基于神经网络的多步预测控制算法及在pH值控制中的应用.pdfVIP

第28卷增刊 信息与控制 V01．28。Supplement’ Contro【 1999年8月 Informationand A“g．，1999 基于神经网络的多步预测控制算法 及其在pH值控制中的应用 贾 平麻红昭俞蒙槐 (浙江大学智髓信息T程研究所机州310027) 摘薹pH值控翻过程是一个具有较翌非线性、纯滞后的过程．奉文针对pH值控制系统提 出了一种基于神经同络的弗步预测控翻算法(NMPC)．神经舟络甩于辨识对象的曩舅模基，NMPC 利用了神经网络的梯虞信息．控翻试验结果表明谈控制暴统具有较好的动态性瞎和较量的鲁棒 性． 关■调pH值控捌，神经冈络。瑗测控翻，车培性过程 1引言 pH值控制是一个典蛩的非线性控制问题．由于滴定曲线的严重菲线性，使得中和反应过 程在不同的工作点增益相差很大．另外，实际中和反应过程中还存在混合、测量等纯迟延环节． 使得对于过程进行有效的控制较为困难．Shinskey提出了三区段非线性PID调节器“】，通过 调整高增益和低增益区宽度以补偿其固有的非线性特性}我们也在实际的控制系统中采用了 变增益的PID控制方法D】．但是，它们不能对系统实现最优控伽，且参数在线整定复杂． 传统的MPC方法对于非线性和有约束优化两个问题没有很好地解决．基于神经网络的 模型预测控制是神经网络与MPC结合的产物，它利用神经网络作为预测模型，能较好地解决 非线性动态系统的建模和预测问题，也使得优化同题在有限时域内进行，从而实现在线控制． N．Bhat[13等和J．J．Song“1等都提出了利用神经网络作为预测模盈，用sQP作为优化方法来 解决非线性的过程控制问题．E．P．N“as【s】也提出了一种基于神经网络的非线性内模控制算 法(NIMC)． 本文提出了一种基于神经网络的多步预测控制算法(NMPC)，利用神经网络作为非线性 对象的多步预测模型，用NMPC进行滚动优化、反馈校正的在线控制．通过对一个带纯滞后的 pH值控制系统的试验，可以看出NMPC的控制效果要明显优于非线性的PID调节器。且设 计简单、鲁棒性强． 2多步预测控制的基本思想 许多化工过程都可以用一阶微分方程式(1)来描述，它可以离散化为式(2)t ay／dt；f(y，“，Z) (1) y(k+1)=g[y(^)，M(^)，z(1)] (2) 其中“为控制变量，Y为被控变量，f为扰动等其他变量．对于一个纯滞后系统，离散模型应为式 (3)： y(k+d+1)一gb(五+d)，批(矗)，f(矗)] (3) 信息与控制 28卷 其中d为系统纯迟延． 纯滞后系统的多步预测模型为式(4)，其中，为模型预测输出，由于存在纯滞后d，．现时 刻的控制作用“(^)只对^+d+1时刻以后的输出有影响．P为输出变量的预测时域，肘为控 制变量的控制时域，控制变量在^+M一1时刻后被设定为不再改变． f)严(五+d+1)=gEyk+d)，“(七)，z(正)] Ij，_(量+d+2)；g[jr(量+d+1)，u(k+1)，f(正+1)] l： “’ I； 多步预测的最优控制指标‘盯为式(5)： P (5’ -“p：：‰一。，．，2∑j-Ib，(4+d+J雎一弘，(‘+d+j)]2 ym≤¨(^+j)≤如。(j=1…P) “面≤“(七十f)≤“一