基于多模型的非线性系统广义预测控制

对于复杂的离散时间非线性系统,  提出一种基于多模型的广义预测控制方法.  通过在平衡点附近建立线性模型,  并用径向基函数神经网络来补偿匹配误差,  形成了非线性系统的多模型表示,  然后采用模糊识别方法作为切换法则,  并结合广义预测控制构成了多模型广义预测控制器.  通过对连续发酵过程的计算机仿真,表明了该方法的有效性.关键词:  非线性系统；多模型；广义预测控制；径向基函数神经网络Abstract:  A  multiple  model  based  generalized  predictive  control  is  provided  for  complex  nonlinear  discrete  time  system.  The  RBFNN,  i.e.  radial  basis  function  neural  network,  is  used  to  approximate  the  matching  error  of  the  local  linear  model,  and  the  nonlinear  system  is  modeled  by  the  multiple  linear  model  and  neural  network  at  different  equilibrium  operating  point.  A  fuzzy  recognized  method  and  generalized  predictive  control  algorithm  are  used  to  setup  the  multi-model  generalized  predictive  controller.  From  the  simulation  of  continuous  fermentation  process,  it  can  be  seen  that  the  controller  proposed  in  this  paper  can  give  a  better  control  performance  for  nonlinear  system.Key  words:  nonlinear  system;  multi-model;  generalized  predictive  control;  RBFNN