| [页数] 6 [字数] 1567 [原文] 广义预测控制作为一种新型的远程预测控制方法，集多种算法的优点为一体，具有较好的性能。一般的算法是先辨识对象模型参数，然后利用Diophantine方程作中间运算，最后得到控制律参数，由于要作多步预测，就必须多步求解Diophantine方程，因要经过繁琐的中间运算，故计算工作量较大，占线时间太长。改进的算法不需要辨识对象模型参数，而是根据输入/输出数据之间辨识求取最优控制律中的参数，因而避免了在线求解Diophantine方程所带来的大量中间运算，减少了计算工作量，节省了时间。 1 广义预测控制模型 在GPC中，采用受控自回归滑动平均（Controlled Auto-Regressive Integrated Moving-Average，CARIMA）模型来描述受到随机干扰的装置。 式中， ， 和 分别是n,m 和n阶的 的多项式， ；y(k)、u(k)和 分别表示输出、输入和均值为零的白噪声序列。 2 GPC的最优控制律与动态矩阵控制规律的等价性证明 （1）GPC的最优控制律 目标函数： GPC的最优控制律为式 矩阵G中的元素 为系统单位阶跃响应的前n项。 （2）DMC的最优控制律 DMC的最优控制律为： 矩阵A中的元素 为系统阶跃响应的前n项。 GPC与DMC的等价性 （1） GPC中G矩阵和DMC中A矩阵中俄元素同为系统单位阶跃响应的前n项，故对同一系统应有A=G。 （2） GPC中的 与DMC中的 完全一样，同为控制量序列。 （3） GPC中的W与DMC中的W一样，同为柔化作用后的输出跟踪序列。 （4） 因GPC的控制规律与DMC的控制规律完全等价，故GPC中的f向量相当于DMC中的。 并列预报器 要求 必须知矩阵G和开环预测向量 ，原因是控制量加权因子 和经柔化后的设定值向量 均属已知量。 分析可得，矩阵G中所有元素 都在最后一个方程中出现，因此仅对最后一个方程辨识，即可求得矩阵G。 矩阵G的求取 令 则1式可写为 输出预测值为 由于 不是白噪声，因此采用将控制策略与参数估计相结合的方法，即用辅助输出预测的估计值 得 可用以下递推最小二乘公式估计为 其中， 为遗忘因子，0< <1。利用上述递推公式所得的 ，就可以得到矩阵G和 。 时刻n步估计值可由下式算出，即 式中， 预测向量f的求取 根据上述GPC与DMC控制规律的等价性，GPC中的 向量相等于DMC中的 向量...... [摘要] 本文利用广义预测控制并列预报器间的特点，直接辨识预报器中最远程输出预报式中的参数，利用广义预测控制律与动态矩阵控制律的等价性，求出最优控制律的参数，提出一种简单的广义自校正预测控制算法。它保留了广义预测控制鲁棒性强等特点，可适用于任何稳定的最小相位/非最小相位，已知/未知时延系统。 [原文截取] 广义预测控制算法简化实现方法研究 Study on Simplified Implementation of Generalized Predictive Control 摘要：本文利用广义预测控制并列预报器间的特点，直接辨识预报器中最远程输出预报式中的参数，利用广义预测控制律与动态矩阵控制律的等价性，求出最优控制律的参数，提出一种简单的广义自校正预测控制算法。它保留了广义预测控制鲁棒性强等特点，可适用于任何稳定的最小相位/非最小相位，已知/未知时延系统。 关键字：广义预测控制 并列预报器 Abstract:with the characteristics of using generalized predictive control parallel predictor,a parameter of the longest-range forecasting output in the predictor can be directly identified. optimal parameters of the control law can be derived by using..... |
广义预测控制算法简化研究
查看评论
已有0位网友发表了看法