论文部分内容阅读
模型预测控制(MPC),简称预测控制,是一种基于在线优化的控制算法,具有统一处理系统约束、性能优化和多变量控制的优点,在工业控制中得到了广泛应用。预测控制采用优化算法在线计算控制量,但现有算法及其实现通常较为复杂,难以应用于快速系统。与此同时,体积小、成本低的嵌入式系统广泛用于控制器的设计,但其运算和存储能力相对有限,难以满足复杂优化算法的运行需要。因此,研究高效预测控制算法及其实现具有重要的理论意义和应用价值。考虑多变量约束线性系统,本文研究高效模型预测控制的算法、实现与应用。采用增量状态空间模型作为预测模型,从控制器简化和优化算法设计两个方面综合研究约束预测控制的高效算法。在此基础上,基于PIC单片机完成高效增量预测控制器的硬件和软件设计,最后将控制器用于GLCC液位系统的控制。本文主要研究工作与创新点如下：(1)针对具有输入约束的多变量线性时不变系统,提出一种高效增量MPC算法。采用增量状态空间模型作为预测模型,建立约束MPC的滚动优化问题。在此基础上,采用阶梯控制策略压缩优化问题的决策变量,降低MPC在线计算量。进一步,引入坐标轮换法和黄金分割法在线优化预测控制增量,实现约束预测控制量的在线滚动计算。最后通过与截断法和内点法的比较研究,仿真验证本文算法的优越性。(2)针对高效增量预测控制算法,研究控制器的软硬件实现问题。以PIC单片机为主芯片,设计数据采集与处理、人机交互、通信和存储等接口电路。在此基础上,采用模块化软件设计思想,实现控制系统的人机交互界面、MPC算法等主要软件模块的设计。(3)针对GLCC液位控制系统,将高效增量预测控制器应用于GLCC的液位控制。结合GLCC液位系统输入输出机理模型,并通过与PID控制器的比较实验研究,验证本文结果的实用性和优越性。最后,对全文进行总结,并对进一步的研究提出一些展望。