采用Brent优化的核学习单步预测控制算法

针对非线性SISO系统,提出一种基于核学习辨识模型的单步预测控制算法(kernel learning one-step-ahead predictive control,KLOPC).通过KL辨识模型得到系统的一步超前预报值,并引入输出反馈和偏差校正以克服模型失配等因素引起的预测误差,以此构造一步加权预测控制性能指标,然后采用Brent一维搜索方法求取控制律.该方法无需任何相关的导数信息,需调整的参数少,求解效率高.在一非线性液位系统的仿真研究表明了KLOPC优于整定的PID和其它基于KL模型的控制方法,对噪声和扰动等均具有更好的鲁棒性和自适应性.