采用Brent优化的核学习单步预测控制算法

• 作者: 刘毅 李平 王海清
• 来源期刊: 控制理论与应用
• 学科: 工学
• 关键词: 非线性系统 核学习 单步预测控制 Brent优化
• 年，卷（期）: 2009,（1）
• 所属期刊栏目: 短文
• 页码范围: 107-110
• 页数: 4页
• 分类号: TP273|TP301.6
• 字数: 3837字
• 语种: 中文

摘要

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-aheadpredictive control,KLOPC).通过KL辨识模犁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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李平	浙江大学工业控制技术国家重点实验室工业控制研究所	260	3720	30.0	50.0
2	王海清	浙江大学工业控制技术国家重点实验室工业控制研究所	39	500	11.0	21.0
3	刘毅	浙江大学工业控制技术国家重点实验室工业控制研究所	43	1165	13.0	34.0