本文關(guān)鍵詞：基于改進粒子群算法的一類非線性模型預測控制　出處：《遼寧工程技術(shù)大學》2015年碩士論文　論文類型：學位論文

  更多相關(guān)文章： 粒子群算法 粒子濾波重采樣 非線性模型預測控制 隨機擾動 概率約束

【摘要】：非線性模型預測控制研究發(fā)展至今,多數(shù)都局限某些特殊的非線性系統(tǒng),關(guān)于一般非線性系統(tǒng)的研究難題則主要來源自優(yōu)化算法的研究.實際的控制系統(tǒng)大部分都是非線性的,而且很可能含有不確定度,因此本文提出了一種改進的粒子群算法來優(yōu)化求解非線性模型預測控制,研究內(nèi)容：(1)提出一種改進的粒子群算法.針對經(jīng)典的粒子群算法在求解非線性模型預測控制的過程中容易陷入局部最優(yōu)、搜索后期收斂速度慢的問題,提出引入粒子濾波重采樣步驟和粒子變異操作相結(jié)合的改進粒子群算法.并利用四種測試函數(shù)對改進粒子群算法和經(jīng)典粒子群算法進行對比仿真實驗,實驗結(jié)果表明：改進的PSO算法具有更好的收斂速度和搜索精度.(2)研究了改進的粒子群算法在一類非線性模型預測控制系統(tǒng)中的應(yīng)用.針對帶有有界隨機擾動和概率約束的非線性模型預測控制的優(yōu)化控制律求解問題,引入改進的粒子群算法求解,對概率約束的處理,采用對不滿足約束的粒子進行有效替代的方法,進而得到滿足概率約束條件的優(yōu)化控制律.仿真結(jié)果表明算法的有效性.
[Abstract]:Nonlinear model predictive control of the development so far, most have limitations of some special nonlinear systems, the research of self optimization algorithm research on problem of general nonlinear systems is the main source. Most practical control systems are nonlinear, and may contain uncertainty, this paper proposes an improved particle swarm optimization algorithm nonlinear model predictive control, research contents: (1) this paper proposes an improved particle swarm algorithm. The classical PSO algorithm in solving nonlinear model predictive control in the process of easy to fall into local optimal search, the problem of slow convergence speed, improved particle swarm algorithm into the particle filter resampling step and particle variation combined operation. And compared the simulation experiment on the improved particle swarm algorithm and particle swarm optimization algorithm using four kinds of test functions, experiments. The results show that the convergence speed and search accuracy of the improved PSO algorithm has better. (2) studied the improved particle swarm algorithm to predict the application in the control system of a class of nonlinear model. The nonlinear model with bounded random disturbance and probabilistic constrained predictive control optimization problem for solving control law, introduced particle swarm algorithm for improvement, treatment of probability constraints, the methods are effective alternatives to satisfy the constraint of the particles, and then obtain the optimal control law satisfying probability constraints. The simulation results show that the algorithm is effective.

【學位授予單位】：遼寧工程技術(shù)大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP18;O231

【參考文獻】

相關(guān)期刊論文 前10條

1 孔小兵;劉向杰;;雙饋風力發(fā)電機非線性模型預測控制[J];自動化學報;2013年05期

2 史小露;孫輝;李俊;朱德剛;;具有快速收斂和自適應(yīng)逃逸功能的粒子群優(yōu)化算法[J];計算機應(yīng)用;2013年05期

3 任偉建;武璇;;一種動態(tài)改變學習因子的簡化粒子群算法[J];自動化技術(shù)與應(yīng)用;2012年10期

4 李鄧化;李金鰲;龐美颯;劉愛華;;基于慣性因子的混沌粒子群優(yōu)化算法研究[J];北京信息科技大學學報(自然科學版);2012年05期

5 徐生兵;夏文杰;代安定;;一種改進學習因子的粒子群算法[J];信息安全與技術(shù);2012年07期

6 張雯栶;王剛;朱朝暉;肖娟;;粒子群優(yōu)化算法種群規(guī)模的選擇[J];計算機系統(tǒng)應(yīng)用;2010年05期

7 劉偉;周育人;;一種改進慣性權(quán)重的PSO算法[J];計算機工程與應(yīng)用;2009年07期

8 王永剛;柴天佑;;蒸發(fā)過程的非線性模型預測控制[J];東北大學學報(自然科學版);2008年10期

9 陽春華;谷麗姍;桂衛(wèi)華;;自適應(yīng)變異的粒子群優(yōu)化算法[J];計算機工程;2008年16期

10 關(guān)圣濤;楚紀正;邵帥;;粒子群優(yōu)化算法在非線性模型預測控制中的研究應(yīng)用[J];北京化工大學學報(自然科學版);2007年06期

，

本文編號：1357935