时滞系统智能补偿预测控制方案的实现.pdf

系统仿真学报Vol.15No.11
•1642•JOURNALOFSYSTEMSIMULATIONNov.2003

时滞系统智能补偿预测控制方案的实现

史旭华
（宁波大学信息学院自动化系，浙江宁波315211）

摘要：提出了一种基于DMC预测控制历史数据智能建模基础上的自动补偿方案，该方案适用于
参数摄动的时滞对象。仿真研究表明，该补偿算法能明显改善系统增益失配的控制效果，对同时存
在增益、时滞失配的系统也有一定效果。由此，我们能在一定程度上降低对被控对象模型的测试要
求，增强系统控制的鲁棒性，从而拓宽了DMC预测控制的适用范围。
关键词：预测控制；智能建模；补偿控制；时滞系统
文章编号：1004-731X(2003)11-1642-04中图分类号：TP301文献标识码：A
AnImplementationMethodonIntelligentCompensatedPredictiveControlfor
DelayedSystems
SHIXu-hua
(AutomaticEngineeringDepartment,InformationInstitute,Ningbouniversity,Ningbo315211,China)

Abstract:Anintelligentmodelingauto-compensatedmethodbasedonDMCpredictivecontrol’shistorydatabaseis
produced.Themethodissuitedfordelayedperturbationsystems.Simulationhasverifiedthatthecontrolresultofgain
unmatchingsystemshasbeenimprovedobviously.Itwasalsoeffectivetobothgainanddelayunmatchingsystem.So,we
couldreducemeasuringrequirementsforthecontrolledobjectandinthemeantimestrengthencontrolrobustness.Wecould
alsowidetheapplicationrangefortheDMCpredictivecontrol.
Keywords:predictivecontrol;intelligentmodeling;compensatedcontrol;delayedsystem

引言11智能补偿预测控制方案

时滞不确定性是工业过程普遍存在的对象特性，往往很在DMC预测控制的应用中，可获取两类重要的过程数
难建立对象严格精确的数学模型，也难于设计并实现有效的据，即周期地保存在历史数据库中历史数据和决定过程的动
控制。动态矩阵控制（下文简称DMC）是一种基于对象阶态特性开环测试数据，通常我们只利用了开环测试数据而忽
跃响应的预测控制算法，它不要求对模型的结构有先验知略了历史过程数据，是因为很难对历史数据进行预处理甚至
识，在模型预测中采用闭环预测方式，每一步计算都将实际建模。其实，在历史数据中我们可获得模型输入、输出的重
对象的输出信息叠加到基础模型，使模型不断得到在线校要信息。智能补偿预测控制方案就是利用过程历史数据的模
正，在控制算法上采用滚动优化策略，系统控制的每一步实型信息，它是通过定期地对历史数据的智能建模，周期的补
现静态参数优化，而控制的全过程实现动态优化，因此DMC偿内部基础模型，从而减少内部模型的失配程度，使系统尽
预测控制有很强的鲁棒性，适应不确定系统的控制。仿真研量减少对模型的依赖程度，并在此基础上在线辨识出阶跃响
究表明，在模型失配或有干扰下，中的滤波器对闭环
DMC应，在线修正控制优化算法，具体工作为：系统完成模型辨
系统的鲁棒性和抗干扰性有着至关重要的作用，滤波器的设
识和预测控制两主要功能，为满足实时控制的要求，当实际
计既要考虑模型与对象失配又要考虑对对象干扰的抑制，两
输出与模型输出误差e大于某个门限时，根据过程中具体
者很难兼顾[1]；仿真研究进一步表明，当系统单独具有时延
的被控对象，可每隔若干个采样周期，从历史数据库中抽去
和增益失配时，系统仍能保持较好的鲁棒性，而同时存在增
几组数据，进行神经网络的建模，按一定的补偿规则调整相
益和时延失配时，就将导致控制品质下降，甚至不稳定[2，3]。
应的模型、控制律和反馈系数，当e较小时，仍按原先的控
如果能借助神经网络智能辨识工具，充分利用历史数据对对
制律进行控制，智能补偿预测控制的框图为图1。
象模型进行在线补偿，并及时校正预测控制的内部模型，这
样能降低对模型测试的要求，减少模型失配程度，提高系统2算法的实现