非线性预测与控制方法在温度控制中的应用研究

摘要

在实际工程中需要对温度进行测量控制的应用越来越多，测量控制温度的过程具有大惯性、纯滞后、时变性等非线性特点。本文选择某一密闭空间如粮仓或者某密闭舱体（如矿用救生舱）的温度测控为例，通过预测控制方法可以有效的调节控制密闭舱体的温度，以达到人们想要的设定值或者达到对密闭空间的预测控制目的。本文用传感器测量室内温度变化及用升温降温措施来达到控制要求，来模拟密闭空间温度预测控制。由于温度测量及控制系统的大惯性、纯滞后、时变性等特点，传统的控制方法己很难达到控制的精确程度，不能很好的达到控制品质要求。为了更好的进行温度检测与控制，也为在综合消耗最小的情况下获得满足要求的良好精度控制品质，本文运用非线性预测与控制方法对密闭舱体的温度进行监测和控制，获得了很好的测控效果。
　　本文用非线性递推增广最小二乘法、BP神经网络算法和扩展卡尔曼滤波(EKF)算法相结合对需要控制的温度测量控制系统进行非线性预测控制。论文的中心围绕利用预测模型进行模型预报控制而展开，首先叙述了非线性预测控制的原理，然后根据此原理利用动态自适应BP神经网络建立预测模型；在建立预报模型之前系统的模型也应该知道，而此处对象的模型也是未知的，由于干扰噪声的随机性，所以采用非线性最小二乘算法建立传感器非线性模型(NARMA)；利用动态自适应BP神经网络建立预测模型，系统呈现的是动态特性，又加上各种因素的噪声和该温度测控系统的噪声干扰较难获得，系统建模过程中也没有体现出来，因此为了更加精确地进行非线性温度预测控制，有必要在系统预测控制的过程中进行动态补偿，由于系统是非线性的，所以设计动态补偿器时，采用针对非线性系统有效的扩展卡尔曼滤波算法建立动态补偿器。当然在整个系统进行辨识、建模之前对系统信息的采集也是必须的，所以文章中还阐述了温度相对应的电压数据的采集系统及采集过程。
　　本文利用相关理论建立了非线性最小二乘拟合传感器动态模型；设计了动态补偿滤波器以便展宽温度传感器工作频带，对温度传感器测得的信号进行了动态误差补偿；利用非线性神经网络的方法对温度进行预测控制。本课题运用非线性控制理论对温度这一大惯性控制对象进行了这一系列的非线性算法设计和滚动优化预测设定目标值。最后通过上述算法设计的模型和控制器相结合得到了系统的整体设计框架，并在此基础上，利用MATLAB进行仿真实验，以得出相应的结论，并给出仿真结果。由仿真结果看出利用动态自适应BP神经网络进行预测控制系统的设计效果及传统控制方法进行预测控制的效果要好很多，从与目标值的对照表可以看出。其中需要提高的就是非线性对象的线性化处理和BP神经网络模型的参数设计。

目录

封面

声明

中文摘要

英文摘要

目录

1绪论

2非线性预测控制温度的基本理论

3温度数据的采集

4系统模型的建立

5基于模型的温度预测控制

6总结与展望

参考文献

攻读硕士学位期间发表的论文及所取得的研究成果

致谢