一种基于gap metric加权函数的多模型预测控制方法技术

本发明专利技术公开了一种基于gap metric加权函数的多模型预测控制方法，利用gap metric提出一种系统、有效的多模型加权算法，对各个子模型预测控制器进行合成，得到多模型预测控制器，对非线性系统进行优化控制。和传统加权函数，比如梯形加权函数相比，该加权函数只有一个整定参数，大大减少了参数整定的工作量，而且权值可离线计算，并存储在查询表里备用，大大减低了在线计算量；本发明专利技术提供的算法保留了传统加权算法的优点，而克服了其缺点，是一种有效的多模型加权算法，对提高多模型预测控制器的性能大有裨益。

【技术实现步骤摘要】
一种基于gapmetric加权函数的多模型预测控制方法
本专利技术涉及一种基于gapmetric加权函数的多模型预测控制方法，属于非线性系统多模型控制

技术介绍
近年来，多模型预测控制方法越来越多的用于具有宽操作空间的非线性系统的控制。基于分解-合成原则的多模型预测控制方法融合了多模型方法和预测控制的优点。一方面，多模型预测控制方法将复杂的非线性控制问题转化为一系列简单的线性控制问题；另一方面，可以将控制系统中的约束条件直接包含在目标函数中。此外，由于采用了滚动优化机制，多模型预测控制的闭环控制性能得到了进一步改善。多模型预测控制方法中，通常采用硬切换和加权两种方式进行子控制器的合成。虽然硬切换方式可以选择最合适的模型控制器切入到闭环系统中，然而硬切换很容易导致系统输出抖动，以至于不满足闭环控制要求。相比之下，加权合成方式可以使得系统输出平滑，避免输出抖动。因此加权函数合成方式更受欢迎。传统的加权函数，比如梯形加权函数、高斯加权函数等虽然形式简单，且可离线计算，然而整定参数的个数随着子模型个数的增加而增加，给参数整定带来巨大的挑战。Gapmetric近年来越来越多的用于多模本文档来自技高网...

【技术保护点】
1.一种基于gap metric加权函数的多模型预测控制方法，其特征在于：包括如下步骤，S1.根据非线性系统的特性，选择合适的能够反映系统操作条件的调度变量θ；S2.选择m个线性子模型P1,P2,…,Pm构成模型集对非线性系统进行近似；S3.基于每个子模型P1,P2,…,Pm设计对应的子模型预测控制器K1,K2,…,Km；S4.t时刻，非线性系统的模型记为nPt，其线性化模型记为P(θt)；则非线性系统nPt与线性子模型Pi之间的gap metric距离定义为：γi(θt)＝δ(Pi,P(θt))，i＝1,…,m  公式一；第i个子控制器Ki在t时刻时的加权函数根据公式二计算，

【技术特征摘要】
1.一种基于gapmetric加权函数的多模型预测控制方法，其特征在于：包括如下步骤，S1.根据非线性系统的特性，选择合适的能够反映系统操作条件的调度变量θ；S2.选择m个线性子模型P1,P2,…,Pm构成模型集对非线性系统进行近似；S3.基于每个子模型P1,P2,…,Pm设计对应的子模型预测控制器K1,K2,…,Km；S4.t时刻，非线性系统的模型记为nPt，其线性化模型记为P(θt)；则非线性系统nPt与线性子模型Pi之间的gapmetric距离定义为：γi(θt)＝δ(Pi,P(θt))，i＝1,…,m公式一；第i个子控制器Ki在t时刻时的加权函数根据公式二计算，S5.为了减少在线计算量，对步骤S4定义的加权函数，采用离线计算的方式，并将计算得到的权值存储在查询表中备用；S6.子模型预测控制器K1,K2,…,Km在t时刻的输出记为u1(t),u2(t),…,um(t)；S7.多模型预测控制器在t时刻的输出根据公式三计算得出，并对非线性系统进行优化控制；其中，θt为t时刻时调度变量对应的值，可直接在查询表中查询θ＝θt时m个预测控制器对应的权值w1(θt),w2(θt),…,wm(θt)。2.根据权利要求1所述的基于gapmetric加权函数的多模型预测控制方法，其特征在于：步骤S5所述的离线计算方式...

【专利技术属性】
技术研发人员：杜静静，陈俊风，
申请(专利权)人：河海大学常州校区，
类型：发明
国别省市：江苏,32