27、基于神经网络的模型预测控制

基于神经网络的模型预测控制

1. 模型预测控制概述

模型预测控制在工业领域得到了广泛应用，并且存在着各种各样的算法。它利用一个可单独识别的模型，并采用多步预测。对于非线性系统，可以通过正向建模获得神经网络（NN）模型，并将其用作内部模型，其结构如图 6.9 所示。

模型预测控制的特点如下：
- 利用可识别模型 ：有一个能单独识别的模型用于预测。
- 多步预测 ：进行多步的预测操作。

不同学者提出了相关的结构和算法，例如 Psichogios 和 Ungar（1991）以及 Saint - Donat 等人（1991）提出的结构，采用顺序二次规划进行优化。其他涉及神经网络在预测控制中的工作还包括 Hunt 等人（1992）、Liu 等人（1998）以及 Liu 和 Daley（2001）的研究。在大多数这些算法中，使用非线性规划技术基于未来预测值来最小化性能指标。

2. 基于仿射非线性预测器的方法

考虑离散时间仿射非线性控制系统，其输入 - 输出关系可以描述为：
[y_t = F(y_t) + G(y_t)u_{t - d}]
其中：
- (F(\cdot)) 和 (G(\cdot)) 是非线性函数。
- (y) 是输出。
- (u) 是控制输入。
- (d) 是系统的嵌入延迟。

向量 (y_t) 定义为 (y_t = [y_{t - 1}, y_{t - 2}, \cdots, y_{t - n}])。对于这样的系统，可以采用以下 (i + d) 步超前的非递归非