一种数据驱动模型预测控制设计及其稳定性分析方法技术

本发明专利技术属于控制算法设计领域，公开一种数据驱动模型预测控制设计及其稳定性分析方法。本发明专利技术针对线性时不变系统，通过数据驱动方式利用输入输出数据构建预测模型，无需系统参数辨识。其中结合递归最小二乘技术实现模型参数的迭代更新，并结合子空间辨识和模型预测控制实现对复杂非线性系统的自适应控制。随后，通过构造李雅普诺夫函数，理论证明了数据驱动模型预测控制方法的闭环指数稳定性。本发明专利技术相较于标准子空间预测控制具有更小的跟踪误差和超调量，稳定性与准确性显著提升。因此，本发明专利技术无需先验模型即可在线更新预测模型，适应性强；稳定性经严格证明，适用于高安全性需求的系统；经航空发动机验证，展现出优异的工程实用性。

【技术实现步骤摘要】

本专利技术属于控制算法设计领域，涉及一种数据驱动模型预测控制设计及其稳定性分析方法。

技术介绍

1、模型预测控制(model predictive control，mpc)算法可以包括多个控制目标和多个约束条件，可以用来预测未来行为并制定最优控制策略，使其非常适合解决复杂系统中的控制挑战。mpc的另一个关键特性是它能够管理复杂的多输入多输出(mimo)系统中的各种约束，从而保证最优控制性能。这些能力导致了mpc在各种现代工业部门的广泛采用。

2、然而，系统复杂性给基于模型的控制策略带来了重大挑战，其中获得准确的系统模型是最关键但最耗时的步骤。发展了多种识别方法，包括基于第一原理的方法和基于数据驱动的方法。与基于第一原理的控制器相比，数据驱动方法的优势在于它无需系统辨识，直接利用测量的输入输出数据来设计控制器。其中，子空间模型预测控制(subspacepredictive control，spc)集成了子空间辨识和模型预测控制，计算量较小。但是，标准spc是专门针对线性系统设计的，这使得它不太适合非线性系统，特别是航空发动机这种复杂的非线性模型。本文档来自技高网...

【技术保护点】

1.一种航空发动机控制系统的设计与控制方法，包括以下步骤：

【技术特征摘要】

1.一种航空发动机控制系统的设...

【专利技术属性】
技术研发人员：温思歆，王娜，潘卓锐，孟万植，李文韬，范晟君，高圣杰，李思慧，孙希明，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：