基于参数变化BP-ARX组合模型的非线性模型预测控制

针对MIMO非线性系统的模型预测控制（MPC），建立了一种新型的带有外部输入的反向传播自回归（BP-ARX）组合模型，可以得到输入与输出之间的稳态关系。 BP神经网络代表稳态关系，ARX模型代表非线性系统输入和输出之间的线性动态关系。 BP-ARX模型是一个全局模型，可以离线识别，而ARX模型的参数根据BP神经网络和操作数据进行在线缩放。 采用顺序二次规划在线求解二次目标函数，并定义了移位系数以约束递归最小二乘算法的生效时间。 因此，提出了一种参数变化非线性MPC（PVNMPC）算法，该算法可快速响应系统设定点的大变化，并在系统输出接近设定点时显示出良好的动态性能。 在多变量搅拌罐和多变量pH中和过程中的仿真结果说明了该方法的适用性，并对PVNMPC和多变量递归广义预测控制器之间的控制效果进行了比较。