参数变化BP-ARX组合模型在非线性MPC中的应用
163 浏览量
更新于2024-07-15
4
收藏 990KB PDF 举报
"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
2021-04-09 上传
2021-04-02 上传
2023-03-28 上传
2021-05-16 上传
2021-05-01 上传
2018-04-29 上传
2021-05-23 上传
2016-04-14 上传
点击了解资源详情
weixin_38690402
- 粉丝: 5
- 资源: 1007
最新资源
- C语言数组操作:高度检查器编程实践
- 基于Swift开发的嘉定单车LBS iOS应用项目解析
- 钗头凤声乐表演的二度创作分析报告
- 分布式数据库特训营全套教程资料
- JavaScript开发者Robert Bindar的博客平台
- MATLAB投影寻踪代码教程及文件解压缩指南
- HTML5拖放实现的RPSLS游戏教程
- HT://Dig引擎接口,Ampoliros开源模块应用
- 全面探测服务器性能与PHP环境的iprober PHP探针v0.024
- 新版提醒应用v2:基于MongoDB的数据存储
- 《我的世界》东方大陆1.12.2材质包深度体验
- Hypercore Promisifier: JavaScript中的回调转换为Promise包装器
- 探索开源项目Artifice:Slyme脚本与技巧游戏
- Matlab机器人学习代码解析与笔记分享
- 查尔默斯大学计算物理作业HP2解析
- GitHub问题管理新工具:GIRA-crx插件介绍