控制理论与应用

作者：戴鹏,周平,梁延灼,柴天佑

单位：东北大学流程工业综合自动化国家重点实验室,东北大学流程工业综合自动化国家重点实验室,东北大学流程工业综合自动化国家重点实验室,东北大学流程工业综合自动化国家重点实验室

关键词：多输入多输出非线性系统; 多输出最小二乘支持向量回归机; 自适应非线性预测控制; 序列二次规划算法

基金：国家自然科学基金项目(61473064, 61333007, 61290323, 61790572), 中央高校基本科研业务费项目(N160805001, N160801001), 辽宁省教育厅 科技项目(L20150186), 矿冶过程自动控制技术国家(北京市)重点实验室开放课题(BGRIMM–KZSKL–2017–04)资助.

提出一种可有效提高常规预测控制方法控制性能与计算效率的数据驱动自适应非线性模型预测控制方法. 首先, 为了提高多输出非线性系统最小二乘支持向量回归(least squares support vector regression, LS–SVR)建模的精度,考虑各维输出间的耦合关系, 采用在目标函数中加入样本整体拟合误差项, 实现多输出LS–SVR(multi-output LS–SVR,M–LS–SVR)预测建模, 同时采用粒子群算法优化模型参数; 其次, 针对动态过程建模的模型失配问题以及由于M–LS–SVR模型复杂导致传统智能算法求解预测控制律缓慢的问题, 提出自适应非线性模型预测控制策略, 包括两个非线性优化层: 第1层采用梯度下降算法实时优化模型和实际过程输出的偏差, 以自适应调节模型参数; 第2层采用具有全局收敛性和超线性收敛速度序列二次规划(sequential quadratic programming, SQP)算法设计非线性预测控制器, 以加速预测控制律的求解速度. Benchmark仿真实例及在高炉炼铁过程的数据试验表明: 所提基于M–LS–SVR预测建模的自适应非线性模型预测控制具有较快的求解速度、较好的设定值跟踪和干扰抑制性能以及较强的鲁棒性

来源：2019年第1期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2019年第1期