论文部分内容阅读
工业过程中,模型预测控制(Model predictive control, MPC)是先进控制策略中应用最成功的一种。针对工作范围比较宽、强非线性、设定值变化比较大的系统,则需要采用非线性预测控制让系统达到品质要求。为了提高非线性模型预测控制器的的控制性能,控制器的设计往往需要一个精确的非线性模型。工程上的多模型方法是一种简单有效的建模方法,本文选择多模型方法之一的LPV(Linear varying parameters)模型作为预测模型。然而目前LPV模型中工作点的设置基本是凭经验的、缺乏系统的方法指导。而且即使具有精确的非线性模型,基于多模型非线性预测控制器的设计也很复杂,优化的在线计算量大、求解困难。本文针对LPV模型的非线性预测控制,从模型和优化算法两方面考虑,分别提出了基于gap metric的精细化建模方法及基于内点法的变工况的非线性模型预测控制(Nonlinear model predictive control,简称NMPC)。本文的主要贡献包含如下：(1)针对目前LPV模型中工作点选择的随意性,提出一种基于gap metric构建LPV模型的方法。该方法利用gap metric作为非线性的度量工具,定量分析系统的非线性程度,从而选择合适的控制策略,并且在gap metric的指导下分解系统的操作空间,合理配置LPV模型的工作点。(2)针对NMPC的在线滚动优化的计算量比较大,操作区域的划分将会直接影响算法的控制性能和实时性。将上述合理配置工作点的LPV模型与等间距工作点的LPV模型在开环仿真和闭环响应两方面进行比较,用Skogestad提出的精馏塔LV模型验证了基于gap metric构建LPV模型的有效性。得到的低阶LPV模型能够更准确地逼近真实系统,也加快了NMPC的求解速度。(3)求解LPV模型的非线性预测控制常用的优化算法是多步线性化方法,针对这种算法需要沿着操作轨迹解决多个QP优化问题、算法耗时较长的缺点,提出了利用内点算法求解LPV非线性控制优化命题。这种方法不需要线性化处理,基于LPV模型全联立直接求解,求解精度高。用连续搅拌釜的实例,验证了内点法能缩短系统的过渡过程、减少资源消耗,特别是在大范围变工况下,明显地提高了系统的控制品质。