预测控制-chapter5.pptVIP

* 预测控制 第五章 非线性系统预测控制 5.1 非线性预测控制的一般描述 5.2 非线性系统预测控制常用方法 5.3小结 * 弱非线性系统 线性系统预测控制 强非线性系统：采用线性模型的输出预测与实际偏差较大，达不到优化控制的目的，必须基于非线性模型进行预测和优化 5.1 非线性预测控制的一般描述 模型失配 鲁棒性设计或在线辨识和自校正策略 * 1. 非线性系统模型由状态方程给出 k时刻，已知初始状态 及假设未来输入 后，可以预测： 是一个复合的非线性函数，通常解析表达式很复杂 5.1 非线性预测控制的一般描述 （1） （2） （3） * 2. 非线性系统模型由输入输出描述给出 K时刻，已知 ，并假设未来输入 从i=1开始，可以递推计算 为复合非线性函数，其解析式同样高度复杂 5.1 非线性预测控制的一般描述 （4） * 由于实际系统总包含某些不确定因素，利用上述模型预测，不能完全精 确地描述对象的动态行为，因此可在实测输出的基础上通过误差预测和 补偿对模型预测进行反馈校正。 构成预测误差，并根据历史误差信息 通过误差预测 校正基于模型的预测，并构成对输出的闭环预测 为某一线性或非线性函数，其形式取决于所用的非因果预测方法， 为所用到的历史误差信息长度 带有反馈校正的闭环预测 5.1 非线性预测控制的一般描述 （5） （6） * 滚动优化 性能指标 在线的滚动优化就是在闭环预测约束下，寻找控制作用使性能指标取极小值。求出最优控制序列为 在k时刻实施控制 ，到下一采样时刻，检测系统的实际输出进行误差校正后，又重复进行优化。 如何求解非线性优化问题 5.1 非线性预测控制的一般描述 （7） * 5.1 非线性预测控制的一般描述 结论：1）原理没有新的含义 2）由于预测模型的非线性导致模型预测表达十分复杂，不能把k 时刻状态（输出）直接表达成已知信息与未来输入的式子，只 能把模型整体作为约束加入到优化问题中。 3）求解在线优化的难度大大提高。一般为非线性优化问题如何实 时有效的求解成为需要解决的突出难点 * 线性化方法：非线性模型线性化后，用线性预测控制的滚动优化设计控制器，同时保留了非线性模型用于预测 数值计算和解析相结合的方法：利用非线性模型进行在线仿真，并通过梯度法寻优，反复迭代求出非线性优化问题的解 分层方法：通过递阶算法把非线性优化转化为线性优化与协调两级计算 逼近方法：用广义卷积模型或广义正交函数逼近非线性模型，并在截断后求解线性的或者简单非线性的预测控制问题 特殊非线性系统：哈默斯坦（Hammerstein）模型，双线性模型的预测控制 多模型方法 神经网络预测控制 5.2 非线性系统预测控制常用方法 * 分层方法 借用大系统理论中用递阶算法求解非线性最优控制的思想，通过对非线性部分的预估和协调，把非线性滚动优化问题转化为线性问题求解。 考虑二次型的滚动优化性能指标 为了充分利用线性模型时可导出解析解的优点，首先通过固定模型中的非线性因素，将其转化为线性模型，然后再通过协调来改进解。 假定 为非线性系统的一个平衡点 若 是连续可微的，则可将系统在平衡点 处线性展开 5.2 非线性系统预测控制常用方法 （8） （9） * 分层方法 引入附加的预估 5.2 非线性系统预测控制常用方法 （10） 已知 线性模型 可在 已知的情况下由(9)得到 * 分层方法 预估 原来的非线性模型 通过迭代过程加以克服，在求出最优解后，若其与初始预估值不一致，则把它们作为新的预估值 重新求解线性模型的优化问题。在 一定条件下，这一迭代过程是收敛，最终达到了预估值与解的一致。 5.2 非线性系统预测控