自校正控制(一)详解.pptVIP

第7章 自校正控制（一） 7.1 自校正控制概述 间接自校正控制（显式） ——计算量大 直接自校正控制（隐式） ——算法复杂 ——参数估计器和控制器参数计算合二为一 7.2 单步输出预测自校正控制 7.2.1 最小方差控制（MVC） 7.2.2 单步预测控制的基本思想 预测律为 预测误差为： 最小方差预测模型为 预测误差为： 但最小方差控制也有它的不足： ①不适用于非最小相位系统 ②由于最小方差控制器对控制量未加任何约束，所以，u(k)的变化幅度会很大，这在有些实际系统中是不允许的。 7.2.5 单步预测自校正控制算法 自校正控制器 自校正调节器 预测模型 若T=1 7.3 控制加权自校正控制（GMVC） （广义最小方差自校正控制） 系统输出为： 闭环系统的特征方程为： 加权控制律变为： 7.3.3 控制加权自校正器 * 图7.1.1 自校正控制系统框图 Model-based Control 系统输出 设定值 控制器 执行机构 系统辨识与参数估计 最小二乘 似然估计 频域辨识 随机逼近 … … 系统模型 Model-based 间接自校正控制（基于模型的控制） 系统模型是对相同性质数据的集结 系统控制理论和方法：建模-控制器设计-优化 直接自校正控制（基于数据的控制） 根据实时工况数据得到控制量 实际生产过程的数据海量 ？ 过程装置 系统输出 系统设定 Controller 系统状态 系统输入 实时数据库 Data-driven 数据挖掘与机器学习 Iterative Learning Control (迭代学习控制) SVM (支持向量机) The K-means algorithm (K-Means聚类算法) Apriori (挖掘布尔关联规则频繁项集的算法) EM Algorithm (最大期望算法) NN (神经网络) Fuzzy Cluster (模糊聚类) KNN (K最近邻域分类算法) Naive?Bayes (朴素贝叶斯模型) CART (分类与回归树) 对于难以建立数学模型的系统 主要方法 图7.2.1 方差与设定值的关系 7.2.3 被控对象的预测模型 Diophanine方程 程序ex7_Diophantine.m Diophanine方程求解： 长除法 待定系数法 7.2.4 单步预测控制律 控制律为 最小方差控制律： 图7.2.2 最小方差控制系统闭环框图 程序ex7_MVC.m 为方差为0.1的白噪声 取幅值为10的方波信号 程序ex7_MVSTC_Indirect.m 程序ex7_MVSTC_Direct.m 图7.2.3 程序框图 为方差为0.1的白噪声 取幅值为10的方波信号 程序ex7_GMVC.m *