基于多项式核RVM的非线性模型预测控制.PDF

2 0 0 8 年3 月 控 制 工 程 Mar . 2 0 0 8 第15卷第2期 Control Engineering of China Vol . 15 ,No . 2 ( ) 文章编号 2008 基于多项式核 RVM 的非线性模型预测控制 陈　佳 , 颜学峰 , 钟伟民 , 钱 　锋 (华东理工大学 化学工程联合国家重点实验室 , 上海 　200237) 摘 　　　要 : 针对非线性 、不确定性对象不易建模的特点 , 提出了基于多项式核关联向量机 (RVM) 的解析型非线性预测控制方法 , 该方法采用多项式核 RVM 进行模型辨识 , 得到的对象 模型作为预测模型 。由于 RVM 具有较好的非线性建模能力 , 弥补了 SVM 参数设定难和稀疏性 不强等弱点 ; 同时 , 多项式形式的模型表达式使二次型优化 目标函数可以通过函数解析方法 求得最优控制输入 , 即简化了滚动优化模块 , 增强了控制的实时性 。通过对一个标准的非线 性 Benchmark 问题进行仿真实验 , 结果表明该方法具有良好的控制性能 。 关 　键 　词 : 多项式核函数 ; 关联向量机 ; 非线性模型 ; 预测控制 中图分类号 : TP 273 　　　　文献标识码 : A Nonlinear Model Predictive Control Based on RVM with Polynomial Kernel CHEN J ia , YAN X uef eng , ZHON G Weimin , QIAN Feng ( State Key Laboratory of Chemical Engineering , East China University of Science and Technology , Shanghai 200237 , China) Abstract : In view of the difficulty in nonlinear and uncertain plant modelling , an analytic nonlinear predictive control method based on poly nomial kernel relevance vector machine (RVM) is proposed. Predictive model is obtained from identification of plant model with polynomial kernel RVM. RVM can make up the shortcoming of SVM such as parameter setting and sparsity beacuse of its good ability of nonlinear model ling. Also quadratic form obj ective function can be solved with a function analitical method because of the polynomial mo