柴　毅，周海林，付東莉，羅德超
重慶大學(xué)自動(dòng)化學(xué)院，重慶

中國汽車工程研究院，重慶

摘　　　要：針對(duì)傳統(tǒng)的控制理論對(duì)實(shí)際的工業(yè)生產(chǎn)過程中的被控系統(tǒng)，特別是具有強(qiáng)非線性的系統(tǒng)控制效果不是很理想，而應(yīng)用非線性模型預(yù)測(cè)控制算法能夠較好解決非線性系統(tǒng)的控制問題，提出了一種基于回聲狀態(tài)網(wǎng)絡(luò)（ＥｃｈｏＳｔａｔｅＮｅｔｗｏｒｋ，ＥＳＮ）模型進(jìn)行非線性系統(tǒng)辨識(shí)
和粒子群優(yōu)化（ＰａｒｔｉｃｌｅＳｗａｒｍＯｐｔｉｍｉｚａｔｉｏｎ，ＰＳＯ）進(jìn)行滾動(dòng)優(yōu)化的非線性模型預(yù)測(cè)控制系統(tǒng)的算法。ＥＳＮ能夠很好地辨識(shí)非線性系統(tǒng)，其計(jì)算時(shí)間、數(shù)據(jù)訓(xùn)練和穩(wěn)定性相對(duì)于傳統(tǒng)遞歸神經(jīng)網(wǎng)絡(luò)有了較大進(jìn)步，ＰＳＯ具有全局優(yōu)化和較快的尋優(yōu)速度。針對(duì)典型化工非線性對(duì)象連續(xù)攪拌槽反應(yīng)器（ＣｏｎｔｉｎｕｅＳｔｉｒｒｅｄＴａｎｋＲｅａｃｔｏｒ，ＣＳＴＲ）的仿真實(shí)例表明，此模型在預(yù)測(cè)控制優(yōu)于ＢＰ和ＰＳＯ結(jié)合的非線性預(yù)測(cè)控制，以及傳統(tǒng)的ＰＩＤ控制，證明了該算法運(yùn)用于非線性模型預(yù)測(cè)控制中的有效性。

關(guān)　鍵　詞：模型預(yù)測(cè)控制；回聲狀態(tài)網(wǎng)絡(luò)（ＥＳＮ）；粒子群優(yōu)化；反饋校正；ＣＳＴＲ

１　引　言
目前，線性的模型預(yù)測(cè)控制的理論研究已經(jīng)比較成熟，將其運(yùn)用于實(shí)際工業(yè)工程的強(qiáng)非線性對(duì)象會(huì)得不到滿意的控制效果。神經(jīng)網(wǎng)絡(luò)能夠充分逼近任意復(fù)雜的非線性函數(shù)，因而神經(jīng)網(wǎng)絡(luò)剛應(yīng)用到控制領(lǐng)域就出現(xiàn)了基于神經(jīng)網(wǎng)路的預(yù)測(cè)控制［１�玻玻�。文獻(xiàn)［３］提出了基于ＢＰ網(wǎng)絡(luò)的非線性預(yù)測(cè)控制算法，存在的問題是ＢＰ網(wǎng)路的訓(xùn)練較復(fù)雜和局部較小值以及神經(jīng)網(wǎng)路拓?fù)浣Y(jié)構(gòu)的確定，且預(yù)測(cè)模型的預(yù)測(cè)精度不高。文獻(xiàn)［４］提出基于ＰＩＤ的預(yù)測(cè)控制算法，雖然算法簡(jiǎn)單，但是控制效果并不好�；芈暊顟B(tài)網(wǎng)絡(luò)（ＥＳＮ）在非線性系統(tǒng)辨識(shí)方面較傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)有較大的改進(jìn)［５�玻罚�。在經(jīng)典的Ｍａｃｋｅｙ�玻牵欤幔螅螅福床綐�(biāo)桿預(yù)測(cè)問題的預(yù)測(cè)精度上已經(jīng)有數(shù)量級(jí)的提高。粒子群優(yōu)化（ＰＳＯ）算法是近年來發(fā)展起來的一種新的進(jìn)化算法，是一種基于迭代的優(yōu)化工具。ＰＳＯ有快速收斂、全局尋優(yōu)和較高的運(yùn)算精度的優(yōu)點(diǎn)。為此，鑒于ＥＳＮ和ＰＳＯ這些方面的優(yōu)點(diǎn)，本文提出一種基于ＥＳＮ和ＰＳＯ的非線性預(yù)測(cè)控制算法，通過仿真實(shí)例表明基于該算法的預(yù)測(cè)控制輸出能夠較好地跟蹤參考軌跡。

登錄網(wǎng)站后可下載文件