非线性迭代学习模型预测控制算法研究控制科学与工程控制理论与控制工程专业论文.docxVIP

华北电力大学硕士学位论文摘 华北电力大学硕士学位论文 摘 要 迭代学习控制(Iterative Learning Control，ILC)和模型预测控制(Model Predictive Control,MPC)是在工业实践中逐步发展起来并被广泛应用的控制算法。 文章首‘先介绍了迭代学习控制算法和模型预测控制算法的产生及研究现状，分析 了现存的两种算法单独作用在系统时存在的问题，由此，提出将这两种算法相结 合组成迭代学习模型预测控制算法(MPILC)的思想。钊一对工业过程中的非线性 系统，文章引入T-S模糊模型，在现有的迭代学习模型预测控制算法的基础上， 提出三种改进的非线性迭代学习模型预测控制算法(NMPILC)。针对局部线性 子模型，分别设计局部迭代学习模型预测控制控制器，然后根据隶属度函数加权 得到全局控制器。其中，第一种非线性迭代学习模型预测控制算法的局部线性 MPILC算法是在经典MPILC算法的基础上进行三点改进后得到，并证明了算法 的收敛性，通过仿真，将此算法应用到核电站反应堆的功率控制中，证明了算法 的控制性能。第二种算法为前馈。反馈结合的非线性迭代学习模型预测控制算法 (Feedforward—Feedback，FF．FB)，ILC作为前馈控制，提供主要的控制信号，MPC 作为反馈控制，补偿模型不确定性及实时干扰，通过PH中和的仿真实例证明了 该算法的控制性能。第三种算法针对一类重复性干扰的系统，将预测函数控制 (Predictive Function Control,PFC)与迭代学习控制算法相结合组成非线性迭代学 习预测函数控制科onlinear Iterative Learning Predictive Function Control,NILPFC)， 减少了在线计算量，并证明了算法的收敛性。 关键词：迭代学习控制；模型预测控制；T-S模糊模型；前馈一反馈控制律 万方数据 华北电力大学硕士学位论文Abstract 华北电力大学硕士学位论文 Abstract Iterative learning control rILC)and Model predictive control(MPC)ave both popular algorithms which are gradually developed and widely used in industrial processes contr01．朋1e generation and research status ofILC and MPC introduced in the first place．TheIlit analyzes the weaknesses S ofthe above sole algorithm．ThuS． the integration ofⅣ中C and ILC is proposed to constitute the model predictive itemtive learning control OVIPlLC)．Most industrial processes ave highly nonlinear systcms，By learning the weaknesses ofthe existing MPILC，three types ofmodified nonlinear model predictive iterative learning contr01州MPILC)based on T-S fuzzy model ave proposed．Based each local model．a 10cal MPILC controlier is designed．The global contro ller is characterized by a weighted SLIm of the local controllers according to the actual operating condition changes．The local MPILC of type l NMPII．C modified the three aspects fiom the chssical MPⅡC．The convergence property has been demonstrated．A PWR nuc lear powe p lant iS adopted to illustrate the performance of the NMPILC．The type II NMPILC proposes a 危edforward-feedback conffollaw in which ILC acts as