论文部分内容阅读
预测控制作为一种面向实际工业过程发展起来的计算机控制算法,以其易于建模、控制性能较好、鲁棒性强、有效处理约束等特点,一直深受工业控制界的关注。本文围绕预测控制的滚动优化特点,对预测控制中的若干问题进行了深入研究,在总结目前已有研究成果的基础上做出了有效的改进,提出了自己的创新点。 本文的主要内容和创新点包括: 1.作者系统地阐述复杂工业过程多目标分层优化要求的含义,针对包含积分对象与稳定对象的多变量系统,在预测控制两级分层优化结构的基础上,提出了基于二次规划的多目标稳态优化方法。 2.针对工业过程的模型不确定性,作者提出了一种基于Min-Max原理的预测控制鲁棒参数设计方法,选择优化时域、控制时域、控制权矩阵作为鲁棒设计参数,在参数设计时应用Min-Max原理充分考虑模型的不确定信息,提高了控制系统的鲁棒性能,降低对模型辨识精度的要求。 3.针对预测控制滚动优化命题的在线计算任务大,作者提出了一种基于分段反馈的离线预测控制算法,通过离线求解线性矩阵不等式优化命题构造分段反馈控制律,在线运行时只需实施满足条件的反馈控制律,极大地提高了控制器在线计算效率。 4.作者提出了一种基于分段终端加权的预测控制算法,通过离线求解线性矩阵不等式优化命题构造分段终端加权矩阵,在线运行时根据系统状态动态切换终端加权矩阵,既保证了算法的稳定可行域,又考虑了算法的最优性。 5.作者对一种基于渐近黑箱理论的多变量过程辨识方法进行了研究:首先用高阶ARX模型估计模型参数,并给出高阶模型的频域均方误差;然后,对高阶ARX模型进行降阶处理。它避免了多变量过程辨识方法的模型阶次估计、模型验证的难点;与阶跃测试法相比,采用多通道测试信号,对装置生产的影响小,且允许操作工在测试期间进行操作。 最后,总结全文的工作,并指出若干有待于今后进一步研究的内容。