层双结构模型预测控制策略研究_大学毕设论文.docVIP

双层结构模型预测控制算法研究 摘要 双层结构模型预测控制算法不但解决了模型预测控制中选取设定值的问题，而且实现了将系统稳定性、经济性及设定值优化和设定值追踪进行分离，使结构更加清晰。由于预测控制算法要求在线求解有约束的优化设定值，因此当前大型工业系统中预测控制算法的应用存在在线计算量大的问题，大大制约了预测控制算法的发展与应用。当前国内外对模型预测控制算法的理论研究与分析还不完善，因此该控制算法应用于大系统中欠缺相应的理论支持。 通过分析稳态优化层和动态控制层的双层结构模型预测控制算法，对该控制算法的稳态层与动态层进行改造，进而得出上层集中优化下层分散控制的双层结构控制算法。该控制算法不仅能减少大型系统在线求解量，而且能够保证该系统的整体最优的特性。本文主要从以下几个方面进行了系统研究： 1）对模型预测控制策略基本原理进行阐述，且基于该控制策略详细介绍了动态矩阵控制算法。2）采用双层的结构模型预测控制算法，上层稳态优化层通过计算稳态目标得出最优点，下层动态优化层则选用动态矩阵控制算法对最优点进行追踪，实现系统的优化与控制。3）得出稳态层集中优化与动态层分散控制的双层结构模型预测控制算法并通过仿真控制策略的有效性。 关键字：双层结构模型预测控制，集中优化，分散控制，动态矩阵控制算法 目录 1绪论 1 1.1研究背景及意义 1 1.2 1 1.3本文研究的主要内容 2 2 模型预测控制基本原理 4 2.1模型预测控制基本原理 4 2.2动态矩阵控制算法 6 3 双层结构模型预测控制 10 3.1双层结构模型预测控制阐述 10 3.2 稳态数学模型建立 11 3.3 稳态目标计算 12 3.4动态优化控制 14 4 双层结构模型预测控制仿真 15 4.1集中优化与分散控制策略 16 4.2仿真分析 20 总结与展望 27 参考文献 28 主要内容： 图4.2若干个子系统器组成的大系统 各个子控制系统之间是独立的，通过自身的双层结构模型预测控制实现优化及控制，该策略设置恰当能实现很好的控制效果，大大减少了计算量，不过该策略没有考虑到子系统间的变量的联系，所以不会取得优良的控制效果。 所以，为了更好的处理双层结构模型预测控制计算量较大的问题，进一步的提高系统的性能，本文采用稳态层集中优化、动态层分散控制的双层预测控制算法。 4.1集中优化与分散控制策略 本文考虑到双层结构模型预测控制优化控制的整体性和存在计算量较大的缺点，选取的优化控制算法如下图4.3所示。该控制算法基于系统中每个组成部分的功能特性把系统分成若干个子系统，各个子系统都有一个模型预测控制。建立系统模型基础上计算稳态目标，通过稳态目标计算得出每个子系统的设定值，然后传送到子系统并追踪设定值。 图4.3双层结构模型预测控制结构图 该控制策略选取集中优化策略进行系统优化，确保了全局优化的性能。每个模型预测控制根据自身的数学模型来动态控制，且在子控制前增加相应前馈控制来补偿扰动，各个子控制间不是完全独立的，与采取若干个相互独立的子控制进行控制来说，进行全局控制稳定性更好，如下图4-4所示。 图4.4子系统之间的前馈装置结构图 4.11集中优化 稳态目标控制层采用通信系统把上层的稳态目标和下层的子系统动态控制将上层稳态目标与下层子系统动态控制经过通信系统进行连接，对现场进行实时监测与控制。该控制层不仅可以根据整体条件来仅整体优化，而且能得出下层每一个子控制系统的最优值，并传送到下层。 双层结构模型预测控制的优化层在全局约束条件下，根据对模型稳态优化的求解，通过式（3-4）、式（3-8）便得该系统的最优设定序列，且把得到的值传送到各个子系统的模型预测控制器中，作为其控制目标。 因为对稳态目标的计算无需进行在线动态优化，仅需间隔一定时间进行一次稳态优化，因此其计算量比动态优化要少很多，该优化控制在全局约束条件下，对稳态目标进行计算，与传统的子控制器相比，无需对各个子系统进行单独的优化，在有限时间内可进行更大的范围稳态优化。 4.12分散控制 分散动态控制分为前馈控制及模型预测控制，下面对子系统进行详细的介绍。 前馈控制：该控制结构以若干个相互独立的子系统的模型预测控制为基础，该模型预测控制能够通过通信设备和与其相关的子控制进行信息的交流。邻近的子系统之间相互关联的，的输出将干扰，则可把的输入当做的扰动。由于自身输入控制需要相应的回应时间，因此很难及时对进行调整。所以每个子系统前增加一个前馈控制来补偿子系统的干扰。 假定子系统的输入对子系统扰动的矩阵为，若是0，则两个子系 统之间没有关联，若不是0，则子系统对产生扰动，其中,子系统预测模型为： （4-1） 其中，为在预测控制将来Q个时刻的输出