基于遺傳算法和非線性規(guī)劃的約束廣義預測控制.pdf

1、預測控制是20世紀70年代產生的一類新型計算機控制算法。經過30多年的發(fā)展，預測控制理論和實踐發(fā)展都取得了豐碩的成果，形成了具有滾動優(yōu)化特色，能夠解決不確定性系統(tǒng)穩(wěn)定和魯棒性強的設計理論體系。廣義預測控制(GPC)在自適應控制和預測控制研究基礎上發(fā)展起來控制方法。該算法是一種魯棒性強、能夠有效地克服系統(tǒng)滯后、可應用于開環(huán)不穩(wěn)定非最小相位系統(tǒng)的先進控制算法。然而，傳統(tǒng)的GPC算法沒有考慮到工業(yè)過程對控制作用的約束要求。如果在廣義預測控制中

2、考慮約束，勢必會對控制量求解帶來難度，影響了廣義預測控制的性能。通常狀況下，求解有約束的廣義預測控制器是一個優(yōu)化問題，應用傳統(tǒng)算法來求解變得很難，而且計算量大。因此，為了解決廣義預測控制出現的這種問題，需要尋找其他的優(yōu)化方法。
　　 遺傳算法(GA)是在生物遺傳機理和自然選擇基礎上，應用數學方法模擬自然進化建立數學模型，并且能夠處理復雜問題的優(yōu)化方法。由于遺傳算法不受問題性質、優(yōu)化準則形式等因素的限制，而且目標函數在適應度和概率

3、大小引導下進行全局搜索，能夠有效的處理帶約束的優(yōu)化問題。非線性規(guī)劃也是一種優(yōu)化理論和方法，主要研究極值問題和約束極值問題的理論和算法。但是GA也有其局限性，比如早熟收斂的問題，局部搜索能力弱。還有就是群體規(guī)模對遺傳算法的優(yōu)化性能也有較大影響。種群規(guī)模小可能會導致種群單一化，群體進化過程很快結束，當種群規(guī)模取值較大時將導致計算量增加，計算效率下降。
　　 本文針對有約束廣義預測控制，在遺傳算法的基礎上結合非線性規(guī)劃算法來彌補這些不