论文部分内容阅读
数据驱动控制最早来源于计算机科学领域,控制领域出现这个概念是在近几年的事情。在生产数据大量积累的今天,面临工业过程难于机理建模的挑战,如何充分利用数据中包含的巨大信息,研究数据驱动的控制方法倍受关注。预测控制采用预测模型、多步滚动优化和反馈校正控制策略,在过程控制界被认为是唯一能以系统和直观的方式处理多变量约束系统在线优化控制的先进技术,在复杂的工业生产过程中得到了广泛和成功的应用。子空间方法广泛适用于多变量系统,对被控系统先验知识要求较少,直接利用观测的输入输出数据辨识系统模型,且数值计算具有一定的鲁棒性。基于以上种种优点,目前已有不少基于子空间在线辨识与预测控制相结合的数据驱动控制方法。本文从多变量线性时变饱和约束系统的在线辨识与控制出发,在辨识算法的改进,饱和数据的影响及预测控制器的设计等方面进行了深入的探讨和研究。主要内容包括:(1)针对时变被控系统动态特性变化较大等情况,提出了一种具有反馈校正的时变遗忘因子的子空间辨识及预测控制器设计。根据实测输出值与预测输出值的误差构造变遗忘因子,调整采集历史数据在辨识中所占权重,形成反馈校正控制策略,更好的反映系统的当前特性,提高辨识灵敏度,取得较好的优化控制效果。最后通过仿真实例验证了算法的有效性。(2)饱和特性广泛的存在于实际系统中,大量文章在对被控系统进行控制时都考虑了约束的限制条件。但是相对于执行器饱和的研究,输出(传感器)饱和的研究还没有引起足够的重视,相关的研究成果也非常少,尤其是输出饱和对辨识的影响。针对时变被控系统的在线辨识与控制,在输出信号锁定而无法反映系统信息变化时,得出输出饱和步长及预测时域与子空间矩阵的关系。最后通过仿真实例验证了结论的正确性。