粒子群优化在约束广义预测控制中的实现

广义预测控制(GPC)是一种鲁棒性强、能够有效地克服系统滞后、可应用于开环不稳定非最小相位系统的先进控制算法,但由于它需要Diophantine方程计算、矩阵求逆和最小二乘的递推求解,因此计算量很大,本文针对此缺陷提出四种不基于对象模型且实时性高的广义预测控制快速算法,为广义预测控制应用于实时性要求高的快速系统奠定了理论基础。但是实际工业过程中存在着各种约束,这会使求解控制量的滚动优化问题变得复杂,通常需求解一个有约束的二次规划或非凸规划,另外非凸规划的求解对初始条件也非常敏感,这些会影响到广义预测控制的性能。为了解决此问题,本文将粒子群优化算法应用到广义预测控制中,解决广义预测控制的局限性。