RBF-ARX模型的MPC策略：非线水箱系统中的高效控制

本文主要探讨了基于RBF-ARX模型的模型预测控制策略在水箱系统中的应用，这是一种结合高斯径向基函数网络(RBF)和线性ARX模型的创新方法，用于处理非线性和非平稳系统的动力学建模。RBF-ARX模型的特点在于，它在每个工作点是局部线性的，但整体上是非线性的，能够捕捉到系统的复杂动态。 研究者设计了三种不同的RBF-ARX模型预测控制策略：MPC-SPL（基于单点线性化的RBF-ARX-MPC），MPC-MPL（基于多点线性化的RBF-ARX-MPC），以及MPC-GNO（基于全局非线性优化的RBF-ARX-MPC）。MPC-SPL依赖于当前工作点的线性化进行短期预测，而MPC-MPL则利用先前的在线优化结果进行未来局部特征的预测。MPC-GNO则是最大限度地利用RBF-ARX模型的全局非线性特性来实时优化控制变量，这通常能提供更优的控制性能，但计算成本相对较高，适合于变化较慢的过程。 实验证据来自于对水箱系统的实时控制实验，结果显示，无论是与经典自适应间歇（AID）控制还是传统的基于线性ARX模型的MPC相比较，基于RBF-ARX模型的MPC策略在处理非线性和不稳定系统时，其控制效果更为显著。特别是MPC-GNO，虽然在计算效率上可能不如其他策略，但它在控制精度和性能上的优势使得它在特定应用场景中具有明显的优势。 本文的研究不仅展示了RBF-ARX模型在建模非线性系统中的潜力，而且证实了其在模型预测控制领域的实用价值，特别是在复杂工业过程控制如水箱液位控制中的应用。这对于提高这类系统的控制效率和稳定性具有重要意义，也为未来非线性系统控制技术的发展提供了新的视角和方法。