采用Brent优化的核学习单步预测控制算法
刘毅
王海清
李平
1.浙江大学工业控制技术国家重点实验室工业控制研究所,浙江,杭州,3100272.浙江大学工业控制技术国家重点实验室工业控制研究所,浙江,杭州,3100273.浙江大学工业控制技术国家重点实验室工业控制研究所,浙江,杭州,310027
摘要：针对非线性SISO系统,提出一种基于核学习辨识模型的单步预测控制算法(kernel learning one-step-aheadpredictive control,KLOPC).通过KL辨识模犁得到系统的一步超前预报值,并引入输出反馈和偏差校正以克服模型失配等因素引起的预测误差,以此构造一步加权预测控制性能指标,然后采用Brent一维搜索方法求取控制律.该方法无需任何相关的导数信息,需调整的参数少,求解效率高.在一非线性液位系统的仿真研究表明了KLOPC优于整定的PID和其它基于KL模型的控制方法,对噪声和扰动等均具有更好的鲁棒性和自适应性.
关键词：非线性系统核学习单步预测控制Brent优化
分类号：TP273(自动化技术及设备)TP301.6(计算技术、计算机技术)
资助基金：国家自然科学基金(20576116)国家科技支撑计划(2007BAF14802)
论文发表日期：2009-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：4( 107-110 )
英文信息