参数变化BP-ARX组合模型在非线性MPC中的应用

"基于参数变化BP-ARX组合模型的非线性模型预测控制" 本文探讨了在多输入多输出（MIMO）非线性系统中应用模型预测控制（MPC）的方法。研究者提出了一种新颖的带有外部输入的反向传播自回归（BP-ARX）组合模型，用于描述输入与输出之间的非线性稳态关系。BP神经网络部分负责捕捉系统的非线性稳态特性，而ARX模型则处理输入和输出间的线性动态行为。这种BP-ARX模型被设计为全局模型，可以在离线阶段进行识别，同时ARX模型的参数会根据BP神经网络和实际操作数据进行在线调整。 为了优化控制性能，文章中采用了顺序二次规划（SQP）来在线解决二次目标函数，确保了控制器能够快速响应系统设定点的大幅变化。同时，通过定义移位系数，限制了递归最小二乘算法的有效时间，从而提高了动态性能，特别是在系统输出接近设定点时。因此，他们提出了一种参数变化非线性MPC（PVNMPC）算法，该算法能够实现对系统动态行为的高效控制。 作者通过多变量搅拌罐和多变量pH中和过程的仿真研究验证了所提方法的有效性，并将PVNMPC与多变量递归广义预测控制器（MRGPC）的控制效果进行了对比。这些仿真结果表明，BP-ARX组合模型和参数变化的MPC策略能够有效地应用于非线性系统的控制，提供良好的控制性能和适应性。 关键词：模型预测控制、非线性系统、神经网络、ARX模型、最小二乘法 引用信息：J.-F. Yang, L.-F. Xiao, J.-X. Qian & H. Li (2012): 基于参数变化BP-ARX组合模型的非线性模型预测控制, International Journal of Systems Science, 43:3, 475-490, DOI: 10.1080/00207721.2010.517855 请访问以下链接获取更多关于作者指南和订阅信息：http://www.tandfonline.com/loi/tsys20