基于粒子群算法混合优化的广义预测控制器及其应用研究

论文摘要

本文提出一种基于粒子群算法混合优化的广义预测控制器(PSOGPC)，将粒子群优化算法(PSO)引入到广义预测控制的滚动寻优过程中。解决了广义预测控制在被控对象存在约束时难以获得最优预测控制输入及求解复杂的问题，并对普通粒子群优化算法进行改进，提高了优化过程的求解精度和收敛速度。仿真结果表明该方法的有效性和良好的控制性能。使用VB语言开发了辅助先进控制方法验证、试验调试的先进控制平台，这就促进了先进控制方法能够有效、可靠、快速的应用到实际控制系统中。通过在先进控制平台上模拟实际工程控制系统再次证明这种方法的有效性，并利用先进控制试验平台，测试验证了基于PSO混合优化的GPC控制器与其他控制算法之间的无扰切换。该控制方法将在淮南电厂#2锅炉过/再热汽温的技改项目中作进一步试验。

论文目录

• 摘要
• Abstract
• 致谢
• 第一章 绪论
• 1.1 引言
• 1.2 广义预测控制的产生及其发展现状
• 1.2.1 广义预测控制的产生
• 1.2.2 广义预测控制的发展现状
• 1.3 粒子群优化算法及其研究现状
• 1.3.1 粒子群优化算法的产生
• 1.3.2 粒子群优化算法的发展现状
• 1.4 论文的主要工作
• 1.5 论文的组织结构
• 第二章 广义预测控制原理
• 2.1 广义预测控制的基本原理
• 2.1.1 CARIMA预测模型
• 2.1.2 滚动优化
• 2.1.3 模型多步输出预测
• 2.1.4 最优控制律
• 2.2 广义预测控制中 DIOPHANTINE方程的递推求解
• j(z^-1)和 F_j(z^-1)的递推求解'>2.2.1 E_j(z^-1)和 F_j(z^-1)的递推求解
• j(z^-1)和 H_j(z^-1)的递推求解'>2.2.2 G_j(z^-1)和 H_j(z^-1)的递推求解
• 2.3 广义预测控制的性能分析
• 2.3.1 广义预测控制系统闭环传递函数推导分析
• 2.3.2 GPC的内模结构分析
• 2.3.3 广义预测控制的鲁棒性
• 2.4 广义预测控制的参数选择策略
• -1)≠1时的扩展'>2.5 C(z^-1)≠1时的扩展
• 第三章 粒子群优化算法原理
• 3.1 引言
• 3.2 粒子群算法的基本原理
• 3.2.1 基本算法原理
• 3.2.2 粒子群算法运算流程及特点
• 3.3 粒子群优化算法的改进
• 3.3.1 惯性权重和收缩因子的引入
• 3.3.2 混合 PSO（HPSO）
• 3.3.3 协同粒子群算法模型
• 3.3.4 离散粒子群算法模型
• 3.4 粒子群算法与其他一些算法的比较
• 3.4.1 与遗传算法的比较
• 3.4.2 与神经网络的比较
• 第四章 基于粒子群算法混合优化的广义预测控制器
• 4.1 控制对象中存在的约束限制
• 4.2 约束广义预测控制
• 4.2.1 约束广义预测控制的推导
• 4.2.2 有约束多变量函数优化的常用方法
• 4.3 基于粒子群算法混合优化的广义预测控制器
• 4.3.1 基本原理
• 4.3.2 混合优化策略
• 4.3.3 软开关切换策略
• 4.3.4 基于 PSO混合优化的 GPC的算法流程
• 4.4 仿真研究
• 第五章 应用研究
• 5.1 先进控制试验平台
• 5.1.1 引言
• 5.1.2 试验平台的软件设计
• 5.1.3 先进控制算法的试验及其效果
• 5.2 火电厂过/再热汽温控制
• 5.2.1 引言
• 5.2.2 淮南平圩电厂#2锅炉过/再热优化系统概述
• 5.2.3 控制系统现状
• 5.2.4 改造方案
• 5.2.5 系统模型辨识
• 第六章 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 硕士期间发表论文
• 附录1 扰动试验数据