基于ELM-ARX组合模型的预测控制算法研究及应用

来源:用户上传      作者:陈颖　赵朋程　贾红霞　杨丽　马健

　　摘要：针对非线性控制系统模型精度及抗干扰能力的问题，首先，采用极限学习机（ELM）建立控制系统的稳态非线性模型，采用具有外界输入的自回归算法（ARX）建立控制系统的动态线性模型，通过调节增益的方式实现稳态模型和动态模型的有机结合，构建控制系统的ELM-ARX组合模型;其次，提出基于ELM-ARX组合模型的预测控制算法，推导预测步数内控制系统的被控量预测输出值，采用滚动修正的方法给出被控变量输入增量表达式;最后，通过Matlab数据仿真实验以及水箱控制应用实验，验证提出的基于ELM-ARX组合模型的预测控制算法。实验结果表明，提出的ELM-ARX组合模型预测控制算法可获得较好控制效果。
　　关键词：极限学习机;自回归算法;组合模型;预测控制
　　中图分类号：TH701文献标识码：A
　　Research and Application of Predictive Control Algorithm Based
　　on ELM-ARX Combined Model
　　Chen YingZhao Pengcheng*Jia HongxiaYang LiMa Jian
　　College of Mechanical and Electrical Engineering，Shijiazhuang UniversityHebeiShijiazhuang050035
　　Abstract：Aiming at the problem of model accuracy and anti-interference ability of nonlinear control system，firstly，the steady-state nonlinear model of control system is established by Extreme Learning Machine（ELM），and the dynamic linear model of control system is established by Auto Regressive with eXogenous inputs（ARX）.The ELM-ARX combined model of control system is established.Then，the predictive output value of the controlled variable in the predictive step control system is derived，and the input increment expression of the controlled variable is given by using the rolling correction method.The predictive control algorithm based on ELM-ARX combined model is proposed.Finally，the predictive control algorithm based on ELM-ARX combined model is verified by Matlab data simulation experiment and water tank control application experiment.The experimental results show that the proposed ELM-ARX combined model predictive control algorithm can achieve good control effect.
　　Keywords：Extreme Learning Machine;Autoregressive Algorithm;Combined Model;Predictive Control
　　实际工业控制系统中，许多控制对象都是多变量系统，具有非线性、时滞性和不确定性。多数的控制算法对模型精度具有较大的依赖性，建模技术在现代的工业生产中起着极其重要的作用。另外，工业流程控制过程中存在许多不确定性干扰因素，导致控制算法的控制精度较低。
　　经过众多学者的改进研究，模型预测控制（Model Predictive Control，MPC）[1]技术对实际工业过程控制产生了巨大影响，并且已经在工业过程多个领域中获得了成功应用，如网络化多智能体[2]、永磁同步机[3]、硅单晶直径生成控制[4]、直升机轨迹跟踪控制[5]等。在模型预测控制算法研究中，建立控制系统的预测模型精度决定了后续预测控制的效果。因此，相关学者采用组合模型建模的思想建立被控系统的模型，进而实现预测控制的研究。如Chen等[6]提出了一种自适应多层非线性组合模型预测控制算法，并将其应用于水泥熟料烧成过程篦冷机系统的控制仿真中;Yin等[7]将连续搅拌釜反应器作为被控对象，提出了一种基于映射数值组合模型的预测控制算法;Xiao等[8]结合多目标蝙蝠优化算法构建了组合预测模型，并在风电预测中实验应用;杨剑锋等[9]提出一种自适应并联组合模型预测控制算法，在化工酸碱中和反应过程中进行了仿真实验;郝晓辰等[10]提出了一种BP-ARX组合模型预测控制算法，并成功应用于水泥分解炉温度多变量控制中。
　　Huang等提出了极限学习机（Extreme Learning Machine，ELM）建模方法[11-12]，ELM是一种单隐含层前馈神经网络，训练速度快，有优良的泛化性能，避免了如BP神经网络容易陷入局部最小值、训练速度缓慢等问题，在各个领域得到了广泛应用。如数据函数辨识[13]、光伏发电量预测模型[14]、齿轮故障诊断[15]、太阳辐射率模型[16]、自适应控制模型[17]等。因此，将ELM应用到预测控制系统建模中是可行的。

nlc202208311745

转载注明来源:https://www.xzbu.com/1/view-15438949.htm