基于非参数模型的协调系统预测控制算法研究

摘要

单元机组协调控制系统在快速响应电网负荷要求、保障机组安全经济运行方面起着重要作用。协调控制系统具有多变量、强耦合、非线性、大滞后、参数时变等特点，基于线性参数模型的传统控制方法往往不能取得很好的控制效果。因此，非线性系统建模方法和非线性控制策略在协调控制系统中的应用一直是重要的研究课题之一。本文的研究工作主要从上述两个方面进行展开： （1）支持向量机是一种小样本统计学习理论，通过引入核函数和结构风险最小化原则，使得训练获得的非线性数学模型能够取得较高拟合精度并具有良好的泛化能力。作为改进算法的最小二乘支持向量机，在简化计算、提高收敛速度的同时，也在参数选择、噪声敏感等方面存在一些问题。因此，本文提出了一种在线自适应加权最小二乘支持向量机算法，该算法采用粒子群算法和网格搜索相结合的方式进行超参数寻优，通过改进的加权函数提高最小二乘支持向量机对于噪声的鲁棒性，并且引入滚动时间窗的概念进行实时模型跟踪。仿真实验表明了该算法的有效性，并最终建立了协调控制系统的非参数系统模型。 （2）逆系统方法是解决非线性系统控制问题的策略之一，该方法通过求解原系统的逆系统模型，实现非线性系统的线性化，并且将逆系统方法推广到MIMO系统可以实现多变量非线性系统的解耦控制。针对难以获得实际系统模型的准确结构及参数的问题，本文采用在线自适应加权最小二乘支持向量机直接对逆系统模型进行辨识，与原系统串联后得到符合 CARIMA 模型的?阶纯滞后伪线性系统，并结合广义预测控制算法对模型失配、噪声扰动具有良好鲁棒性的特点，设计了基于逆系统方法的广义预测控制闭环系统。仿真结果表明，该方法具有很好的设定值跟踪和抗干扰能力，提高了协调控制系统的控制品质。

目录

第一个书签之前

摘要

Abstract

第1章 绪论

1.1 课题背景及研究意义

1.2 研究方向及发展现状

1.2.1 单元机组协调控制系统的研究及发展现状

1.2.2 非线性预测控制的研究及发展现状

1.3 本文的主要内容

第2章 统计学习理论与支持向量机

2.1 引言

2.2 统计学习理论基础

2.2.1 经验风险最小化

2.2.2 VC维与结构风险最小化

2.3 支持向量机

2.3.1 支持向量分类机

2.3.2 支持向量回归机

2.3.3 支持向量机的特点与局限性

2.4 最小二乘支持向量回归机

2.4.1 最小二乘支持向量回归机基本原理

2.4.2 最小二乘支持向量机模型选择

2.4.3 最小二乘支持向量机存在的问题

2.5 本章小结

第3章 广义预测控制

3.1 引言

3.2 预测控制基本原理

3.3 广义预测控制基本原理

3.3.1 预测模型

3.3.2 滚动优化

3.3.3 反馈校正

3.3.4 广义预测控制自适应控制

3.4 隐式广义预测自校正控制

3.5 本章小结

第4章 基于改进LS-SVM的非线性系统模型辨识

4.1 引言

4.2 基于PSO和网格搜索的最小二乘支持向量机参数寻优

4.2.1 粒子群算法

4.2.2 基于PSO和网格搜索的最小二乘支持向量机参数寻优

4.3 自适应加权最小二乘支持向量机

4.3.1 自适应加权最小二乘支持向量机基本原理

4.3.2 仿真实验分析

4.4 基于自适应加权的在线最小二乘支持向量机回归

4.4.1 基于滚动时间窗的在线最小二乘支持向量机

4.4.2 仿真实验分析

4.4.3 协调控制系统的非线性系统辨识

4.5 本章小结

第5章 基于OAW-LS-SVM逆系统的广义预测控制

5.1 引言

5.2 逆系统方法

5.2.1 逆系统方法基本原理

5.2.2 基于OAW-LS-SVM的阶逆系统方法

5.2.3 仿真实验分析

5.3 基于OAW-LS-SVM阶逆系统的广义预测控制

5.3.3 MIMO系统阶逆系统广义预测控制

5.3.4 SISO系统仿真实验分析

5.3.4 MIMO系统仿真实验分析

5.4 基于OAW-LS-SVM逆系统的GPC方法在协调系统中的应用

5.5 本章小结

第6章 结论与展望

参考文献

攻读硕士学位期间发表的论文及科研情况

致谢