基于 A RM A X 模型自适应预测函数控制.pdfVIP

第 29 卷第 5 期 　 信 息 与 控 制 V o l. 29,N o. 5 2000 年 10 月 In fo rm at ion an d Con t ro l 　O ct. , 2000 ( ) 文章编号: 100204 11 2000 05043 106 基于A RM A X 模型自适应预测函数控制 张泉灵　王树青 (浙江大学工业控制技术国家重点实验室　杭州　3 10027) 摘　要: 本文提出了基于A RM A X 模型的自适应预测函数控制, 该算法的特点是占用内存少, 计算速度快, 并具有较强的鲁棒性. A RM A X 模型参数是通过带遗忘因子的递推最小二乘算法在 线辨识得到. 仿真结果表明, 该控制算法比P ID 控制具有更好的控制品质. 关键词: A RM A X 模型, 模型预测控制, 预测函数控制, 自适应控制 中图分类号: T P 13　　　　　　文献标识码: B 1　引言 R ich a let 和 Cu lter 等人在 70 年代后期提出的基于模型的预测控制经过 20 多年的发展, 在工业过程控制中得到了广泛的成功应用. 到目前为止, 已有以下几类典型的模型预测控制算 法: 等人提出的基于有限脉冲响应( ) 模型的模型预测启发控制( ) [ 1 ] , 并在 R ich a let F IR M PH C PV C 生产、蒸馏过程及 电厂里得到了较好的应用; Cu lter [2 ] 等人提出的基于有限阶跃响应 ( ) 模型的动态矩阵控制( ) ; 和 [3 ] 提出的内模控制; [4, 5 ] 等人提出 F SR DM C Garcia M o rar i C lark e 的基于受控 自回归积分滑动平均模型(CA R IM A ) 的广义预测控制(GPC ) , GPC 带有 自校正机 制, 可在线修正模型参数; 在 80 年代后期, R ich a let [ 6 ] 等人提出了第三代模型预测控制算法, 即 预测函数控制(PFC ) , 并在工业机器人的快速高精度跟踪控制中得到了成功的应用. 与其它模 型预测控制不同, PFC 认为控制输入的结构是确保控制系统性能的关键. 由于实际生产过程的数学模型往往难以确知或者由于工作情况改变或环境变化而造成被 控对象特性的改变. 对于这类对象, 常规控制往往难以对付, 而 自适应控制却能较好地解决这 个问题. 本文提出了基于A RM A X 模型自适应预测函数控制, 它结合了自适应控制可在线修改模 型参数和预测函数控制快速跟踪能力的优点, 仿真结果表明, 该控制算法比P ID 控制具有较 快的跟踪能力及较强的鲁棒性. 2　基于A RM A X 模型自适应预测函数控制 PFC 仍属于模型预测控制的范畴, 因此它仍具有模型预测控制的三大特征: 预测模型; 滚 动优化; 误差校正. 预测模型用来预测过程的未来输出, PFC 对模型没有特殊的要求, 它可以是任意结构. 本 文采用的是A RM A X 模型. 2. 1　 模型 A RM A X ( ) 被控对象用A RM A X 模型来描述, 如式 1 所示: 收稿 日期: 1999- 09- 22 　基金项 目: 浙江省重点科研项 目资助 432 信　息　与　控　制 29 卷