论文部分内容阅读
本文提出一种能有效提高常规预测控制精度和运算效率的数据驱动非线性自适应预测控制方法。首先,为了提高建模精度及考虑到多输入多输出非线性系统各维输出间的耦合关系,采用在目标函数中加入样本整体拟合误差项,实现一种多输出最小二乘支持向量回归机(M-LS-SVR)建模方法,并采用粒子群优化(PSO)算法进行了参数寻优;其次,针对模型失配及由于M-LS-SVR模型形式复杂导致传统智能算法求解预测控制律速度慢的问题,提出一种非线性自适应预测控制方法,包含两个非线性优化层:第一层实时优化模型和系统的输出误差,以调节模型参数;第二层采用序列二次规划算法(SQP)设计非线性预测控制器,以加速预测控制律的求解速度。仿真实例及在高炉中的试验表明:基于M-LS-SVR建模的非线性自适应预测控制具有较快的求解速度、较好的设定值跟踪性能以及较强的干扰抑制能力和鲁棒性。