支持向量機在智能建模和模型預測控制中的應用.pdf

1、模型預測控制(MPC)是當今石油、化工等過程工業(yè)中應用最為成功的先進控制技術(shù)之一，它是指用動態(tài)模型對未知系統(tǒng)的未來行為進行預測，并進而根據(jù)該模型對系統(tǒng)進行優(yōu)化控制的一類控制策略。隨著生產(chǎn)過程規(guī)模的擴大和復雜程度的提高，建立系統(tǒng)的機理模型已經(jīng)變得越來越困難，利用可測量的實驗或生產(chǎn)數(shù)據(jù)建立辨識模型已成為必然的選擇。近年來，建立在統(tǒng)計學習理論基礎(chǔ)之上的支持向量機(SVM)已經(jīng)在模式識別、系統(tǒng)辨識等許多領(lǐng)域中得到成功應用。因此，本文針對一類具有

2、非線性特性的復雜被控對象，研究其基于SVM的智能建模方法及相應的提前多步預測和控制量的尋優(yōu)策略。 本文的主要貢獻： 1．針對非線性多輸入多輸出(MIMO)系統(tǒng)，提出基于二次多項式核函數(shù)SVM的提前一步非線性模型預測控制(NMPC)的結(jié)構(gòu)和算法。通過考慮輸入、輸出分量間的耦合，利用SVM對每個輸出分量單獨建模，再將所有分量的模型集成為向量形式，根據(jù)預測控制機理推導出關(guān)于提前一步的各個最優(yōu)控制分量與已知輸入、輸出量間的解析方

3、程組，再通過數(shù)值方法進行求解。 2．針對非線性MIMO系統(tǒng)，提出基于二次多項式核函數(shù)并行SVMs的提前多步NMPC的結(jié)構(gòu)和算法，給出關(guān)于提前多步的各個最優(yōu)控制分量與已知輸入、輸出量問的解析方程組。其中，基于并行SVMs的提前多步各預測模型間相互獨立，無誤差累積；同時，提出新的適用于具有并行提前多步預測模型的MPC反饋校正策略。 3．提出基于SVM多分類的多模型切換策略，將基于并行SVMs的MPC(SVMs-MPC)技術(shù)推

4、廣，使其能夠控制具有多種工況的復雜對象。該方法首先對每個工況分別建立SVM模型，同時實現(xiàn)各自的SVMs-MPC算法，然后對多個工況建立SVM多分類模型。實時控制時，通過SVM多分類模型辨識當前工況，并激活相應的SVMs-MPC控制器。該控制策略將基于SVM的分類和擬合有機地結(jié)合，為工況經(jīng)常要發(fā)生躍變的復雜過程提供新的控制思路。 4．分析了基于線性核函數(shù)并行SVMs的提前多步MPC的魯棒穩(wěn)定性。根據(jù)SVM模型，給出SVMs-MPC

5、閉環(huán)穩(wěn)定的充分必要條件；再應用小增益定理，得出對于一定的模型/對象偏差，上述穩(wěn)定條件仍能保持魯棒穩(wěn)定的約束集。仿真實驗表朗對于未知的線性和弱非線性對象，可根據(jù)穩(wěn)定條件和魯棒穩(wěn)定約束集調(diào)整預測控制參數(shù)，以得到具有較大穩(wěn)定裕度的閉環(huán)特性。 5．提出用基于線性核函數(shù)的SVM和基于Spline核函數(shù)的SVM串聯(lián)的多核模型結(jié)構(gòu)辨識非線性系統(tǒng)，給出具體的辨識方法；并在此模型結(jié)構(gòu)的基礎(chǔ)上，將NMPC轉(zhuǎn)化為線性模型預測控制(LMPC)，得出具有