反应器的模型预测控制器设计.docVIP

XXXXXXX大学 本 科 毕 业 论 文 ? ? ? 题 目： 院 系： 专 业： 班 级： 学生姓名： 指导教师： 论文提交日期： 2012 年 6 月 15 日 论文答辩日期： 2012 年 6 月 18 日 毕业设计（论文）任务书 专业 0801班 学生： 毕业设计（论文）题目：反应器的模型预测控制器设计 毕业设计（论文）内容：根据反应器运行机理设计模型预测控制器 毕业设计（论文）专题部分：一、了解生化反应器原理及建模方法 二、学习模型预测控制器设计方法 三、设计生物反应器的模型预测控制器 起止时间： 指导教师： 签字 年 月 日 教研主任： 签字 年 月 日 学院院长： 签字 年 月 日 ? 内容摘要 生物反应过程因其具有高度非线性、参数的不确定性以及信息的不完全性等特点。其控制方案的实施存在着诸多不便。为实现对生物反应器的有效控制，本文用雅克比矩阵线性化法将非线性生物反应器系统进行了线性化，简化了生物反应器模型，然后进行了模型预测控制器（MPC）的设计。预测控制就是为了克服控制器对时滞变化敏感，系统阶次未知，最小方差不适用于非最小相位系统而提出的。其基本思想和机理可以用预测模型、滚动优化、反馈校正三个基本特征来概括。单值模型算法控制给出了一种简单实用的预测控制算法，而且使控制系统的分析和设计大为简化，计算时间大为缩短，而且它可使用与控制采样周期较短的快速动态过程控制。由于其抗负载扰动、随机噪声、时延变化能力较强，并且具有较强的鲁棒性。 针对非线性强时滞系统，传统的预测控制算法难以建立精确模型，其控制精度不高。提出一种基于最小二乘支持向量机（LS-SVM）的非线性模型预测控制算法，该算法通过LS-SVM 对非线性系统输入输出数据序列的训练学习，构建其离线的预测模型，然后运用量子粒子群优化（QDPSO）算法来完成整个滚动优化的过程。仿真结果表明基于LSSVM的非线性模型预测控制比动态矩阵控制具有更好的控制品质。 本文将模型预测控制器应用于具有不确定性的生物反应器中，应用雅克比矩阵线性化方法将生物反应器非线性系统进行线性化处理，简化了复杂的系统模型，进一步进行了模型预测控制器的设计并在simulink环境下进行了控制仿真。仿真结果显示，参数合理的MPC控制能够得到较理想的控制效果，具有很好的快速性和鲁棒性，而且有较短的稳定时间和较小的调整幅度，并可克服扰动扰动对过程的影响。 关键词：生物反应器，模型预测控制，滚动优化 Model Predictive Controller in the application of the for bioreactor Abstract: Bioprocesses have high nonlinearity, parameter uncertainty and information incompleted.In view of these specific natures of the bioreactor, Jacobian linearization method was firstly used to linearize the nonlinear system and simplify the model of the biological reactor; then a model predictive controller is designed for the reactor. MPC take strategies including multi-step prediction,rolling optimization and a feedback correction. Predictive control is i