唐贤伦, 刘念慈, 严 冬, 陈功贵
(重庆邮电大学 自动化学院, 重庆 400065)
基于RBF核支持向量回归的模型预测控制仿真
唐贤伦, 刘念慈, 严冬, 陈功贵
(重庆邮电大学 自动化学院, 重庆400065)
RBF核函数的表达式较复杂,用于模型预测控制时滚动优化求解困难。该文建立一种基于RBF核SVR的预测控制模型,利用多智能体粒子群(MAPSO)算法求解模型预测控制中的滚动优化,推导出最优控制律,对其进行Matlab仿真并与其他方法进行比较。选取一个非线性系统及连续搅拌槽式反应器进行测试分析,结果表明:该预测模型能迅速抑制干扰,较快返回预设跟踪轨迹,展现了良好的抗噪、抗干扰能力。
模型预测控制; 支持向量回归; 仿真实验; 控制系统; RBF
模型预测控制[1-2]是基于预测模型、滚动优化和反馈校正的优化控制算法,其本质是根据对系统未来状态的预测来优化系统行为[3]。支持向量回归机(SVR)[4-6]是一种建立在统计学习理论上的“小样本”学习机,可以很好地解决非线性、高维数、小样本问题。SVR的预测和泛化能力很大程度上取决于其核函数的选取,而传统的SVR凭经验选取核函数使其在具体应用中存在一定风险。RBF核函数是目前应用广泛、预测精度相对较高的SVR核函数,但是由于其本身表达式复杂,在用于模型预测控制时滚动优化求解困难。采用表达式简单的二次核SVR进行预测控制,虽然有较好的效果,但不能避免初期振荡等问题[7]。
为了改进预测控制系统的性能、提高学生的分析能力和……