论文部分内容阅读
随着在工业中取得的成功应用，基于线性模型的广义预测控制已成为当前控制理论界和工业控制界都十分关注的一个热门课题。但在实际工业过程中常表现出多变量强耦合、大滞后等强非线性特性，因此，广义预测控制技术迫切需要被扩展到更复杂的工业过程中。近年来，人们在这方面已经作了大量的研究，其中与神经网络相结合的方法由于具有广泛的适用范围而得到了深入的研究。在详细分析介绍了广义预测控制算法原理及综述了国内外神经网络在广义预测控制中的应用研究现状的基础上，本文重点研究了计算量小、收敛速度快、无局部极小的径向基函数神经网络及其在广义预测控制中的应用。首先，针对广义预测控制在线计算量大，不适用于非线性对象等缺点，提出了基于径向基函数神经网络的直接广义预测控制算法，并从数学角度对该算法的收敛性作了较为深入的分析，在理论上证明了该算法是稳定的，且控制性能指标能够收敛到所期望的最优特性。然后，结合中值定理和三次样条插值函数将该算法由单变量线性系统推广到单变量非线性系统，多变量线性系统和多变量非线性系统三种系统中，并分别证明了该算法在这三种系统中的收敛性及稳定性。最后，对四种系统分别进行了Matlab仿真，取得了较为满意的控制效果，并对仿真结果进行分析，验证了所提出的算法有效性。