一類非線性系統(tǒng)預測控制中的建模問題.pdf

1、預測控制，是基于模型的控制方法，但并不拘泥于模型的形式。預測模型的建立是整個預測控制的基礎，是預測控制中至關重要的一個環(huán)節(jié)。由于非線性系統(tǒng)沒有統(tǒng)一的模型描述形式，各種非線性系統(tǒng)的預測控制，都是基于不同非線性系統(tǒng)模型描述形式進行的。因此，進行非線性系統(tǒng)預測控制研究，有必要研究預測模型的建立問題。本文研究了一類非線性系統(tǒng)預測控制中的建模問題，提出了一類非線性系統(tǒng)的幾種建模方法，以及基于這些建模方法的非線性系統(tǒng)預測控制算法。
　　給出一

2、類非線性系統(tǒng)的實現(xiàn)簡單的多項式逼近的建模方法，在此方法中，將輸入輸出數據通過拓撲同胚變換，變換到[0,1]區(qū)間內，用多項式逼近的方法進行建模，對初始給定的多項式模型，通過反復的參數辨識、去除模型中的冗余項，得到非線性系統(tǒng)的多項式逼近模型，再利用拓撲反變換，將數據還原回原始數據區(qū)間。對一類非線性系統(tǒng)，利用多項式逼近的建模方法，用測得的輸入輸出數據，建立多個不同預報步長的輸出非線性預測模型，優(yōu)化二次性能指標，將問題轉化為求解控制量的多元一次

3、方程組問題，將解方程得到的預測控制律與前步預測控制誤差做平滑得到控制律，從而得到基于多項式逼近建模的一類非線性系統(tǒng)預測控制算法。
　　對非線性模糊建模方法進行研究，給出了兩種改進的模糊建模方法。在改進的最近鄰模糊聚類建模方法中，將最近鄰聚類半徑和方差參數進行動態(tài)更新，使聚類更符合實際情況，從而提高了建模精度。在基于遞階聚類的T-S模糊建模方法中，首先用最近鄰聚類求出聚類數與聚類中心，用 GK聚類確定前件參數，再用帶遺忘因子的最小二

4、乘法進行后件參數辨識，辨識過程中根據規(guī)則對模型的貢獻的大小，剔除一些對系統(tǒng)模型貢獻較小的模糊規(guī)則。并在此基礎上給出了一種基于改進遞階聚類模糊T-S模型建模方法的模糊預測控制算法，根據預測控制中的預測步長，建立多個包括當前時刻以前的輸入輸出數據、未來時刻的輸入量的模糊預測模型，可以在不求解Diophantine方程的情況下通過最優(yōu)化性能指標得到預測控制律。
　　研究一類非線性系統(tǒng)的多層遞階建模及參數預報，通過多層遞階方法建立預測模型

5、，給出了一類非線性系統(tǒng)的多層遞階自適應預測控制算法。此方法不必考慮被控非線性系統(tǒng)的模型具體形式，只是根據系統(tǒng)輸入輸出，直接用與之等價的時變線性模型代替它。通過參數的在線辨識與預報，實現(xiàn)了單輸入單輸出非線性系統(tǒng)的自適應預測控制，有著比較廣泛的適用性。
　　針對一類非線性系統(tǒng)，提出一種無模型預測控制方法，將無模型控制中的泛模型思想應用于非線性預測控制。在預測控制中，不對被控系統(tǒng)建立模型，利用輸入輸出數據辨識泛模型的特征向量，并利用多層