基于神经网络误差补偿的预测控制

华北电力大学科技学院本科毕业设计（论文）1基于神经网络误差补偿的预测控制华北电力大学科技学院自动化07K3聂和兵摘要非线性系统预测控制已成为一个有着广阔前景的研究热点。预测控制的多步预测和滚动优化有克服建模误差影响的能力，使控制系统具有一定的鲁棒性。但研究表明,预测控制对模型失配的鲁棒性是有限的，仍需要一个较准确的预测模型。实际系统大都是难以准确建模的非线性系统，如何提高预测的精确性以增强控制系统鲁棒性是非线性系统预测控制研究的重要问题。建立在反馈校正原理上的预测误差补偿是一种有效的方法。本文提出了一种基于对象定量和定性信息的组合预测控制方法，但其只是对一类特殊对象而言。本文对模型失配误差用Bp网络建模,构成误差修正DMC算法,然而由于经训练的网络权值固定不变,当工况发生较大变化时,修正后的预测值仍有可能产生较大误差。本文利用一种权值可以在线调整的动态Bp网络对模型预测误差进行拟合并与预测模型一起构成动态组合预测器，在此基础上形成对模型误差具有动态补偿能力的预测控制算法。由于该算法显著提高了预测精度，从而增强了预测控制算法的鲁棒性。关键词：预测控制神经网络动态矩阵误差补偿ErrorcompensationbasedonneuralnetworkpredictivecontrolAbstractPredictivecontrolofnonlinearsystemshasbecomeapromisingresearchfocus.Predictivecontrolofmulti-steppredictionandrollingoptimizationhastheabilitytoovercometheeffectsofmodelingerrors,thecontrolsystemhasacertainrobustness.华北电力大学科技学院本科毕业设计（论文）2Butstudiesshowthatmismatchthemodelpredictivecontrolrobustnessislimited,stillneedamoreaccuratepredictionmodels.Theactualsystemaremostlydifficulttoaccuratelymodelnonlinearsystems,howtoimproveforecastaccuracytoenhancetherobustnessofcontrolsystemspredictivecontrolofnonlinearsystemsisanimportantissue.Basedontheprincipleoffeedbackontheforecasterrorcorrectionisaneffectivemethodofcompensation.Thispaperpresentsanobject-basedcombinationofquantitativeandqualitativeinformationpredictivecontrol,butonlyintermsofaspecialclassofobjects.Inthispaper,themodelmismatcherrorwithBpnetworkmodeling,errorcorrectionformDMCalgorithm,butbecauseoftrainednetworkweightsarefixedwhentheconditionschangedgreatly,therevisedforecastisstillpossibletohaveagreatererror.ThisuseofaweightyoucanadjustthedynamiconlineBpnetworkmodelpredictionerrorandpredictionmodelstobecombinedtogetherconstitutethedynamiccombinationofpredictors,onthebasisoftheformationofthemodelerrorhastheabilitytopredictthedynamiccompensationcontrolalgorithm.Sincethealgorithmsignificantlyimprovesthepredictionaccuracy,thusincreasingthepredictivecontrolalgorithmrobustness.Keywords:PredictiveControlNeuralnetworkDynamicMatrixErrorcompensation华北电力大学科技学院本科毕业设计（论文）3目录摘要...............................................................11预测控制..........................................................51.1预测控制的产生................................................51.2预测控制的发展................................................61.3预测控制算法及应用............................................71.3.1模型控制算法（ModelAlgorithmicControl，MAC）............71.3.2动态矩阵控制（DynamicMatrixControl，DMC）...............71.3.3广义预测控制（GeneralizedPredictiveControl，GPC）.......71.3.4极点配置广义预测控制......................................81.3.5内模控制..................................................81.3.6模糊预测控制..............................................81.4预测控制的基本特征............................................81.4.1预测模型..................................................81.4.2反馈校正..................................................91.4.3滚动优化..................................................91.5预测控制的现状................................................92神经网络.........................................................102.1人工神经网络的生理原理.......................................102.2神经网络的特征...............................................132.3神经网络的发展历史...........................................142.4神经网络的内容...............................................152.5神经网络的优越性.............................................162.6神经网络研究方向.............................................162.7神经网络的应用分析...........................................172.8神经网络使用注意事项.........................................202.9神经网络的发展趋势...........................................202.10BP神经网络.................................................212.10.1BP神经网络模型........................................21华北电力大学科技学院本科毕业设计（论文）42.10.2BP网络模型的缺陷分析及优化策略........................222.10.3神经网络仿真...........................................223．动态矩阵控制....................................................253.1预测模型.....................................................253.2滚动优化.....................................................263.3反馈校正.....................................................273.4有约束多变量动态矩阵控制及其线性化...........................293.5动态矩阵控制仿真.............................................324基于神经网络误差补偿的预测控制...................................354.1研究背景.....................................................354.2传统PID控制.................................................364.2.1位置式PID控制...........................................364.2.2增量式PID控制...........................................384.3基于神经网络的动态矩阵控制..................................404.4基于神经网络输出反馈的动态矩阵控制研究......................434.5基于神经网络误差补偿的动态矩阵控制..........................494.6仿真效果验证................................................54总结...............................................................60参考文献...........................................................61华北电力大学科技学院本科毕业设计（论文）51预测控制1.1预测控制的产生预测控制的产生，并不是理论发展的需要，而首先是工业实践向控制提出的挑战。众所周知，上世纪60年代初形成的现代控制理论在航空、航天等领域取得了辉煌的成果。利用状态空间法去分析和设计系统，提高了人们对被控对象的洞察能力，提供了在更高层次上设计控制系统的手段。特别是立足于最优性能指标的设计理论和方法已趋成熟，这对于在工业过程中追求更高控制质量和经济效益的控制工程师来说，无疑有着极大的吸引力。然而人们不久就发现，在完美的理论与控制之间还存在着巨大的鸿沟。主要表现在以