典型文献
非线性快速批次过程高效迭代学习预测函数控制
文献摘要：
迭代学习模型预测控制(Iterative learning model predictive control,ILMPC)具备较强的批次学习能力及突出的时域跟踪性能,在批次过程控制中发挥了重要作用.然而对于具有强非线性的快动态批次过程,传统的迭代学习模型预测控制很难实现计算效率与跟踪精度之间的平衡,这给其应用带来了挑战.对此本文提出一种高效迭代学习预测函数控制策略,将原非线性系统沿参考轨迹线性化得到二维跟踪误差预测模型,并在控制器设计中补偿所产生的线性化误差,构造优化目标函数为真实跟踪误差的上界.为加强优化计算效率,在时域上结合预测函数控制以降低待优化变量维数,从而有效降低计算负担.结合终端约束集理论,分析了迭代学习预测函数控制的时域稳定性及迭代收敛性.通过对无人车和典型快速间歇反应器的仿真实验验证所提出算法的有效性.
文献关键词：
轨迹线性化;预测函数控制;迭代学习控制;快速非线性批次过程;计算复杂度
中图分类号：
作者姓名：
马乐乐;刘向杰
作者机构：
华北电力大学控制与计算机工程学院 北京102206
文献出处：
引用格式：
[1]马乐乐;刘向杰-.非线性快速批次过程高效迭代学习预测函数控制)[J].自动化学报,2022(02):515-530
A类：
迭代学习模型预测控制,ILMPC,终端约束集,时域稳定性,快速非线性批次过程
B类：
预测函数控制,Iterative,learning,model,predictive,control,跟踪性能,过程控制,强非线性,计算效率,跟踪精度,非线性系统,轨迹线性化,跟踪误差,误差预测,控制器设计,构造优化,优化目标,上界,优化计算,待优,优化变量,计算负担,集理论,迭代收敛,收敛性,无人车,反应器,迭代学习控制,计算复杂度
AB值：
0.224005
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
