预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共68页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

有约束多变量动态矩阵控制算法(完整版)实用资料 (可以直接使用,可编辑完整版实用资料,欢迎下载) 第16卷第3期 控制与决策 CONTROLANDDECISION 2001年5月 May2001 文章编号:100120920(2001)032299204 有约束多变量动态矩阵控制算法 余世明,杜维 (浙江大学工业控制技术国家重点实验室,浙江杭州310027) 摘要:针对多变量有约束动态矩阵控制问题,以输出预测值与未来参考轨迹序列误差的绝对值之和作为性能指标,通过线性化处理使其转化为目的规划问题,从而使在线滚动优化变得非常容易,并可充分利用全部操作变量优化系统的动态性能。当约束遭到扰动短暂破坏时,不会象线性规划那样终止计算,而是继续向参考轨迹逼近,在有限时域内达到设定值。仿真实例验证了该算法的有效性。关键词:多变量;约束;动态矩阵控制;线性化;目的规划中图分类号:TP273.23文献标识码:A ConstrainedMultivariableDAlgorithm YUWei (StateKeyLaboTechnology,ZhejiangUniversity,Hangzhou310027,China)singtheconstrainedmultivariabledynamicmatrixcontrol,thesumoftheerrorabso2lutebetweenpredictiveoutputsandreferencetrajectorysequencesistakenasthecriterionfunc2tion.Bylinearizationofthecriterionfunction,theon2lineoptimizationiscastasgoalprogrammingwhichcanbeeasilysolved.Thepresentedalgorithmcanmakefulluseofallmanipulativevariablesto.Unlikelinearprogramming,whenconstraintsarenotoptimizethedynamicperformanceofprocesssatisfiedduetotemporarydisturbance,itcontinuestoapproachreferencetrajectoryandreachtheset2pointinfinitehorizon.Asimulationexampleshowstheeffectiveperformanceofthealgorithm.Keywords:multivariable;constraints;dynamicmatrixcontrol;linearization;goalprogramming 1引言 在实际工业过程控制中,被控对象大都是多变量、多目标和有约束的,利用解析法几乎不可能求解。如何提供快速有效的在线有约束求解算法,是一个很有意义的研究课题[1,2]。文献[3]针对液体催化裂化装置提出一种多变量协调控制算法,其基本思想是:当输出在规定范围内变化时,从输出变量集中去除该变量;当操作变量达到约束边界(饱和)时,则从操作变量集中去除该变量;当对某个输出量施加 收稿日期:2003210;修回日期:2006220 控制作用时,通过优先权矩阵给出的优先因子选取控制变量。这种算法的优点是简单易行,缺点是优先权矩阵依赖人的经验,不能充分利用多余的自由度来改善系统的动态性能。文献[4]针对有约束预测控制问题,采用无穷范数,通过使跟踪误差的最大绝对值极小化,把有约束预测控制的滚动优化问题转化为易于求解的线性规划问题。 本文通过线性化处理,把有约束多变量动态矩阵控制的滚动优化策略转化为目的规划问题。 这样 作者简介:余世明(1962—),男,甘肃天水人,博士生,从事大系统建模与优化预测控制及计算机控制等研究;杜维 (1938—),男,浙江杭州人,教授,博士生导师,从事模糊控制、智能信息处理等研究。 300控制与决策2001年 做的好处是:1)线性化过程简单,物理意义明确;2)可使跟踪误差的绝对值之和最小,而算法的复杂度与线性规划等同;3)可用全部操作变量优化系统的动态性能;4)当约束遭到扰动的短暂破坏时,不会象线性规划那样终止计算,而是继续向参考轨迹逼近,在有限时域内达到设定值;5)可以求解多目标优化问题。 分。经推导可得k时刻第i个输出的P步预测为Ypi(k+1)= (ypi(k+1),ypi(k+2),…,ypi( k+P))T= n n ij ∑G j=1 ∃Uj(k)+ ∑GU 0ij j=1 j (k-1)+ei(k)hi (5) i=1,2,…,m 其中,Gij和G01)阶矩ij分别为P×M