量的“分解”方法和基于混合邏輯動(dòng)態(tài)(MLD)模型的“合成”方法，并設(shè)計(jì)了基于MLD模型的全局MPC控制器。本文的主要貢獻(xiàn)如下：
　　 (1)針對(duì)具有Hammerstein或Wiener模型結(jié)構(gòu)的SISO非線性系統(tǒng)(簡稱SISO Hammerstein

2、-like系統(tǒng))，提出一種夾角非線性度量方法。該方法通過計(jì)算系統(tǒng)靜態(tài)I/O曲線斜率的變化，衡量系統(tǒng)在一個(gè)范圍內(nèi)的非線性程度，從而為控制策略的選擇以及操作空間的分解奠定基礎(chǔ)。
　　 (2)為了突破夾角非線性度量方法僅適用于SISO Hammerstein-like系統(tǒng)的局限性，提出一種基于gap metric的非線性度量方法。該方法適用于一般可微非線性系統(tǒng)，它充分利用gap metric作為度量工具的優(yōu)點(diǎn)，在對(duì)非線性系統(tǒng)進(jìn)行控制器

3、設(shè)計(jì)之前，深入分析系統(tǒng)的動(dòng)態(tài)行為特性，衡量系統(tǒng)的開環(huán)非線性程度，從而為控制策略的選擇提供依據(jù)。
　　 (3)基于上述兩種非線性度量方法，提出兩種分解非線性系統(tǒng)的方法。其基本思想是：在給定的度量指標(biāo)下，依次逐個(gè)比較指定操作空間內(nèi)線性模型之間的距離與給定閾值的大小，如果一個(gè)范圍內(nèi)所有線性模型之間的距離都小于閾值，就將這個(gè)范圍就劃分為一個(gè)子空間，并建立合適的線性子模型。重復(fù)如此，直到將整個(gè)操作空間分解完為止。該方法系統(tǒng)有效，能比較好的

4、解決多模型方法中的“分解”問題。
　　 (4)針對(duì)通過上述分解方法得到的線性模型集，采用MLD模型進(jìn)行“合成”。并基于MLD模型在整體的性能指標(biāo)下設(shè)計(jì)全局MPC控制器(即基于MLD-MPC的多模型控制器)。基于MLD-MPC的多模型控制器，可以在統(tǒng)一的MLD模型框架下有效地協(xié)調(diào)各個(gè)線性子模型，避免模型切換時(shí)引起的抖動(dòng)，增強(qiáng)系統(tǒng)的魯棒穩(wěn)定性；且每個(gè)采樣時(shí)刻都可以利用全部子模型的動(dòng)態(tài)信息對(duì)非線性系統(tǒng)進(jìn)行動(dòng)態(tài)優(yōu)化控制，提高了系統(tǒng)的控制