基于數(shù)據(jù)的預測控制模型性能診斷方法研究.pdf

1、預測控制作為一種先進的控制策略，研究預測控制模型性能診斷技術(shù)對于保持與提高預測控制器性能、促進先進控制策略的推廣和應用等方面有著重要的理論意義和實際應用價值。
　　本文首先介紹了預測控制以及粒子群優(yōu)化算法(PSO)等相關(guān)基礎理論與方法。在此基礎上，主要基于目前兩種基于數(shù)據(jù)的預測控制器性能診斷方法提出一種基于辨識模型仿真思想的基于數(shù)據(jù)的預測控制性能診斷方法。主要內(nèi)容如下:
　　基于特征性能子空間的預測控制模型的性能診斷方法，該

2、方法引入了特征性能子空間來描述各性能類別的特征，建立實時數(shù)據(jù)和各類別數(shù)據(jù)的性能子空間并計算它們之間的距離，采用聚類分析的思想，以距離為度量來確定監(jiān)控數(shù)據(jù)所對應的類別，從而定位引起預測控制模型性能下降的原因。針對上述方法的不足本文提出了一種基于PSO優(yōu)化的特征性能子空間的性診斷價方法。在特征子空間的選擇上采用PSO優(yōu)化算法，使特征性能子空間的選取更具代表性通過仿真研究驗證該方法的有效性。
　　基于PCA相似因子的預測控制模型的性能診

3、斷方法，該方法通過引入特征性能子空間來描述各性能類別的特征，計算實時數(shù)據(jù)和各類別數(shù)據(jù)的性能子空間之間的PCA相似因子，采用聚類分析的思想，以PCA相似因子為度量來確定監(jiān)控數(shù)據(jù)所對應的類別，從而定位引起預測控制模型性能下降的原因。本文提出利用PSO獲得PCA相似因子參數(shù)的性能診斷方法，仿真結(jié)果驗證方法的有效性。在分析上述兩種方法原理、特點和適用范圍的基礎上，通過神經(jīng)網(wǎng)絡分類器將兩種評價方法相結(jié)合，充分利用兩種方法的指標信息，提出一種混合性