模型預测控制器的参数自愈研究.docVIP

模型预测控制器的参数自愈研究 作者 摘要: 模型预测控制器参数失配将导致系统性能变差，在对控制系统性能评价的基础上，基于模型预测误差和扰动信息，可以检验出控制器参数的失配情况。针对此种情况，采用多目标规划的方法来对控制器参数进行在线整定，使MPC控制器具有参数自愈的功能。仿真实验表明，文章给出的方法具有有效性。 关键字：模型预测控制，性能评价，参数自愈 Model Predictive Controller Parameters self-tuning Research 作者 Abstract: Model predictive controller parameter mismatch will cause the bad system performance. Based on the performance evaluation of the control system, the mismatch state of the controller parameters can be detected according to the prediction error and disturbance. In this paper,,the multi-objective programming method is used to tune the controller parameters, such that makes the MPC controller have the parameter self-tuning function.Simulation experiments show that the method has the effectiveness. KeyWords：Model predictive control, Performance evaluation, Parameters self-tuning 0引言 模型预测控制【1】(MPC)作为一种处理多变量约束控制问题的有效手段，已广泛应用于实际工业生产中。它的优势在于不需要严格的数学模型，仅需要阶跃或脉冲响应数据，而且通过在线优化可以处理硬、软约束问题。不同的MPC算法，如动态矩阵控制(DMC)和模型算法控制(MAC)【2-4】，都可通过反馈校正来克服模型失配和不可测干扰的影响以达到所要求的控制性能。而且，目前这些算法都可以引进自校正机制，对模型进行在线辨识和修正，更有效的解决生产过程中对象模型慢时变带来的不利影响。 MPC控制系统的性能是由MPC控制器参数和预测模型质量共同决定的【5】。虽然MPC采用滚动优化和反馈校正的策略，使得控制系统在一定范围的模型失配情况下仍能保持良好的控制性能，但是如果MPC控制器参数整定不当，单纯地靠在线辨识和修改预测模型并不能从根本上改善系统的控制性能，这时就需要对控制器进行重新整定。在实际工业生产中，在传统的MPC控制中，控制器一经设计好并投入运行后，控制器的参数就被默认配置了，这时要重新整定控制器参数就比较困难，且代价很高【6-8】。所以通过设计，使MPC控制器具有自适应功能将会是很有意义的研究。 本文提出一种MPC基于控制性能评价指标的控制器参数失配检验方法，并给出了在控制性能变差时，在线整定控制器参数的算法。 1控制器性能评价指标 1.1DMC控制算法原理 MPC算法包括三个基本特征，即：预测模型，滚动优化，反馈修正。本文以多变量DMC控制系统框架为例来说明评价控制器参数是否失配的方法。DMC是一种基于对象阶跃响应模型的模型预测控制算法，其结构原理框图如图1所示。 图1 DMC控制机构原理框图 （1）预测模型和反馈修正 考虑模型误差和干扰等影响时，DMC在当前k时刻预测k+1时刻的模型输出为： (1) 上式中 A和A0表示系统动态矩阵和初值阵，N为模型长度，M为控制长度，P预测长度。 公式（1）表明预测模型输出由三部分组成，右边第一项为待求的未来控制增量产生的预测输出，第二项为过去控制量产生的系统已知输出初值，第三项为实际模型输出的修正部分。 （2）滚动优化 在多变量DMC的滚动优化中，要求每一输出yp(k)在未来p个时刻紧密跟踪相应的参考轨迹yr(k)，并对M个控制量的大小加以软约束，这一性能指标可写为： (2) 式（2）中Q和R分别为误差权矩阵和控制权矩阵。模型预测控制律使目标函数在每个采样时刻达到最小。由预测模型（1），可求出使性能指标（2）最优的全部控制增量： (3) 1.2控制系统性能评价基准与控制器参数失配检验 模型预测控制是基于对目标函数的实时优化的一种控制策略【9】，因此可用基于优化目标函数的测量方案作为控