一种基于改进GA的快速GPC算法在非线性系统中的应用

1、 一种基于改进GA的快速GPC算法在非线性系统中的应用 葛宗年 张淑娟摘 要：广义预测控制作为一种先进的控制策略，被广泛应用于复杂的工业过程。它具有预测及自适应控制的优点，在线估计参数，实现自适应控制。本文提出一种基于改进GA的快速广义预测控制算法，并针对仿真实验，选取了4种典型结构进行了仿真实验，实验结果表明：无论是否存在外界干扰，广义预测控制算法均能够有效地控制大时滞系统，且控制精度非常高。Key：GPC算法;非线性系统;应用DOI：10.16640/ki.37-1222/t.2019.21.1111 前言GPC算法是，1984年英国D.W.Clarke等人提出的一种重要的适应性控制算法1

2、。理论经过不断得到完善和发展，在复杂的工业过程中展现了良好的控制性能2-4。它基于广义最小方差控制，引入了多步预测的思想进行优化，有效的提升了抗负载扰动、随机噪声、时滞变化等能力，鲁棒性较强5-6。工业过程控制中通常具备多回路和非线性、强耦合、大滞后、强干扰特性，应用常规的PID控制算法，通常得不到理想的控制效果和较高的自动投运率。对此，本文将提出了一种改进的GPC算法，并将它应用于4种典型结构中，通过预测模型、滚动优化、在线辨识和校正四个步骤，实现了在线估计模型参数，并修正控制律从而改善控制品质。仿真结果显示，改进广义预测控制算法提升了非线性系统的控制性能，增强了适应性和鲁棒性，且控制精度得

3、到提高。2 快速广义预测控制算法Clarke等提出的GPC是一种应用于复杂工业过程的鲁棒算法，具有良好的控制性能。但它缺点明显，比如模型参数的在线辨识、逆矩阵的求解和Diophantine方程等过程中存在较大计算量等，特别是求逆矩阵。文6提出一种改进的双柔化系数的广义预测控制算法，下面对这种改进的GPC算法进行简要的阐述。为了方便比较各种遗传算法在参数优化时的优劣。本文中分别采用了传统的遗传算法（SGA）和链式遗传算法（LAGA），仿真平台是 Matlab7.0，1G 内存，2.12GHz AMD Athlon CPU。3 种算法均采用自适应结束条件。参数设置 K=30，Q=80。在 SGA

4、中，交叉概率为 0.95，变异概率为 0.05; LAGA 中交叉概率为 0.95，变异概率为 0.05。表1为3种遗传算法性能优化比较表，从表1中可以看出， LAGA的目标函数的执行时间要快于传统的SGA算法。采用SGA和AGA优化时，在上述参数取值范围内随机取n=3， m=2，=0.4855，=0.3868， =0.3668。 图1，2为优化前后的控制过程曲线。将优化算法应用到上述稳定最小相位、稳定非最小相位、不稳定最小相位和不稳定非最小相位4种典型结构，作出仿真结果。比较图1、图2可以看出，由于本文提出的算法，根据系统的实际性能，利用LAGA对输入输出柔化系数，在每一时刻，进行实时的在线

5、调整，使其在跟踪性能和鲁棒性上更优，比固定参数设计效果更好。5 结语本文通过优化GPC算法中控制参数整定，整合了遗传算法非线性映射能力和不确定性系统适应能力，提出了一种改进的基于双柔化系数型广义预测控制算法， 使算法中，输出柔化系数和控制增量加权系数或输入柔化系数实现了在线调整。仿真试验结果表明，该优化算法在鲁棒性和跟踪性上表现出良好的性能。Reference：1Clarke，D.W.，Mohtadi，C.and Tuffs，P.S.Generalized predictive controlJ.Automatica，1987，23（02）：137-160.2Takahashi K，Yamada T.Application of an immune feedbackmechanism to control systemsJ.JSME Int J Series C，1998，41（02）：184-191.3耿林霄，景效国.广义预测控制在过热蒸汽温度控制中的应用J.熱力发电，2015，44（03）：69-72.4席裕庚，陈虹.预测控制性能研究的新进展J.控制理论与应用，2000，14（04）：470-475.5金元郁，顾兴源.改进的广义预测控制算法J.信息与控制，1990，19（03）：8-14.6金元郁.改进的广义预测控制的稳定性