基于粒子群与差分算法的广义预测控制.doc

学科门类：王堂硕士学位论文控制理论与控制工程作学学研指浙江理工大学机械与自动控制学院 浙江理工大学学位论文原创性声明学位论文作者签名：呈蝴签字日期：辍菰拢，日 学位论文版权使用授权书本学位论文作者完全了解浙江理工大堂有权保留并向国家有关部门或机构送交本论文的复印件和磁盘，允许论文被查阅和借阅。本人授权浙江理工大堂可以将学位论文的全部或部分内容编入有关数据库进行检索和传播，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。学位论文作者签名：麈娥签字日期：月导师签名：似生及护驴年月日签字日期： 其次，研究基于粒子群算法的隐式广义预测控制。传统的广义预测控制是在不考虑约束的情况下提出，而现今工业控制系统都是复杂受约束的，粒子群算法是一类基于群体的智能优化算法，解决受约束的优化问题具有精度高、简单方便、收敛快等优点。因此本文详细介绍粒子群基本算法在广义预测控制中的应用，并通过仿真，表明了改进粒子群算法在广义预测控制中的优异性能。关键词：广义预测控制；滚动优化；粒子群算法；差分进化算法 ， 籰； 第滦髀邸璴预测向量那笕 引起了国内外控制理论界的广泛重视。 基于粒子群与差分算法的广义预测控制广义预测控制的研究现状随着当今工业过程控制系统的复杂化，单纯使用广义预测控制已经不能满足其需求。 其应用领域进行简单的描述。的参数选取做了简单的说明。 基于粒子群与差分算法的广义预测控制明其有效性。 基于粒子群与差分算法的广义预测控制广义预测控制基本原理图广义预测控制构成图广义预测控制采用模型来描述受到随机干扰的对象： 基于粒子群与差分算法的广义预测控制其中，:笠扑阕樱硎竞笠埔桓霾裳芷诘南嘤牧浚籄一遣罘炙阕樱恍为籄皇蠩，俳岷瞎得出：则有川。由公式墒窷，要计算预测值多痶匦胂戎5繣噆，这相当于求解丢番递推算法。首先，由丢番图方程写出： 相减两式可以得到：显然，必须有：并且因此氖紫钕凳猯，则有：其中：当保挤匠为： 叮琽之间。 基于粒子群与差分算法的广义预测控制畂，【籫】“五。一玤：厶【，。叫肛簦簦一鬿】而且可以注意到吕是阶跃响应系数，则可以得到：式中：；而当前时刻的最优控制量则为： 尸荷稀荆籏】尸式中，为遗忘因子，通常选取。、分别为权因子和正定的协方差 基于粒子群与差分算法的广义预测控制然后就可以根据上述的最优控制律，求出最优控制量。菹低车淖钚率淙胧涑鍪荩玫萃扑惴式辨识系统、的荻嫉牡萃乒算一。计算当前时刻控制量甜，将其作用于控制对象。广义预测控制算法的参数分析 洲图 基于粒子群与差分算法的广义预测控制接取值为旅嬷谎煌腗值，其余参数保持初值不变进行仿真，仿真实验结果如 基于粒子群与差分算法的广义预测控制的五值，其余参数保持初值不变进行仿真，仿真实验结果如下图所示。 基于粒子群与差分算法的广义预测控制图 基于粒子群与差分算法的广义预测控制图时，系统输出量与控制增量曲线 基于粒子群与差分算法的广义预测控制卣驡的求取琹胛一”的最后一个方程中，因此只需由于： 基于粒子群与差分算法的广义预测控制因此可用下式递推最小二乘法估计：荆籏縋式中，五为遗忘因子，取值范围在【】之间。由式口以递推出臼，即可求得械脑K睾蚮。红吃多； 基于粒子群与差分算法的广义预测控制幅值约束。下面具体讲解各类约束。唬璝弧最后，将式转化为控制增量的不等式。其中：弧其中：上述三种约束均可写出统一的形式：否，其中为当前时刻已知的矩阵和向 基于粒子群与差分算法的广义预测控制题的墓龆呕侍狻南住緇刻岢隽斯阋逶饪刂朴隤混合优化解决约束问题，粒子群优化算法基础上搜索。第隽拥奈恢帽硎疚猉，薯：，其当前飞行速度为 基于粒子群与差分算法的广义预测控制唬一一籚。时，。，、，。，图 基于粒子群与差分算法的广义预测控制。，。!#，。一吃置一、达到到摄汰迭代班数，粒子群优化算法基本流程图如图所示，其主要迭代过程描述为：霉更新各个粒子的速度和位置； 基于粒子群与差分算法的广义预测控制位置值。则公式简化为：式拘特征方程为：五荤仍砸，该方程为一元二次方程，可分馐眡五，其中均为待定系数，海后枚閉衅，这时唬五，其中以、均为待定系数。 基于粒子群与差分算法的广义预测控制茜】。 地解集空间中进行搜索。理群体中的多个个体，具有隐含并行搜索特性。 基于粒子群与差分算法的广义预测控制基于改进的粒子群优化算法的广义预测控制设计下，通过对输出误差值以及控制增量加权项的二次型目标函数极小化获得最优控制增量，但是工业上完全无约束的情况是不存在的，大部分的控制系统存在各种各样的约束条件：如控制量与控制增量的约束，控制输出的约束等。而考虑这些约束的情况下，则优化问题就转化为求解有约束的二次规划问题，需要目标函数与约束条件可微，而且一般情况下只能求得局部最优值。求解线性有约束预测控制算法通常有内罚函数法、遗传函数法、牛顿法等等，这些方法的计算量大且算法复杂，因此必须寻找有效简便的优化算法提高广义预测控制算法的性能。给定图基于惴囊紾的控制结构图 基于粒子群与差分算法的广义预测控制粒子群算法的初始化剩余的种群位置及其全部粒子的速度在其规定范围内随机初始化。粒子群算法速度的改进浚縜。 基于粒子群与差分算法的广义预测控制改进的粒子群算法具体步骤为：扑忝扛隽拥氖视龋莨、聀蚲。计算系统下一时刻输入量，反馈到控制系统中。 基于粒子群与差分算法的广义预测控制图基于惴囊紾算法的流程图 基于粒子群与差分算法的广义预测控制一，疉图三种控制算法的控制输出结果比较 基于粒子群与差分算法的广义预测控制本章小结 基于粒子群与差分算法的广义预测控制差分进化算法基本原理一籜 基于粒子群与差分算法的广义预测控制由式知种群规模坏眯，另外K醴乓蜃樱捣段猍】，控制差分矢量的缩放。”会产生与目标个体一样的试验向量。为交叉概率，通常在【琹】区间内取值。 基于粒子群与差分算法的广义预测控制。差分进化算法的参数选取种群规模的大小对搜索全局最优值有较大的影响，其值过大，虽然搜索到的全局最优值的可能性更大，但是所需的计算量与计算时间也相应的增加；其值过小，虽然可以减少控制过程的计算量与计算时间，却容易陷入局部最优值。因此合理选取种群规模对提高算法的搜索效率有重要的意义。一般情况下，选取至洌珼为问题向量的维度。醴乓蜃覨 基于粒子群与差分算法的广义预测控制 群体最优值作为变异操作的基向量。其操作表达式如下：莨扑憧刂圃隽俊鱱。判断其值是否满足被控对象的约束，若满足， 基于粒子群与差分算法的广义预测控制基于混合差分粒子群优化的隐式广义预测控制算法的流程图如下图所示。 基于粒子群与差分算法的广义预测控制出结果分别如下图、所示。劲铷图隐式广义预测控制仿真结果韈图基于粒子群算法的隐式广义预测控制仿真结果 基于粒子群与差分算法的广义预测控制，一。： 捎贕采用多步预测策略，增加了控制长度与预测长度两个参数，再加上原 基于粒子群与差分算法的广义预测控制 基于粒子群与差分算法的广义预测控制甌 【渴逑玻阋逶饪刂浦蠨方程的显式解远：【】慕德俊，佟明安基于输入输出模型广义预测控制的并行算法【浚刂评砺塾胗茫：珺綣】咳窝澹薰鹈罚：犊刂圃谕缡毖涌刂浦械挠肹浚低撤抡嫜瑅】隹：綣】，【】童朝南，肖磊，彭开香，等基于遗