智能预测控制器算法研究

目录

摘  要 Ⅰ

Abstract Ⅱ

第1章 绪 论 1

1.1 选题的背景与意义 1

1.2 课题发展现状与前景展望 2

1.3 本文主要研究工作 3

第2章 智能控制基本概念 4

2.1 预测控制概述 4

2.1.1 预测控制的基本原理 4

2.1.2 预测控制的基本算法 6

2.1.3 预测控制的研究现状 7

2.1.4 预测控制在工业过程控制中的应用 8

2.2 神经网络概述 8

2.2.1 神经网络控制综述 9

2.2.2 神经网络结构与基本原理 9

2.2.3 神经网络的特点及其用于控制的优越性 10

2.3 智能预测控制研究概况 11

2.3.1  模糊预测控制 12

2.3.2  基于神经网络的预测控制 14

第3章 控制算法研究和确定 15

3.1 时滞系统控制方法概述 15

3.1.1 经典控制 15

3.1.2 智能控制 17

3.2 系统控制方案研究及确定 19

3.2.1 传统预测方法的局限性 19

3.2.2 本系统控制方案的确定 19

3.3 控制算法比较 21

3.3.1 纯滞后对象的阶跃响应 22

3.3.2 与数字PID控制算法比较 22

3.4 最终算法确定 23

3.4.1 智能控制预测模型和对象模型 23

3.4.2 建立有效的反馈校正方法 24

3.4.3 最优控制规律计算 25

3.4.4 系统稳定性分析 25

第4章 仿真 28

4.1 仿真工具介绍 28

4.1.1 MATLAB及其神经网络工具箱的简介 28

4.1.2 运用神经网络工具箱设计网络的原则与过程 29

4.2 控制算法仿真 30

4.2.1 仿真基本步骤 30

4.2.2 模糊预测控制器的设计 30

4.2.3 控制系统的仿真 34

4.2.4 仿真结果分析 36

结束语 37

参考文献 38

致  谢 39

附录1模糊预测控制器MATLAB程序 41

附录2 PID控制的系统阶跃响应 43

智能预测控制器算法研究

摘要: 随着工业控制要求的提高及控制理论与计算机技术的发展，产生了控制效果好、鲁棒性强，适用于控制不易建立精确数学模型且比较复杂的丁业过程的预测控制算法，并己在石油、化工、冶金、机械等工业部门的控制系统中得到了成功的应用，是一类很有发展前途的新型计算机控制算法。近年来将智能控制理论与预测控制机理相结合，使预测控制向智能化方向发展，以满足复杂工业过程控制的需要，是当前预测控制发展的新趋势。

本文讨论了预测控制以及智能控制的基本结构和原理，深入分析了预测控制的预测模型、反馈校正与滚动优化方法及其稳定性和鲁棒性，并仿真研究证实了预测控制算法是一种先进的控制算法，同时也指出了这种常规预测控制算法面临的困难及存在的问题。在此基础上本文研究了基于神经网络辨识的动态矩阵预测控制新方法，其实质是利用作为对象辨识模型的神经网络产生预测信号，用优化算法求出控制律，从而实现对非线性时变系统的预测控制。首先对被控对象进行离线辨识，在模型辨识达到一定的精度后，再在线递推得到预测模型，最后通过极小化性能指标得到最优控制律。该算法不仅解决了非线性时变对象难以建模的问题，而且还减少了控制器的计算工作量，有利于系统的实时应用。最后根据该算法进行MATLAB仿真，验证了该控制方案的优越性。

关键字: 智能控制、预测控制、过程控制、模糊控制