水下机器人广义预测控制与能耗问题研究

1、分类号：、工学硕士学位论文密级；编号：水下机器人广义预测控制与能耗问题研究硕士研究生：指导教师：学位级别：学科、专业：所在单位：论文提交日期：论文答辩日期：学位授予单位：任立国张铭钧教授工学硕士机械电子工程机电工程学院年月年月哈尔滨工程大学哈尔滨：程大学硕士学位论文，（），哈尔溟程大学硕士学位论文，“，：；哈尔滨工程大学学位论文原创性声明本人郑重声明：本论文的所有工作，是在导师的指导下，由作者本人独立完成的。有关观点、方法、数据和文献的引用已在文中指出，并与参考文献相对应。除文中己注明引用的内容外，本论文不包含任何其他个人或集体己经公开发表的作品成果。对本文的研究做出重要贡献的个人和集体，均已

2、在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。作者（签字）：侈讶习日期：矿年月日哈尔滨丁程大学硕士学位论文第章绪论引言世纪人类面临人口膨胀和生存空间有限的矛盾，陆地资源枯竭和社会生产需要增长的矛盾，以及生态环境恶化和人类发展的矛盾这三大挑战。海洋能源、资源的开发与利用是人类维持自身的生存与可持续发展，拓展有限生存空间的最为切实可行的途径。水下机器人是随着海洋研究和开发的不断深入以及国防的需要而产生和发展起来的高新技术，是海洋高科技的重要组成部分。作为在复杂海洋环境下工作的载体，自主性及安全性是水下机器人的重要特征，智能控制技术是保证其自主性和安全性的重要基础和核心技术。对于来

3、说，一次下潜所携带的能源是有限的，如何有效利用能源是研究的重要问题之一。智能控制与能耗问题的研究对提高的智能化水平具有重要的理论研究意义和实际应用价值。水下机器人运动控制技术综述工作在浅至几米、深至几千米的水下环境中。为了完成各种复杂的作业任务和安全航行，就必须按着规定的轨迹运动，因而运动控制就成为水下机器人能否完成预定任务的关键性技术，是其完成指定任务的前提和保障。水下机器人运动控制指水下机器人在水下环境（由海流、海浪、潮汐、海底地貌等因素组成的外部环境）中，根据自身运动的情况，在某种控制规律作用下，控制各种翼面和桨的运动，自动地沿某一规定的路线以规定的姿态进行运动。由于为个自由度，可以实现

4、进退、侧移（左右）、升沉、艏摇、纵摇和横摇，且交叉耦合、非线性、时变性都非常严重，因此其控制技术非常复杂。导致水下机器人难于控制的主要因素包括幢瑚：（）水下机器人高度的非线性和时变的水动力学性能，难于获得精确的水动力模型；哈尔滨程大学硕士学位论文（）水下机器人的附加质量及运动惯性比较大，不能产生急剧的运动状念变化；（）海流、海浪等的随机干扰，要求控制系统具有较好的抗干扰能力；（）如果水下机器人配备了机械手，水下机器人和作业机械手组成一个高阶的、冗余的组合结构，当机械手在水下作业时，机器人的形状和重量平衡发生变化，动态特性也会相应的发生改变。由于以上因素使得机器人精确的数学模型难以获得，到目前为

5、止，应用在水下机器人运动控制上的控制方法大致有以下几种：控制、自适应控制、模糊控制、神经网络控制、滑模变结构控制等。、控制作为一种传统的控制方法，控制最大的优势就是设计简单，易于实现，各参数意义、作用明确；另外相应的参数整定技术也经历多年不断发展趋于成熟。设计工作点附近，控制器的性能是有保证的。和利用控制水下机器人，并进行了个小时的海上试验，在控制器的设计工作点附近工作时是成功的；等用对水下机器人进行艏向控制并进行了仿真实验哺。等对水下机器人进行了控制，并进行了海试。等对水下机器人进行了控制仿真，仿真结果证明其有效性口。但控制是一种线性控制，控制系统的参数随环境变量变化的整定优化比较麻烦，不易

6、确定。而水下机器人具有高度非线性、时变性、参数部分未知、各自由度运动存在耦合等，在非设计点处工作时，控制器的表现很难令人满意（响应缓慢、振荡等），这是线性系统控制理论应用于非线性系统时的必然结果。因此，需要对控制算法进行改进。通过和其它智能控制算法结合，形成新的智能算法。等利用模糊算法进行水下机器人的深度控制的计算机仿真研究陋。吴小平等应用模糊控制对控制器的参数进行在线调整，从而使控制器具有自适应性以适应工况的变化，并应用此策略为小型设计了自主航行控制系统，仿真结果验证了此策略的有效性嘲。、自适应控制自适应控制有许多不同的定义，到目前为止尚未统一，争论也比较多，哈尔滨程大学硕士学位论文许多学者

7、提出的定义都是同具体的自适应控制系统类型相联系的。综合各种定义可知，自适应控制系统应该有如下功能引：（）在线进行系统结构和参数的辨识或系统性能指标的度量，以便得到系统当前状态的改变情况；（）按一定的规律确定当前的控制策略；（）在线修改控制器的参数。由这些功能组成的理论性自适应控制系统如图所示。它由性能指标（）的测量、性能指标的比较与决策、自适应机构，以及可调系统组成，它的功能完全符合自适应控制定义所要求的目标。关于自适应控制系统的分类也和定义一样，众说纷纭，尚未统一。一般普遍认可，应用广泛的自适应控制系统分为两类：一类是模型参考自适应控制系统，另一类是自校正控制系统。图自适应控制系统原理图等提

8、出了一种多变量自适应控制器作为水下机器人自动驾驶仪，用来克服自动定位时模型的不确定性。和在年提出并实现了一种新的多输入多输出自适应控制器，并在自主式水下机器人进行实验舢。文献将一种自校正控制系统应用于水下机器人中，取得了良好的控制效果并指出此控制系统的优点。等也进行了自主式水下机器人鲁棒自适应路径跟踪控制研究口钉。“等为水下机器人设计了非线性自适应控制器，并用水下机器人的动态模型进行仿真分析纠。、模糊控制模糊控制属于经验控制方法，尽管有些场合对被控对象的数学模型了解哈尔滨程大学硕士学位论文很少，但是操作人员凭借经验取得较好的控制效果。模糊控制方法就是对操作者控制经验的总结，是一种不需要模型的有

9、效控制方法。目前，众多学者对模糊系统设计进行了深入的研究，对传统模糊控制进行了许多改进，已出现了多种形式的模糊控制，如：模糊模型及辨识、自组织模糊控制器（它们具有比例因子自调整能力、规则在线修改能力）、基于模糊模型的自适应模糊控制、模型参考自适应模糊控制、自适应阶梯模糊控制，并在稳定性分析、鲁棒性设计、模糊控制与传统控制方法及其它智能控制方法的交叉综合等方面取得了进展。模糊控制器在水下机器人运动控制中的应用实例较多。文献利用模糊控制器进行了水下机器人的定深、定高和定航控制，当水下机器人水平速度适当时，控制精度达。模糊控制器的设计比较简单实用，不依赖传统的用微分方程表示的数学模型，而且稳定性也较

10、好。研究了一种用于水下机器人深度控制的个规则的模糊逻辑控制器引。、滑模控制滑模控制是一种非线性控制策略，它是鲁棒控制器中一类简单的控制方法，这种方法已成功应用于水下机器人的运动控制。其基本思想就是控制一个一阶系统要比控制一个一般的阶系统要容易得多。因此，引入一种符号简化，使得可以用一个等效的一阶系统来代替，阶系统。变结构控制器包括几个不同的连续函数，这些连续函数能把系统状态映像到控制面。不同连续函数之间的转换由系统状态决定，由一个转换函数来描述。滑模控制的滑动模态具有完全的自适应性，这是滑模控制系统最突出的优点。作为一种特殊的控制方法，滑模变结构控制依靠其对参数变化和系统未建模部分的不敏感性和

11、极强的抗干扰性已在水下机器人运动控制领域得到了广泛的应用。目前，等在“水下机器人试验样机上实现了水下机器人的滑模控制，把运动方程之间的非线性耦合项作为控制器的不确定参数，为水下机器人的每个可控的自由度方向设计了滑模控制器引。文献应用变结构控制实施自由度水下机器运动控制，首先建立对象的准解耦模型，然后对个速度量分别进行控制设计。哈尔滨工程大学的王丽荣等将滑模控制方法应用到水下机器人控制中，首先将水下机器人的五个自由度水动力模型可控正则化，在此基础上对于给定运动跟踪模型进行了正则哈尔滨工程大学硕十学位论文化处理，以便应用于可控正则型非线性系统的滑模控制策略，并设计了水下机器人的位置控制器和速度控制

12、器眨。、神经网络控制神经网络是从仿生学角度模拟人脑神经系统的运作方式，使机器具有人脑那样的感知，学习和推理能力。通过大量的神经元组成神经网络，根据连接方式的不同，神经网络可分为四种方式：前馈网络、反馈网络、相互结合型神经网络和混合型神经网络。水下机器人运动控制的特点是具有较广的工作区间（航速变化范围、工作范围等），使得神经网络在这一领域的应用显得非常合适。和等人提出了一种基于神经网络的控制系统一自组织神经网络控制系统（），并将它应用于“的艏向自由度控制及水平面内的轨迹跟踪，在仿真和实验条件下验证了它的有效性口矧。文献将算法用于水下机器人跟踪控制系统，在实验中使用该系统成功地跟踪了海底地形。提出

13、将神经网络控制器应用于水下机器人的控制，在这个控制器中，他使用了带评价函数的回归自适应算法。、其它控制方法近年来，国内外研究机构在分析上述水下机器人控制算法性能基础上，尝试结合不同算法的优点，把几种控制算法复合起来，从而形成新的控制算法，将其应用到水下机器人上。模糊神经网络控制：由于模糊系统和神经网络的互补性，目前模糊系统与神经网络之间关系的研究以及二者的结合是主要研究热点。其中结合模糊系统结构知识表达和神经网络强大数值计算及学习能力的模糊神经网（）是主要方向之一。等提出了水下机器人神经模糊控制器，该控制器不需要水下机器人系统的先验知识，不需要离线学习过程，不需要通过人的干预来调整参数。通过一

14、个内部循环策略和简化的系统微分实现了神经模糊控制器的在线学习赵晶采用模糊神经网络结构应用于模型，选择样条函数作为隶属度函数，在学习方法上选择在线梯度下降法修正权值，并离线采用免疫遗传算法进行权值修正，研究了位置控制问题，并进行了仿真试验啪。滑模模糊控制：考虑到模糊逻辑控制器的逼近能力以及滑模控制器的鲁哈尔滨：程大学硕士学位论文棒性，滑模模糊控制器应用于水下机器人的时间最优和鲁棒控制是合适的。在水下机器人上进行纵摇及艏向自由度方向的控制证明了滑模模糊控制器的有效性啪。控制：此外为了克服水下机器人不确定性影响，有学者引入当前鲁棒控制中应用较广的控制。年，腼用理论研究了潜艇在通气管状态下的鲁棒定深控

15、制啪。和用控制方法对某进行控制瞄。广义预测控制综述、预测控制理论分析一般地说，实际工业过程常常具有非线性、时变性和不确定性，难于建立精确的数学模型。即使一些对象能够建立起数学模型，结构也往往十分复杂，难以设计和实现有效的控制。工业过程的特点要求寻找各种对模型要求低、在线计算方便、控制综合质量好的算法。预测控制是基于模型的控制算法，也称模型预测控制，不是某一统一理论的产物，而是在工业实践过程中为适应这种要求而发展起来的一类新型计算机控制算法，并在实际中得到了十分成功的应用。等首次详细阐述了这类算法产生的动因、机理及其在工业过程中的应用效果，从此，预测控制便开始出现在控制领域中。模型预测控制在电力

16、、炼油、化工和造纸等领域获得了广泛的应用，并形成了相当规模的先进控制产业。在众多预测控制算法中，引起控制界广泛重视的是动态矩阵控制（）、模型算法控制（）、广义预测控制（）、广义预测极点配置（）和连续时间广义预测控制（）等。它们都是在预测控制基本原理的基础上发展起来的，各有其优缺点和应用场合。预测控制不论其算法形式如何不同，都应建立在下述三项基本原理基础上口羽。（）预测模型预测模型的功能就是根据对象的历史信息和未来输入预测系统的未来输出。它只注重模型的功能，而不注重模型的结构形式，只要具有预测功能的哈尔滨：程大学硕士学位论文模型，无论其有什么样的表现形式，均可作为预测模型。预测模型输出由两部分组

17、成，一部分为模型自由响应输出，它仅仅依赖于过去时刻的控制量及输出量，与当前时刻及将来的控制量无关。另一部分为模型函数输出，它是当前时刻起加入控制作用后新增加的模型响应。因为预测模型具有展示系统未来动态行为的功能，这样，我们就可像在系统仿真时那样，任意地给出未来的控制策略，观察对象在不同控制策略下的输出变化，从而为比较这些控制策略的优劣提供基础。如图所示。对应于控制量灭妁一一一厂厂厂！竺厂广卜过去时刻未来时刻控制量输出图基于模型的预测（）滚动优化预测控制的最主要特征表现在滚动优化。预测控制通过某一性能指标的最优来确定未来的控制作用，这一性能指标涉及到系统未来的行为，这种行为是根据预测模型由未来的

18、控制策略决定的。但是，预测控制中的优化与通常的离散最优控制算法有很大的差别。这主要表现在预测控制中的优化目标不是一成不变的全局优化目标，而是采用有限时段的滚动优化策略。在每一采样时刻，优化性能指标只涉及到从未来有限的时间，而到下一采样时刻，这一优化时段同时向前推移，如图所示。因此，预测控制在每一时刻有一个相对于该时刻的优化性能指标，不同时刻优化性能指标的相对形式是相同的，但其绝对形式（即所包含的时间区域）则是不同的。因此，在预测控制中，优化不是一次离线进行，而是反复在线进行的。哈尔滨：程大学硕士学何论文参考罗么乡，一一键夕，夕，？一，纱。乡一白一一一乞一图滚动优化（）反馈校正滚动优化只有建立在

19、反馈校正的基础上，才能体现出它的优越性。因此，预测控制算法在通过优化确定了一系列未来的控制作用后，为了防止由于时变、模型失配或环境干扰引起控制对理想状态的偏离，并不是把这些控制作用逐一全部实施，而只是实现本时刻的控制作用。到下一采样时刻，首先监测对象的实际输出，并通过各种反馈策略，修正预测模型或加以补偿，然后再进行新的优化。综上所述可以看到，预测控制汲取了优化控制的思想，但利用滚动有限时段优化取代了一成不变的全局优化。这虽然在理想情况下不能导致全局最优，但由于实际上不可避免地存在着模型误差和环境干扰，这种建立在实际反馈信息基础上的反复优化，能不断顾及这种不确定性的影响，并及时加以校正，并始终把

20、新的优化建立在从实际过程中获得的最新信息基础上，因而要比只依靠模型的一次优化过程更能适应实际过程，有更强的鲁棒性。、广义预测控制的优点及应用年，等人在保持最小方差自校正控制的在线辨识、输出预测、最小方差控制的基础上，吸取和中滚动优化的策略，提出广义预测控制算法（）。兼具自适应控制和预测控制性能的控制策略，保留了自适应控制的优点，但比自适应控制方法更具鲁棒性。是预测控制中最具代表性的算法之一，通过优化对输出误差和控制增量加权的二次性能指标来确哈尔滨工程大学硕士学位论文一，；宣；宣宣；譬定未来的控制作用。它的预测模型采用（离散受控自回归积分滑动平均模型）或心（离散受控自回归滑动平均模型），克服了脉

21、冲响应模型、阶跃响应模型不能描述不稳定过程和难以在线辨识的缺点。由于广义预测控制是保持最小方差自校正控制器的模型预测，在优化中引入了多步预测的思想，故抗负载扰动、随机噪声和时延变化等能力显著提高，具有许多可以改变各种控制性能的调整参数。它不仅能用于开环稳定的最小相位系统，而且可用于非最小相位系统、不稳定系统和变时滞、变结构系统。它在模型失配情况下仍能获得良好的控制性能。并且广义预测控制还引入了不相等的预测水平和控制水平，使系统设计灵活方便。文献介绍了镀锌板生产线上带钢温度的广义预测控制，该控制系统已在日本名古屋钢厂的镀锌生产线上应用，取得了令人满意的运行效果。文献研究了数控铣削过程的有约束广义

22、预测控制方法，构造了进给速度及其增量约束、铣削力上升时间约束及超调约束。文献介绍了广义预测控制算法及其在工业锅炉上的应用实例，并取得了良好的控制效果。文献对于空调系统的主要参数一温度，采用对于时变、大滞后对象有较好的控制效果的广义预测控制算法，在稳态情况下温度控制误差不超过。该系统使用方便、可靠性好、控制精度高。文献在冷带轧机电液伺服系统中应用广义预测控制理论直接算法，减少了在线计算时间。仿真研究结果表明，该方法比目前带钢生产中广为采用的控制策略优越，使得系统的动态品质有了较大的改善，响应时间和控制精度都有所提高。文献给出了串联系统广义预测自校正控制器（），并针对飞行控制系统的纵向通道控制进行

23、了仿真研究，验证了这种控制方案的优良性能。文献在水下机器人艏向线性模型的基础上，利用遗传算法进行性能指标函数优化，实现水下机器人艏向的模型预测控制的仿真。文献进行了浅水环境下、受波浪干扰的水下机器人艏向保持问题的仿真研究。文献利用广义预测控制算法进行了船舶横向运动的控制仿真研究，建立了海洋的波浪干扰及其它海洋状态模型，利用主动控制水箱水的容量来降低船舶的横向运动，仿真证明了广义预测控制算法的有效性。文献研究了浅水环境下基于模型预测控制算法的水下机器人位置保持问题，并就水下机器人的模型进行了仿真研究。哈尔滨：程大学硕七学位论文课题来源及研究意义本课题来源于黑龙江省杰出青年科学基金资助项目“水下机

24、器人智能控制技术”。在水下机器人运动控制过程中，要对运动规划所得到的目标轨迹进行跟踪控制，这就需要对水下机器人实时运动规划和控制问题进行基础性的研究和探讨，使之具有适应海洋环境的智能规划与控制能力，为水下机器人的工程应用提供科学基础和技术储各。运动控制技术是水下机器人系统研究中的基础和前提，一个稳定可靠的控制系统也是水下机器人完成预期任务和水下作业的前提与保证。在许多控制问题中要求使能量消耗最小化作为最优控制指标，这种使能耗为最小的控制问题是有实际意义的。对于来说，能源需要自身携带，因而限制了水下机器人的行动范围和工作时间。且可以长时间使用的小型动力源尚未达到实用化程度，需要考虑在运动和作业过

25、程中更有效地利用能源。因此，能量的有效利用是实用化中的重要问题之一，使水下机器人在运动控制过程中能量消耗最小具有理论意义和实际应用价值。论文的主要工作本文针对自治水下机器人这种大时延、大惯性、参数时变的动态系统的智能控制及其能耗最小化问题，研究广义预测控制及其相关算法，提出应用于水下机器人的减少能耗的广义预测控制算法。主要研究内容包括：、分析了适用于的各种控制方法，并重点分析了广义预测控制技术及其在运动控制中的应用。、分析广义预测控制的基本算法及方程的递推求解方法，并基于广义预测控制基本算法对线性模型进行仿真研究。、研究了间接自适应广义预测控制算法、直接自适应广义预测控制算法，分析了非线性动态

26、系统的模型及其时变线性转化条件，基于间接自适应广义预测控制算法进行了非线性系统模型的仿真，并以“海狸”水下机器人为试验载体，进行了纵向速度及艏向角速度的间接和直接广义预测控制仿真研究。哈尔滨工程大学硕士学位论文、通过调整控制加权系数来限制控制量增量的剧烈变化，分析了控制加权系数对控制量增量的影响并进行仿真研究。研究了对控制律加权的广义预测控制算法，通过仿真来验证该算法使系统克服环境的干扰和测量误差的有效性。、从减少能耗的角度出发，将输出量变化作为系统优化目标之一，提出了抑制波动的广义预测控制算法，并分别从加速度和加加速度两个角度进行算法推导。研究了对控制量和控制增量施加约束，提出了引入约束的广

27、义预测控制算法。并以“海狸水下机器人为试验载体，进行实验研究。、作为一种尝试，将多变量广义预测控制方法应用到水下机器人运动控制中，并研究了运动多变量耦合问题，提出了抑制波动的广义预测集中控制方法和抑制波动的广义预测解耦控制方法。并以“海狸水下机器人为试验载体，进行了仿真和实验研究。哈尔滨工程大学硕士学位论文第章水下机器人的广义预测控制技术研究引言广义预测控制算法已经成功应用于工业过程控制，并获得了良好的经济效益，但将广义预测控制算法应用于水下机器人的控制，目前公开发表的文献还很少。本章在分析基本广义预测控制算法的基础上，引入了自适应控制的思想，使之适用于被控对象参数未知或慢时变系统。通过非线性

28、系统的时变线性转化，使非线性广义预测控制问题得到简化。基本的广义预测控制算法被控对象的预测模型采用模型来描述受到干扰的被控对象。模型具有如下特点：（）可描述一类非平稳扰动；（）可保证系统输出稳态误差为零；（）对非建模动态具有好的鲁棒性。模型通常采用如下离散差分方程来描述：（）（后）（）”（后一）（）（后）（）其中（一）、（。）和（卅）是后移算子卅的多项式（），一（）一、（）一一“（七）和，（七）分别表示被控对象的输入和输出，一表示差分算子，常数玎。和分别为输出、输入的后移算子多项式的阶次，孝（七）为均值为零的不相关随机变量序列，为了突出方法原理和论述方便，在下面的推导中令（一）。假定被控对象的

29、期望输出或者参考序列（）（，）是已知的，那哈尔滨程大学硕士学位论文么广义预测控制的任务就是使被控对象的输出（，）尽可能地接近”（七，）。直接跟踪期望输出可能带来大幅度的超调而导致长时间震荡，导致瞬态响应下降。为使当前时刻的被控对象输出平稳地达到期望输出，对期望输出进行一阶滤波，使被控对象沿着参考响应轨迹逐步趋向设定值，通常采用如下一阶滤波方程：”（尼）（），（七），（七，一）（一）（）（，）口定义如下性能指标函数：，：兰（七）一”（七川兰砌）（七一），（）式中，为数学期望，为最小预测时域，为最大预测时域，虬为控制时域，（）为控制加权序列。为突出方法原理和论述方便，设（）为常数兄，。（），玑，表

30、示个节拍后控制量不再发生变化。为了得到步后输出（）的最优预测值，考虑如下方程：，（一）彳（一）（）（）如一）召（一）小一）小。）（）其中，且（一）巳一一一（、？。；（一）一，一（）？乏一“利用式（）、式（）和式（）可以得出，步后模型输出的预测值（），（一）（）（叫），（七）日，（一）（）（叫）善（后，）（）由于，孝（后十，）均为时刻以后的白噪声，则对（）的最优预测值可以表示为（七），（一）（）（。）（七）一（）（）（）哈尔溟：程大学坝七学位论文即（）（七）易（一）善（七歹）这样，根据已知的输入、输出信息及未来的输入值就可预测被控对象未来的输出值。将式（）写成向量的形式】，毋（七）（）（）其中【

31、（七），（七）】【甜（七），“（七一）】曩（一），氏（）日凰（。），（一）（）孝（七），（一）善（七）岛氓定义叫”（七），”（七）】根据上述定义，性能指标函数式（）可以写成，（】，一：）（】，一）彬（）将式（）代入式（），将式（）对未来控制增量向量求导，并令其为零，那么使取最小值的控制律为，（）（）一”】彬整理上式可得（五，）【（）（）】（）在每一个控制节拍，可以同时得到步控制指令，根据滚动优化和反馈哈尔滨程大学硕士学位论文校正原理，通常不是把这些控制作用逐一全部实施，而只是实现当前时刻的控制作用，因此只需计算当前时刻的控制指令。记（甜）一的第一行为玑尸并且定义（一），一（）则广义预测控制律为

32、“（七）【（）（）】（。）”（七）口（。）（）一）（一）（）（）（）“（尼）（）其中口（一）乃（一）口一一篁（。），（）风鹕氏一一叫式（）和式（）即为广义预测控制律。（）（）从以上基本广义预测控制算法中可以看出，当预测步数歹改变时，方程（）和（）式中的（）、。）、（）和日（）的数值也随之发生变化，每改变一次，都需要按式（）和式（）重算，为了节省计算时间和利用上一步的计算信息，需要对（）、（。）、）和日一）进行递推求解口刳。自适应广义预测控制算法基本的广义预测控制算法是在被控对象的性能参数已知的情况下推导出来的，而在实际对象的控制过程中，由于环境干扰的存在以及被控对象的性能发生变化，被控对象的模

33、型参数具有慢时变性或者难以获得，因此有必要对基本的广义预测控制算法进行改进，以提高预测控制算法对被控对象性能发生改变的适应性。这时要实现广义预测控制就必须使用自适应控制的技术。哈尔滨下程大学硕士学位论文间接自适应广义预测控制算法目前比较成熟的自适应控制主要有两大类：自校正控制和模型参考自适应控制。而广义预测控制主要使用自校正技术，自校正技术的主要特点就是具有被控数学模型的辨识环节。自适应广义预测控制算法中如果辨识的是被控对象，从自适应控制角度看，是属于间接（显式）自适应控制算法。而直接辨识控制律参数的算法在自适应控制中称之为直接（隐式）自适应控制算法。因此，间接自适应广义预测控制算法必须使用参

34、数估计算法，先在线辨识出（）和（一）的系数，然后利用在线辨识的参数值代替真实值进行广义预测控制算法的推导，这里假定（。）和（一）的阶次和是已知的。当（一）时，可以将（）式写为缈（七）（七）一。缈（后）（）（）孝（后）（）式（）又可以表示为缈（七）（一）口孝（后）其中（）【一少（七一），一缈（七一，气），“（七一），（）】【，气也，九令（）（七）一（）乡（七一）（）其中（七）表示为秒（忌）（），气（后），（），（七）广考虑到被控对象的参数可能慢时变的情况，选取具有遗忘因子的递推最小二乘算法，即痧（七）占（七一）（：于）（：）善夏！（彳）二酉（）五【庀一。，【庀一庀一尸七，（）一！兰兰蔷手兰云争昌

35、薹帮。，庀一）。，【彤一）尼一）其中为遗忘因子，一般取值，（）为任意正定矩阵。从广义预测控制算法的推导过程可以看出，对于间接自适应广义预测控哈尔滨工程大学硕士学位论文制算法，在每一个控制节拍内，都要利用具有遗忘因子的递推最小二乘法辨识被控对象模型的系数，然后进行方程的递推求解和矩阵的求逆运算，然后再计算控制量，增加了实时控制的在线计算时间。因此如果将间接自适应广义预测控制算法应用于实际工业过程，特别是实时性要求较高的系统，还需要对该算法做进一步改进，以减少在线计算时间。直接自适应广义预测控制算法文献提出了一种广义预测自适应控制的直接方法，该方法使用了被控系统阶跃响应前项系数已知的假设，并分析了

36、该控制算法的全局收敛性。但在实际应用过程中，很难精确得到被控对象阶跃响应前项的值，这样可能会影响系统的稳定性，但被控对象阶跃响应前项系数的估计值或者测量值通过实验很容易获得。因此，利用被控对象阶跃响应前项系数的估计值或者测量值进行被控对象广义预测控制更具有实用性。文献提出一种新的广义预测控制直接自适应控制算法。该算法使用被控对象阶跃响应前项系数的估计值或者测量值，使用正则化技术和带有死区的参数估计算法，并证明了该算法的全局收敛性。但是对于复杂对象，被控对象阶跃响应前项系数的估计值或者测量值也很难知道，即使知道也有很大误差。文献给出了一种直接自适应广义预测控制算法。该算法不需要知道被控对象前项阶

37、跃响应，并假设步内所估计参数保持不变。如果较大时，可能受干扰的影响比较大。文献提出的一种直接自适应广义预测控制算法不需要知道被控对象前项阶跃响应，但当较大时，需要设置的初值比较多，且对初值的选取较敏感。下面给出一种不需要知道被控对象前项阶跃响应的简单的直接自适应广义预测控制算法。被控对象的数学模型仍采用（）式，为了突出方法原理和论述方便，令（。），且性能指标函数仍采用（）式。式（）中的（以）。部分为一肌矩阵，第一行记作一，饥】哈尔滨工程大学硕士学位论文并且定义（一）一（）将式（）左乘且两边相加得（力，）一（】，一（一）使用式（）和式（），上式得第一行可以写成（）（一），（）旯（一）甜（七一）（

38、一）少（七）一（一）甜（七一）一（）（）式中（。）和（一）的定义见式（）和式（），且。，（尼）所弓（）善（七）（）将式（）写成（）（七）（）（）其中秒即，。，属，氏一。（）（），（后），（一），（）（），一（七一，），一（一），一（一）】所以当被控对象的参数未知时，使用式（）作为控制器参数估计方程。并采用如下的递推最小二乘法辨识控制器未知参数：善（七）（一）一（七）否（七一）（）莎（后）痧（后一，）轰主；糕（）五【尼）。，庀一五彤）雕）（）一（磊）万（）面（丽）（）（）五【庀，疗一）疗其中为遗忘因子，一般取值，（）为任意正定矩阵。最后再利用式（）和式（）计算控制律。广义预测控制参数选择由于广义

39、预测控制算法采用了多步预测的方式，与一般的单步预测相比，哈尔滨工程大学硕士学位论文增加了最小预测时域、最大预测时域和控制时域，这三个参数。这三个参数和控制加权系数名、输入柔化系数口的选取将对控制性能产生重要的影响。广义预测控制算法的参数设定更多的是启发式的，并都是以隐含的方式出现在闭环传递函数中，不易直接考察它们的取值对控制性能的影响，只能通过试凑和仿真研究来初步选定。、最小预测时域当被控对象的时滞已知时，则应取，如果取，则在（），（）中将有一些输出不受输入（）的影响，这样要浪费一些计算时间。而当未知或变化时，一般可取，这意味着可能存在的时滞包含在多项式（一）中。、最大预测时域为了使滚动优化真正有意义，应该使预测时域包括对象的真实动态部分，也就是说应把当前控制影响较大的所有响应都包括在内，即阶跃响应之后应平稳的趋于稳态值。而不再发生剧烈变化。在实际应用中，一般用较大的，如果被控对象采用最小化参数模型，则应选为大于（一）的阶次。对有时延或非最小相位系统，必须选择超过对象脉冲响应（或阶跃响应）的时延部分，或非最小相位特性引起的反向部分，并覆盖被控对象的主要动态响应。预测时域长度的大小，对于控制的稳定性和快速性有较大影响，较小，虽然快速性好