smw自适应及预测控制.ppt

广义预测控制（GPC） 广义预测控制（GPC） 广义预测控制（GPC） 广义预测控制（GPC） * * * * Network Characters: Heterogeneous channel bandwidths Heterogeneous start time Heterogeneous packet loss 最小方差自校正调节器 缺点： 最小方差调节系统的实质，就是利用调节器的极点去对消被控系统的零点。仅适用于最小相位系统。 没有考虑使系统的输出跟踪给定的伺服输入项，也没有考虑对控制作用加以约束以避免使控制作用变化剧烈或频繁以降低控制仪表和测量仪表的损耗率。而许多实际控制系统的目的是使系统的输出跟踪给定的伺服输入项，并对系统的输入及输入的变化量加以约束以提高系统的稳定性，系统运行的平稳性，以及降低仪表的损耗。 广义最小方差自校正控制 为了克服最小方差调节器和STR的上述缺陷，Clake和Gawthrop等人于1975年提出了广义最小方差控制算法。 在算法方面通过人为引入辅助系统，仍保留了自校正调节器的简易算法。 这种算法仍然采用二次型的指标函数，但在指标函数中引入了对伺服输入项的跟踪和对控制作用的约束。 由于引入了对控制作用的约束，不仅限制了控制作用的不适当的变化，同时使得可以通过适当选择对控制项约束的权因子的大小来使得该算法能适用于非最小相位系统。 广义最小方差自校正控制 最小方差控制器的指标函数为 J=E{[P(q-1)y(k+d)-R(q-1)w(k)]2+[Q(q-1)u(k)]2} w(k)为已知的参考输入量，P，R，和Q’分别为对实际输出、参考输入、控制输入的加权多项式。 该指标函数中若Q’=0，即不对控制项加以约束，则由该指标函数所定义的控制问题即为输出跟踪问题。 若R=Q’=0，即不考虑跟踪伺服输入，则该指标函数所定义的控制问题即为上讲中讨论的最小方差调节器问题。也就是说，最小方差调节器可视为广义最小方差控制器的特例。 也可写成： (53) 可得到采用广义最小方差控制后的闭环系统模型： 闭环系统的特征方程： 广义最小方差自校正控制 选择Q和P，可以配置闭环系统的极点，即P,Q的选择将影响到系统的稳定性。当Q=0时，闭环特征方程为 因此当受控对象为非最小相位系统时，闭环系统就不稳定。Q=0相当于在性能指标中不包括对控制作用的约束，广义最小方差控制退化为最小方差控制，因此它不适用于非最小相位系统。而适当地 选择Q不仅可使广义最小方差控制适用于非最小相位的受控对象，保证闭环系统稳定，还可保证控制u(k)不至于过大。 自校正控制参数辨识方法 递推最小二乘法 线性参数的最小二乘法处理 最小二乘法是用于数据处理和误差估计中的一个很得力的数学工具。对于从事精密科学实验的人们说来，应用最小二乘法来解决一些实际问题，仍是目前必不可少的手段。 最小二乘法的几何意义 从几何图形上可看出,最小二乘法就是要在穿过各观测点(xi，yi)之间找出这样一条估计曲线，使各观测点到该曲线的距离的平方和为最小。 Y 线性参数的测量方程 线性参数的测量方程一般形式为 相应的估计量为 批处理算法 最小二乘估计： Y:所有观测数据的全体，所以以上都是成批处理观测数据的一次完成算法，是离线辨识方法。优点：辨识精度高;缺点：计算量大（特别是高阶矩阵求逆），对计算机内存要求高，不能在线辨识！ 1、递推的最小二乘法基本思想： 本次（新）的估计值 =上次（老）的估计值 +修正项 可以观察随着时间的推移，新的输入、输出信息不断增加的情况下，参数估计的变化情况，特别适用于在线实时辨识。 设原先得到的参数估计用 表示，则 其中 … ….(1) 递推公式： ★ ① ② ③ 其中 说明： 公式①的物理意义 2.1.1 预测控制产生及发展 预测控制是一种基于模型的先进控制技术，即模型预测控制(MPC: Model Predictive Control)。最早由法国工程师Richalet于1978年提出。 主要特征：预测模型、滚动优化、反馈校正、设定值柔化。 主要优点：克服受控对象未建模误差、参数与环境等方面的不确定性、大时滞或变时滞等，具有鲁棒性。 基本类型： 1）以