基于局部模型網(wǎng)絡的多模型建模與控制.pdf

1、隨著社會經(jīng)濟的飛速發(fā)展，人們面臨的生產(chǎn)系統(tǒng)工況日益復雜，要求日益提高，控制系統(tǒng)往往具有多變量、非線性、強耦合、工況范圍廣、控制性能綜合要求高等特點，對復雜動態(tài)系統(tǒng)的建模與控制提出了更高的要求。在這種情況下，采用基于分解-合成原則的多模型策略以簡化原有的復雜系統(tǒng)建模與控制是一種有效的嘗試。本文面向復雜非線性系統(tǒng)，對基于局部模型網(wǎng)絡的多模型建模與控制問題作了研究和探索。 本論文的主要內(nèi)容包括：●針對局部模型網(wǎng)絡(LMN)的建模問題，

2、對滿意聚類算法加以改進，將其引入到LMN調(diào)度函數(shù)參數(shù)的辨識中來；已有的局部模型參數(shù)的多模型辨識算法主要基于兩種性能指標之上進行設計，分別為全局性能指標與局部性能指標，本文充分考慮這兩種性能指標在實際應用中的優(yōu)缺點，提出基于加權(quán)性能指標的多模型辨識算法來辨識局部模型參數(shù)。 ●由于多模型系統(tǒng)是基于數(shù)據(jù)驅(qū)動(datadrive)的，而在實際過程中離線搜集覆蓋全部工況的數(shù)據(jù)要花費大量的時間或根本不可能做到，因此本文提出一種多模型在線建模

3、方法。首先對減法聚類的在線算法進行改進，用以遞推辨識調(diào)度函數(shù)參數(shù)；將局部模型參數(shù)的多模型離線辨識算法推廣到在線形式，在每一時刻根據(jù)新的數(shù)據(jù)樣本更新局部模型參數(shù)，以期得到的多模型系統(tǒng)能以更高的精度逼近實際對象；認識到調(diào)度函數(shù)參數(shù)發(fā)生改變時，將會引起多模型建模效果的不確定變化，本文對局部模型參數(shù)進行同步調(diào)整，提出了局部模型參數(shù)的初調(diào)算法。 ●考慮到以多模型描述作為預測模型設計預測控制器時，在預測時域內(nèi)模型將根據(jù)當前工況不斷變化，因此

4、本章提出了基于模型切換的多模型預測控制器。首先對LMN多模型的調(diào)度函數(shù)選擇進行分析，指出模型切換系統(tǒng)是LMN多模型的一個特例，然后采用邏輯變量將模型切換系統(tǒng)描述為混合邏輯動態(tài)系統(tǒng)，并將其作為預測控制中的預測模型，同時考慮各局部模型只在各自的局部有效域內(nèi)有效，因此將局部有效域描述為局部模型的局部約束組合到預測控制的優(yōu)化問題中，提出基于模型切換且?guī)в芯植考s束的多模型預測控制算法，文中給出該控制算法的標稱穩(wěn)定性證明的同時，并以pH中和過程的控

5、制問題為例驗證了所提出的控制算法的有效性。 ●提出了兩種加權(quán)型多模型預測控制系統(tǒng)的設計，包括基于控制器加權(quán)與基于模型加權(quán)的兩種形式。在基于控制器加權(quán)的多模型預測控制算法中，首先對各局部模型設計局部預測控制器，全局控制量為局部控制量的加權(quán)和。由于局部模型只在局部區(qū)域內(nèi)有效，局部約束也是必需的，本文還對這種控制算法作了性能分析，得到了一些定性的分析結(jié)果。在基于模型加權(quán)的多模型預測控制算法中，將全局多模型作為預測模型，由于全局多模型系

6、統(tǒng)本質(zhì)上是一種非線性模型，因此形成的優(yōu)化問題為帶有非線性等式約束的非凸優(yōu)化問題，需要采用SQP方法對相應的優(yōu)化問題進行求解。借鑒傳統(tǒng)的預測控制穩(wěn)定性分析方法，控制系統(tǒng)穩(wěn)定性結(jié)果也能同時得到。 ●對多模型系統(tǒng)中的切換/加權(quán)策略進行了分析。以不同的切換/加權(quán)向量為分類，對文獻中出現(xiàn)的幾種典型的切換/加權(quán)策略進行分析，考慮其優(yōu)缺點及適用情況。當實際對象存在外界干擾時，對多模型系統(tǒng)中的切換/加權(quán)策略作進一步的討論，為避免干擾引起的不良影