【技术实现步骤摘要】
一种基于计算图的模型预测控制实时优化并行计算方法
本专利技术涉及模型预测控制的实时优化
，尤其是涉及一种基于计算图的模型预测控制实时优化并行计算方法。
技术介绍
由于模型预测控制具有滚动优化、反馈校正、显式考虑系统约束等特点，因此越来越多的应用领域特别是快速动态系统(例如电力电子、机电工程、汽车电子等)迫切需要模型预测控制来处理其复杂约束优化问题和提高控制性能。然而模型预测控制的当前控制动作是在每一个采样时刻通过模型求解一个有限时域开环最优控制问题而获得，涉及很大的计算量和计算时间，因此，模型预测控制的在线优化计算量大是制约其应用的主要瓶颈。近年来，预测控制的快速计算研究取得了许多有价值的成果。在控制策略方面，通过控制器结构优化设计简化预测控制求解过程，有效降低计算复杂度，但现有方法多数是时域内串行计算策略，提速空间有限；在优化问题求解方面，现有方法大多采用标准或者改进规划算法进行迭代计算求解，但是直接求解非线性优化问题涉及大量复杂的梯度计算和矩阵求逆运算，计算量很大，同时一般优化迭代逻辑较复杂，并且多数属于串...
【技术保护点】
1.一种基于计算图的模型预测控制实时优化并行计算方法，其特征在于，包括以下步骤：/nS1：搭建系统状态量的预测模型，并构建系统的目标函数；/nS2：建立预测模型和目标函数的模型预测控制并行计算架构，所述的并行计算架构采用触发式并行计算方法同步计算预测模型和目标函数；/nS3：采用反向传播的方式求解计算梯度，利用梯度下降法优化系统的控制量，实现系统的实时优化控制。/n
【技术特征摘要】
1.一种基于计算图的模型预测控制实时优化并行计算方法，其特征在于，包括以下步骤：
S1：搭建系统状态量的预测模型，并构建系统的目标函数；
S2：建立预测模型和目标函数的模型预测控制并行计算架构，所述的并行计算架构采用触发式并行计算方法同步计算预测模型和目标函数；
S3：采用反向传播的方式求解计算梯度，利用梯度下降法优化系统的控制量，实现系统的实时优化控制。
2.根据权利要求1所述的一种基于计算图的模型预测控制实时优化并行计算方法，其特征在于，所述的步骤S2的模型预测控制并行计算架构中，用当前步序中的预测模型和目标函数的求解均完成的标志作为下一步序预测计算开始的标志，实现预测模型、目标函数的并行计算。
3.根据权利要求1所述的一种基于计算图的模型预测控制实时优化并行计算方法，其特征在于，所述的预测模型与目标函数的递推关系为：
其中，J为目标函数，f为系统的预测模型，xk+i|k为第k时刻第i步的系统状态量，uk+i|k为k时刻第i步的系统控制量。
4.根据权利要求1所述的一种基于计算图的模型预测控制实时优化并行计算方法，其特征在于，所述的步骤S3的具体步骤包括：
S31：搭建多个计算节点，每个计算节点设置一个存储单元，所述的存储单元内存储相关计算参数；
S32：根据多个计算节点中的计算参数，基于反向传播获取目标函数对输入量的梯度；
S33：利用梯度下降法优化系统的控制量，获取最优控制序列，实现系统的并行预测控制。
5.根据权利要求1所述的一种基于计算图的模型预测控制实时优化并行计算方法，其特征在于，所述步骤S33的具体包括：
利用梯度下降法优化控制量：
uk|k，uk+1|k…uk+N-1|k，
其中，uk|k，uk+1|k…uk+N-1|k分别为第k时刻内第0、1…N-1步的控制量，
当满足优化条件其中之一时，完成优化过程，获取最优控制序列Uk*：
其中，分别...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。