資源描述：
《自適應(yīng)模型算法控制的研究與仿真》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、自適應(yīng)模型算法控制的研究與仿寞摘要預(yù)測(cè)控制的產(chǎn)生和發(fā)展主要是為了解決現(xiàn)代控制理論對(duì)受控系統(tǒng)精確數(shù)學(xué)模型的依賴性問題。預(yù)測(cè)控制的三個(gè)基本特征，即預(yù)測(cè)模型、滾動(dòng)優(yōu)化和反饋校正保證了它可以有效地克服對(duì)象的結(jié)構(gòu)、參數(shù)和環(huán)境的不確定性對(duì)控制精度的影響，從而提高控制系統(tǒng)的魯棒性。這使它在工業(yè)實(shí)際中得到廣泛的成功應(yīng)用。由于被控對(duì)象的非參數(shù)模型容易獲取，所以基于非參數(shù)模型的預(yù)測(cè)控制在實(shí)際中得到了廣泛的應(yīng)用。并且隨著計(jì)算機(jī)運(yùn)算速度不斷提高和快速控制算法的不斷出現(xiàn)，將會(huì)有效地克服其模型參數(shù)多、運(yùn)算量大的缺點(diǎn)，基于非參數(shù)模型的預(yù)測(cè)控制應(yīng)用范圍會(huì)進(jìn)一步擴(kuò)大。本文主要研究了基于脈沖響應(yīng)模型的自適應(yīng)模型算
2、法控制。在辨識(shí)被控對(duì)象的脈沖響應(yīng)模型時(shí)，現(xiàn)有算法是建立在其脈沖響應(yīng)序列長(zhǎng)度不變的基礎(chǔ)上。但實(shí)際上，當(dāng)被控對(duì)象參數(shù)變化時(shí)，其脈沖響應(yīng)動(dòng)態(tài)過程的長(zhǎng)短會(huì)發(fā)生變化，因此反映動(dòng)態(tài)過程長(zhǎng)短的脈沖響應(yīng)序列的長(zhǎng)度也應(yīng)該發(fā)生相應(yīng)變化。這樣將能得到被控對(duì)象更準(zhǔn)確的數(shù)學(xué)模型，有望改進(jìn)自適應(yīng)模型算法控制的控制效果。基于以上想法，本文對(duì)自適應(yīng)模型算法控制的算法做了改進(jìn)，在辨識(shí)被控對(duì)象的脈沖響應(yīng)模型時(shí)，既辨識(shí)被控對(duì)象脈沖響應(yīng)序列各個(gè)分量的大小，又辨識(shí)脈沖響應(yīng)序列的長(zhǎng)度。仿真結(jié)果表明，改進(jìn)后的自適應(yīng)摸型算法控制能提高控制系統(tǒng)的快速性。自適應(yīng)模型算法控制的模型參數(shù)多，控制過程中運(yùn)算量大。其中卷積運(yùn)算對(duì)運(yùn)算量的
3、影響較大，因此本文對(duì)卷積的快速算法進(jìn)行了研究。研究結(jié)果顯示：當(dāng)參與卷積的序列點(diǎn)數(shù)很多時(shí)，線性卷積的FFT算法是一種有效的簡(jiǎn)便算法；如果參與卷積的序列點(diǎn)數(shù)較少時(shí)，線性卷積的FFT算法運(yùn)算量比線性卷積的直接算法運(yùn)算量還大。而一維卷積變換到多維的快速卷積算法對(duì)點(diǎn)數(shù)較少序列間的卷積運(yùn)算也有很好的效果，能有效減少運(yùn)算量。因此這種算法可以用于模型算法控制，減少控制算法的運(yùn)算量，提高控制的實(shí)時(shí)性。關(guān)鍵詞：預(yù)測(cè)控制，自適應(yīng)，卷積，仿真鄭州太學(xué)工學(xué)碩士論文AbstractInordertosolvetheproblemofimprecisemodel，predictivecontrolappea
4、redanddeveloped．Duetoitsthreebasicfeatures——predictivemodel，rollingoptimizationandfeedbackcompensation，predictivecontrolhasreducedtheinfluencebroughtbyvariablestructureandparametersofindustryobjectanduncertaintyofcircumstanceeffectively．Thuspredictivecontrolhasbeenappliedtomanyindustriessucc
5、essfully．Predictivecontrolbasedonnonparame廿icmodelwhichcanbeeasilyobtainedonthespot，hasbeenputintopracticewidely．Ithasmanymodelparametersandneedsmuchcalculation．Withtheadvanceofcomputer’sspeedofcalculationandtheadventoffastcontrolalgorithms，predictivecontrolbasedonnonparametricmodelwillbeapp
6、liedtomoredomains．Thispapermainlydiscussesadaptivemodelalgorithmiccontrolbasedonimpulseresponsemodel．Presentalgorithmtreatsthelengthofimpulseresponsesequenceconstantwhenidentilyingthemodelofobject．Butinfact，thedynamicprocessofimpulseresponsemaybecomeshorterorlongerwhentheparametersofcontroll
7、edobjectchange．Soitispossiblethatmoreaccuratemodelofcontrolledobjectandbettereffectofadaptivemodelalgorithmiccontrolareobtainedifthelengthofimpulseresponsesequencechangesaccordingly．Thusthispaperchangesadaptivemodelalgorithmiccontr01．Toacquirethemo
