基于最小二乘支持向量機的參數變化模型辨識及其預測控制.pdf

1、預測控制是現階段工業(yè)過程中應用最廣泛的先進控制算法，成功應用于石油，化工，電力，航天航空等領域，并取得了巨大的經濟效益。預測控制是基于模型的控制，模型對系統的逼近效果直接影響了算法的控制性能。針對現實過程中的復雜非線性及時變系統，如何便捷高效地獲取系統模型，成為了能否實施預測控制的關鍵。
　　預測控制起初是為處理線性系統控制問題提出的，然而現實工業(yè)過程大部分都不是單純的線性系統，用單一線性模型對其近似難以取得讓人滿意的效果。

2、>　　線性參數變化模型是近年來提出的針對非線性或時變系統建模的一種有效手段。該模型架構在全局范圍內可以是非線性的，模型參數與調度變量取值相關。但在局部工作點，模型具有線性結構，可以利用線性系統的理論進行控制器的設計。該算法的有效性也在化工，航空航天等領域得到了驗證。
　　本文在針對參數變化模型辨識及預測控制方面所做的工作如下:
　　1.對于系統參數隨調度變量非線性變化的單輸入單輸出系統，運用基于LSSVM-LPV辨識算法進行

3、建模。針對模型辨識過程中參數尚無好的優(yōu)化方法，提出結合網格法和多重循環(huán)法完成參數整定。將該辨識算法推廣到兩個調度變量的情況，使其可以應用于更廣泛的系統。針對現實中廣泛存在著MIMO系統，進一步將算法推廣到MIMO參數變化系統的辨識。而針對該算法因LSSVM導致的模型稀疏性喪失，影響在線更新模型的效率，又提出了基于重要度加權的模型稀疏算法，有效地對模型進行了簡化。
　　2.將辨識算法在實驗室中央空調平臺上進行驗證，從實際的數據和建模

4、的效果來看，該算法能取得較高的建模精度，并且辨識實驗簡單，適合于工業(yè)過程。
　　3.針對帶有參數變化特性的復雜系統，提出了基于LSSVM-LPV的預測控制策略。針對SISO系統，因LSSVM-LPV局部模型具有CARIMA結構，故可直接和廣義預測控制算法結合。而針對MIMO系統，進一步搭建了基于帶最優(yōu)保留策略的遺傳算法預測控制框架。
　　4.將基于LSSVM-LPV的廣義預測控制算法在中央空調平臺上進行試驗，并將實驗效果與P

5、ID控制進行比較。從控制的效果來看，該算法能在工況點發(fā)生變動的時候，較好地實現設定值的跟蹤，使冷凍水溫保持在7℃。
　　5.針對參數變化的MIMO耦合系統，進一步提出了基于LSSVM-LPV模型的逆系統架構。利用LSSVM-LPV算法辨識得到系統逆模型，并與原系統組合得到已解耦的一組偽線性系統。再對偽線性系統設計廣義預測控制器，完成MIMO耦合參數變化系統的控制器設計。仿真結果表明，該控制框架，對外界干擾和模型失配存在較強的抑制能