LS-SVM误差补偿的广义预测控制

摘要

广义预测控制(Generalized Predictive Control,GPC)汲取了DMC(Dynamic Matrix Control)、MAC(Model AlgorithmicControl)中的多步预测优化策略,抗负载扰动、随机噪声、时延变化等能力强,且选取模型参数少,利于控制.然而,据研究发现GPC对模型失配问题有一定的局限性.最小二乘支持向量机(Least Squares Support Vector Machine,LS-SVM)是在支持向量机的研究基础上发展而来的,具有良好的回归、分类功能.在认真学习LS-SVM原理的基础上,提出了基于LS-SVM误差补偿的广义预测控制,并选择两个模型进行了仿真实验.通过与常规GPC的比较,表明了该算法具有更优的控制性能.