针对含有随机噪声的模型未知线性时不变(LTI,linear time invariant)系统模型建立过程复杂且控制律难以得到的问题,提出一种基于数据驱动的预测控制方法;基于系统行为学理论和平衡子系统辨识方法,仅利用测量得到的系统数据构建被控系统...针对含有随机噪声的模型未知线性时不变(LTI,linear time invariant)系统模型建立过程复杂且控制律难以得到的问题,提出一种基于数据驱动的预测控制方法;基于系统行为学理论和平衡子系统辨识方法,仅利用测量得到的系统数据构建被控系统的非参数模型,将其和预测控制理论相结合设计出基于数据驱动的预测控制器,对于系统测量数据中存在的有界加性高斯噪声,通过引入数据的松弛变量和L2正则项来降低噪声扰动的影响,采用滚动时域优化策略计算最优控制序列并将其作用于被控系统,实现了系统对设定值的轨迹跟踪;将所提控制策略应用于四容水箱系统,仿真结果表明所提方法能实现四容水箱系统的液位跟踪控制,且与同样基于数据驱动的子空间预测控制方案相比,所提方法具有更好的动态性能,且该策略在抗噪声扰动方面有明显优势,具有更强的鲁棒性。展开更多
文摘针对含有随机噪声的模型未知线性时不变(LTI,linear time invariant)系统模型建立过程复杂且控制律难以得到的问题,提出一种基于数据驱动的预测控制方法;基于系统行为学理论和平衡子系统辨识方法,仅利用测量得到的系统数据构建被控系统的非参数模型,将其和预测控制理论相结合设计出基于数据驱动的预测控制器,对于系统测量数据中存在的有界加性高斯噪声,通过引入数据的松弛变量和L2正则项来降低噪声扰动的影响,采用滚动时域优化策略计算最优控制序列并将其作用于被控系统,实现了系统对设定值的轨迹跟踪;将所提控制策略应用于四容水箱系统,仿真结果表明所提方法能实现四容水箱系统的液位跟踪控制,且与同样基于数据驱动的子空间预测控制方案相比,所提方法具有更好的动态性能,且该策略在抗噪声扰动方面有明显优势,具有更强的鲁棒性。