论文部分内容阅读
随着社会经济的飞速发展，人们面临的生产系统工况日益复杂，要求日益提高，控制系统往往具有多变量、非线性、强耦合、工况范围广、控制性能综合要求高等特点，对复杂动态系统的建模与控制提出了更高的要求。在这种情况下，采用基于分解-合成原则的多模型策略以简化原有的复杂系统建模与控制是一种有效的尝试。本文面向复杂非线性系统，对基于局部模型网络的多模型建模与控制问题作了研究和探索。
本论文的主要内容包括：●针对局部模型网络(LMN)的建模问题，对满意聚类算法加以改进，将其引入到LMN调度函数参数的辨识中来；已有的局部模型参数的多模型辨识算法主要基于两种性能指标之上进行设计，分别为全局性能指标与局部性能指标，本文充分考虑这两种性能指标在实际应用中的优缺点，提出基于加权性能指标的多模型辨识算法来辨识局部模型参数。
●由于多模型系统是基于数据驱动(datadrive)的，而在实际过程中离线搜集覆盖全部工况的数据要花费大量的时间或根本不可能做到，因此本文提出一种多模型在线建模方法。首先对减法聚类的在线算法进行改进，用以递推辨识调度函数参数；将局部模型参数的多模型离线辨识算法推广到在线形式，在每一时刻根据新的数据样本更新局部模型参数，以期得到的多模型系统能以更高的精度逼近实际对象；认识到调度函数参数发生改变时，将会引起多模型建模效果的不确定变化，本文对局部模型参数进行同步调整，提出了局部模型参数的初调算法。
●考虑到以多模型描述作为预测模型设计预测控制器时，在预测时域内模型将根据当前工况不断变化，因此本章提出了基于模型切换的多模型预测控制器。首先对LMN多模型的调度函数选择进行分析，指出模型切换系统是LMN多模型的一个特例，然后采用逻辑变量将模型切换系统描述为混合逻辑动态系统，并将其作为预测控制中的预测模型，同时考虑各局部模型只在各自的局部有效域内有效，因此将局部有效域描述为局部模型的局部约束组合到预测控制的优化问题中，提出基于模型切换且带有局部约束的多模型预测控制算法，文中给出该控制算法的标称稳定性证明的同时，并以pH中和过程的控制问题为例验证了所提出的控制算法的有效性。
●提出了两种加权型多模型预测控制系统的设计，包括基于控制器加权与基于模型加权的两种形式。在基于控制器加权的多模型预测控制算法中，首先对各局部模型设计局部预测控制器，全局控制量为局部控制量的加权和。由于局部模型只在局部区域内有效，局部约束也是必需的，本文还对这种控制算法作了性能分析，得到了一些定性的分析结果。在基于模型加权的多模型预测控制算法中，将全局多模型作为预测模型，由于全局多模型系统本质上是一种非线性模型，因此形成的优化问题为带有非线性等式约束的非凸优化问题，需要采用SQP方法对相应的优化问题进行求解。借鉴传统的预测控制稳定性分析方法，控制系统稳定性结果也能同时得到。
●对多模型系统中的切换/加权策略进行了分析。以不同的切换/加权向量为分类，对文献中出现的几种典型的切换/加权策略进行分析，考虑其优缺点及适用情况。当实际对象存在外界干扰时，对多模型系统中的切换/加权策略作进一步的讨论，为避免干扰引起的不良影响，提出一种以频域信息为切换向量的切换策略。