亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于LS-RVR誤差補(bǔ)償?shù)膭討B(tài)矩陣控制

        2012-01-12 02:05:00趙鐵彪徐毅樊培利薛美盛
        石油化工自動化 2012年1期
        關(guān)鍵詞:魯棒性控制算法向量

        趙鐵彪,徐毅,樊培利,薛美盛

        (1.中國科學(xué)技術(shù)大學(xué)自動化系,合肥230026;2.山東石橫發(fā)電廠,山東泰安271261)

        動態(tài)矩陣控制(DMC)是一種重要的預(yù)測控制算法,由Cutlergf在1980年提出[1]。它采用在工程上易于測取的對象階躍響應(yīng)做模型,算法比較簡單,計(jì)算量較少,魯棒性較強(qiáng),適用于有純時延、開環(huán)漸進(jìn)穩(wěn)定的非最小相位系統(tǒng),近年來已在冶金、石油、化工等部門的過程控制中取得成功的應(yīng)用[2]。研究發(fā)現(xiàn),DMC對模型失配的魯棒性有一定的局限性,需要改善預(yù)測模型,從而使得預(yù)測輸出值更準(zhǔn)確。

        文獻(xiàn)[3-4]中提到,由于先驗(yàn)知識的局限性和過程的時變性,因而模型誤差勢必降低系統(tǒng)的控制精度和魯棒性,必須采取附加的預(yù)測手段彌補(bǔ)模型預(yù)測的不足。針對這個問題,席裕庚提出了引入誤差預(yù)測,采用誤差預(yù)測和模型預(yù)測相結(jié)合的思路。文獻(xiàn)[5]中,基于BP結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò),對系統(tǒng)的建模誤差進(jìn)行預(yù)測,取得了一定的效果。文獻(xiàn)[6]中,提出用小波網(wǎng)絡(luò)建立誤差的預(yù)測模型,并對模型預(yù)測進(jìn)行動態(tài)補(bǔ)償,增強(qiáng)了系統(tǒng)魯棒性。文獻(xiàn)[7]中將LS-SVM支持向量機(jī)用于廣義預(yù)測控制的誤差補(bǔ)償,取得了一定的效果。然而,支持向量機(jī)建模也存在一定不足,如基函數(shù)必須滿足mercer定理等。文獻(xiàn)[8]提出一種新的機(jī)器學(xué)習(xí)方法最小二乘相關(guān)向量回歸(LS-RVR),并將其與支持向量機(jī)(SVM)模型、相關(guān)向量回歸(RVR)模型分別就計(jì)算復(fù)雜度和模型精度做了比較,獲得了更良好的建模效果。

        筆者針對動態(tài)矩陣控制中遇到的模型失配問題,結(jié)合相關(guān)向量回歸的特點(diǎn),提出了基于LS-

        RVR的誤差補(bǔ)償動態(tài)矩陣控制算法,并進(jìn)行了仿真實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明了該算法的有效性。

        1 動態(tài)矩陣控制

        1.1 預(yù)測模型

        假設(shè)未來M個時刻的控制增量分別為Δu(k),Δu(k+1),…,Δu(k+M-1),則未來P個時刻系統(tǒng)的預(yù)測模型輸出值為

        式中:Ym(k+1)——k時刻施加Δu(k)時未來N個時刻的模型預(yù)測值,Ym(k+1)=[ym(k+1/k),ym(k+2/k),…,ym(k+N/k)]T;Y0(k+1)——k時刻未施加Δu(k)時未來N個時刻的模型輸出初值,Y0(k+1)=[y0(k+1/k),y0(k+2/k),…,y0(k+N/k)]T;ΔU(k)=[Δu(k),Δu(k+1),…,Δu(k+M-1)]T;A——動態(tài)矩陣,

        模型輸出初值:

        式中:U(k-1)=[u(k-N+1),u(k-N+2),…,u(k-1)]T。將式(2)代入式(1)中,即可求出未來N個時刻預(yù)測模型輸出值為

        1.2 反饋校正

        為了克服模型誤差和干擾等的影響,需要用實(shí)際輸出誤差對系統(tǒng)預(yù)測模型輸出進(jìn)行修正,得到預(yù)測輸出值,即:

        式中:Yp(k+1)=[yp(k+1),yp(k+2),…,yp(k+P)]T;H=[h1,h2,…,hP]T。

        1.3 滾動優(yōu)化

        最優(yōu)控制律由二次型性能指標(biāo)確定:

        由?JP/?ΔU(k)=0,求得:

        式中:e(k)=y(tǒng)(k)-ym(k)。將上式展開,可求得從k到k+M-1時刻的控制增量,即:

        2 最小二乘相關(guān)向量回歸

        2.1 RVR

        RVR是文獻(xiàn)[10]提出的一種貝葉斯框架,可以用來獲得回歸建模的稀疏解。與SVM相比,RVR使用更少的基函數(shù);不僅可以得到預(yù)測輸出的點(diǎn)估計(jì),還可以得到預(yù)測輸出的概率分布。另外,基函數(shù)無須滿足mercer定理[10-11]。

        設(shè)廣義線性模型:

        式中:K(x,xi)——基函數(shù);wi——模型的權(quán)值向量的第i個元素。假設(shè)輸入輸出樣本集

        輸出值是來自有附加噪聲模型的采樣值:

        εn服從方差為σ2的零均值高斯分布,則樣本集的似然函數(shù)為[10]

        式中:t=(t1,t2,…,tN);w=(w1,w2,…,wN);Φ——設(shè)計(jì)矩陣,Φ∈N×(N+1),Φ=[φ(x1),φ(x2),…,φ(xN)]T。其中,φ(xn)=[1,K(xn,x1),K(xn,x2),…,K(xn,xN)]T。對權(quán)值向量定義先驗(yàn)的概率密度分布,即:

        式中:α——N+1維向量,被稱為超參數(shù),它使得回歸模型的復(fù)雜程度降低并更為光滑。由貝葉斯準(zhǔn)則,可以得到權(quán)值向量的后驗(yàn)似然分布為

        對式(10)兩端取對數(shù),得:

        分別對α和σ2求導(dǎo),并令導(dǎo)數(shù)等于0,可以得到公式[10]:

        2.2 LS-RVR

        對于采樣獲得的輸入輸出數(shù)據(jù),先進(jìn)行最小二乘線性建模,然后把該線性模型的擬合誤差和輸入輸出數(shù)據(jù)用RVR進(jìn)行建模,從而構(gòu)成整個LSRVR模型[8]。

        對于n階系統(tǒng),假設(shè)輸入輸出序列為{u(k),y(k)}k=1,2,…,n+N,則有:

        式中:Y=[y(n+1),y(n+2),…,y(n+N)]T;

        運(yùn)用LS-RVR建模步驟如下:

        a)運(yùn)用標(biāo)準(zhǔn)遞推最小二乘方法建模,根據(jù)建立的模型可以得出對于輸入X,模型輸出為

        b)最小二乘方法建模誤差為

        c)運(yùn)用RVR方法對E進(jìn)行建模,求得模型權(quán)值向量序列和相關(guān)向量序列{wk},{xk},k=1,2,…,m,其中m為相關(guān)向量的個數(shù)。有:

        d)對于一個未知點(diǎn)x*,建立模型的輸出結(jié)果為

        3 誤差補(bǔ)償動態(tài)矩陣控制

        為了克服模型誤差和干擾的影響,DMC算法采用該步系統(tǒng)實(shí)際輸出與模型預(yù)測輸出的誤差來代替下一步模型預(yù)測輸出的誤差,增加了模型預(yù)測輸出精度,但它對建模誤差的修正仍有一定的局限性。為了提高模型預(yù)測精度,筆者提出了基于LSRVR誤差補(bǔ)償算法,對歷史輸入輸出和誤差進(jìn)行訓(xùn)練,建立誤差模型并對誤差進(jìn)行一步預(yù)測得到下一步的模型預(yù)測誤差,從而提高了模型預(yù)測的精度。

        利用LS-RVR建模方法,建立誤差模型。該誤差模型可以表示為[7]

        根據(jù)得到的誤差模型,預(yù)測下步的誤差:

        從而可得控制增量輸出為

        計(jì)算步驟:

        a)對預(yù)測控制參數(shù)進(jìn)行初始化。

        b)進(jìn)行傳統(tǒng)動態(tài)矩陣控制,得到輸入、輸出、誤差數(shù)據(jù),作為訓(xùn)練樣本。

        c)對誤差數(shù)據(jù)進(jìn)行建模,得到誤差模型。

        d)根據(jù)誤差模型,采用式(22)描述的控制律進(jìn)行動態(tài)矩陣控制。

        4 仿真實(shí)驗(yàn)

        例1 選取具有大慣性的火電廠熱工系統(tǒng)主蒸汽壓力對象[12],其傳遞函數(shù)為

        采樣周期為5s,預(yù)測前景為90,控制前景為15,誤差矩陣hi=1,控制加權(quán)矩陣λi=1。

        離散化后,由于實(shí)際系統(tǒng)中存在一定的擾動,假設(shè)實(shí)際模型為

        預(yù)測模型為

        仿真結(jié)果如圖1~3所示,縱坐標(biāo)變量為無量綱。

        圖1 傳統(tǒng)DMC方法

        圖2 LS-RVR誤差補(bǔ)償DMC方法

        圖3 兩種方法輸出比較

        例2 選取仿真對象為文獻(xiàn)[13]給出的山東石橫電廠2號爐主汽溫過程,在高負(fù)荷(270~315MW)時模型對象:

        采樣時間選4s,預(yù)測前景為130,控制前景為15,誤差矩陣hi=1,控制加權(quán)矩陣λi=1。

        由于實(shí)際系統(tǒng)中存在一定的擾動,假設(shè)實(shí)際模型為

        預(yù)測模型為

        仿真結(jié)果如圖4~6所示,縱坐標(biāo)變量為無量綱。

        圖4 傳統(tǒng)DMC方法

        由仿真結(jié)果可以看出,誤差補(bǔ)償型預(yù)測控制算法與傳統(tǒng)動態(tài)矩陣控制算法相比,控制效果得到進(jìn)一步提高。

        圖5 LS-RVR誤差補(bǔ)償DMC方法

        圖6 兩種方法輸出比較

        5 結(jié)束語

        筆者針對傳統(tǒng)DMC控制對于模型失配的魯棒性有一定的局限性,提出新的LS-RVR誤差補(bǔ)償動態(tài)矩陣控制算法。通過LS-RVR良好的建模能力,對誤差與歷史輸入輸出進(jìn)行模型建模,從而提高預(yù)測輸出的精度,提高控制性能。仿真結(jié)果表明,該算法改善了系統(tǒng)在模型失配情況下的控制效果。

        [1] CUTLER C R,RAMAKER B L.Dynamic Matrix Control-a Computer Control Algorithm[C].Proc.Joint Automatic Control Conf.CA;San Francisco,1980.

        [2] 舒迪前.預(yù)測控制系統(tǒng)及應(yīng)用[M].北京:機(jī)械工業(yè)出版社,1996:127-132.

        [3] 席裕庚,許曉鳴,張鐘俊.預(yù)測控制的研究現(xiàn)狀和多層智能預(yù)測控制[J].控制理論與應(yīng)用,1989,6(02):1-7.

        [4] 席裕庚.關(guān)于預(yù)測控制的進(jìn)一步思考[J].控制理論與應(yīng)用,1994,11(02):219-221.

        [5] 李少遠(yuǎn),劉浩,袁著祉.基于神經(jīng)網(wǎng)絡(luò)誤差修正的廣義預(yù)測控制[J].控制理論與應(yīng)用,1996,13(05):677-680.

        [6] 王群仙,李少遠(yuǎn),李煥芝,等.基于小波網(wǎng)絡(luò)動態(tài)補(bǔ)償?shù)膹V義預(yù)測控制器[J].自動化學(xué)報,1999,9(05):701-704.

        [7] 翟永杰,李海麗,王東風(fēng),等.LS-SVM誤差補(bǔ)償?shù)膹V義預(yù)測控制[J].計(jì)算機(jī)工程,2010,46(03):24-27.

        [8] 陶呈綱.基于相關(guān)向量回歸模型的預(yù)測控制研究[D].合肥:中國科學(xué)技術(shù)大學(xué),2011:18-20.

        [9] 席裕庚.預(yù)測控制[M].北京:國防工業(yè)出版社,1993:11-18.

        [10] 吳冰,程思微,張文瓊,等.基于相關(guān)向量回歸的仿真元建模方法[J].計(jì)算機(jī)工程,2010,36(03):24-27.

        [11] TIPPING M E.Sparse Bayesian Learning and the Relevance Vector Machine[J].Journal of Machine Learning Research,2001,1(03):211-214.

        [12] WANG D F,HAN P,REN Q.Chaos Optimization Variable Arguments PID Controller and Its Application to Main Steam Pressure Regulating System[C]//2002International Conference on Machine Learning and Cybernetics,2002:2116-2120.

        [13] 弓岱偉.先進(jìn)控制與優(yōu)化軟件的設(shè)計(jì)及在電站鍋爐汽溫預(yù)測控制中的應(yīng)用[D].合肥:中國科學(xué)技術(shù)大學(xué),2008:68-70.

        猜你喜歡
        魯棒性控制算法向量
        向量的分解
        聚焦“向量與三角”創(chuàng)新題
        荒漠綠洲區(qū)潛在生態(tài)網(wǎng)絡(luò)增邊優(yōu)化魯棒性分析
        基于確定性指標(biāo)的弦支結(jié)構(gòu)魯棒性評價
        基于ARM+FPGA的模塊化同步控制算法研究
        基于非支配解集的多模式裝備項(xiàng)目群調(diào)度魯棒性優(yōu)化
        向量垂直在解析幾何中的應(yīng)用
        西南交通大學(xué)學(xué)報(2016年6期)2016-05-04 04:13:11
        向量五種“變身” 玩轉(zhuǎn)圓錐曲線
        一種優(yōu)化的基于ARM Cortex-M3電池組均衡控制算法應(yīng)用
        亚洲av区,一区二区三区色婷婷 | 东京无码熟妇人妻av在线网址| 99精品视频免费热播| 国产v精品成人免费视频400条| av一区二区三区有码| 亚洲精品无码不卡在线播he| 日韩制服国产精品一区| 亚洲成av人片天堂网九九| 国产成人色污在线观看| 日本a级一级淫片免费观看| 777米奇色8888狠狠俺去啦| 国产精品二区在线观看| 青青草久热手机在线视频观看| 国产一区二区三区我不卡| 99热爱久久99热爱九九热爱| 亚洲V日韩V精品v无码专区小说 | 少妇爆乳无码专区| 日韩内射美女人妻一区二区三区| 色播在线永久免费视频网站 | 超级碰碰人妻中文字幕| 在线精品国产亚洲av麻豆| 午夜射精日本三级| 国产精品6| 国产精品农村妇女一区二区三区| 国产一区二区三区在线观看完整版 | 国产精品亚洲欧美大片在线看| 国产成人啪精品| 三级日本午夜在线观看| 久久99精品久久久大学生| 国产乱子乱人伦电影在线观看| 99久久久精品免费| 五月开心六月开心婷婷网| 中文天堂国产最新| 欧美日韩精品乱国产538| 亚洲国产精品成人一区| 一本色道久久hezyo无码| 四川丰满少妇被弄到高潮| 亚洲AV无码乱码一区二区三区| 中文字幕影片免费人妻少妇 | 久久精品国产精品亚洲艾| 亚洲av乱码二区三区涩涩屋|