RBF-ARX模型在预测控制在位控制系统中的应用与效能提升研究.docxVIP

RBF-ARX模型在预测控制在位控制系统中的应用与效能提升研究

第一章绪论

1.1研究背景与研究意义

随着工业自动化、智能控制、嵌入式实时控制系统的高速发展，现代在位控制系统呈现出非线性、时变、强耦合、大滞后的复杂特性，传统线性控制模型与控制算法的适配性大幅下降。在位控制系统区别于离线仿真控制系统，具备实时性、动态性、工况不确定性的核心特征，系统运行过程中参数漂移、外界干扰、负载波动等问题频发，对控制模型的在线辨识能力、动态适配能力、实时预测精度提出了极高要求。预测控制作为一类基于模型的先进计算机控制算法，凭借超前预测、滚动优化、反馈校正的核心优势，能够有效适配复杂工业在位系统的动态控制需求，在化工过程控制、机电伺服控制、电力系统调控、智能装备运动控制等领域得到了广泛应用。

预测控制的控制性能高度依赖预测模型的精准度与适配性，模型能否精准刻画被控对象的动态特性、能否实现在线动态更新、能否适配系统非线性与时变特性，直接决定了在位控制系统的控制精度、响应速度与抗干扰能力。传统预测控制多采用线性ARX模型作为核心预测模型，该模型结构简单、参数辨识便捷、实时性强，能够适配线性、定常、弱干扰的简单控制系统，但针对工业现场普遍存在的非线性动态、参数时变、滞后波动的在位控制系统，线性ARX模型存在建模精度不足、非线性拟合能力缺失、动态适配性差的固有缺陷，极易导致预测误差累积、控制超调、响应滞后