预测控制的线性方法、非线性方法和神经网络方法

【摘要】：这是一本关于预测控制的学位论文，它综述了预测控制的基本情况，在叙述几种典型的控制算法的基础上，给出了两个应用实例，并分析了它们的控制性能、预测控制的模型和设计参数，对目前正在发展的非线性预测控制和神经网络预测控制进行了研究和探讨。 在预测控制的应用方面，本文针对液位对象参数时变的特点，将自校正技术引入动态矩阵控制，使得系统的适应性进一步加强；在温箱温度控制中，根据对象结构和参数变化的情况，选择PI型的广义预测控制算法，使得系统的控制性能被提高，整定更为方便。 在预测控制系统分析方面，针对预测控制算法中使用多种模型形式的情况，本文揭示了不同模型之间的关系，给出了相应的转换公式，为预测控制系统的分析和设计提供了方便；通过对上述两个具体预测控制系统特性的分析，说明了内模控制是分析各类预测控制系统的有力工具，论述了控制系统的准确性、稳定性和鲁棒性，定性地阐述了设计参数与系统控制性能之间的关系，并用实例加以验证，这对预测控制系统的设计具有参考和指导意义。 在非线性预测控制方面，论文研究了用线性化方法处理非线性预测控制的可能性；在基于Hammerstein模型的预测控制中，对由中间变量通过求根确定控制采用的两种近似法，进行了深入的研究，得出了确切的结论；文章认为，用具有外输入的自回归模型逼近非线性，并用格热姆—施密特正交法简化结构，是一种较好的非线性处理方法，适合非线性预测控制，理论上有参考价值。 文章还就如何用神经网络构建预测器和控制器，实现输出预估和模型求逆，优化控制，提高网络训练速度，改善控制质量，提出了具体的思想和措施，如：对BP神经网络改三层结构为两层，对RBF网络除调整连接权外，增加调节网络中心向量和形状参数，对大滞后施用多步预测与补偿控制，仿真证明，这些改进是有效的、可行的。