第4卷第5期 智能系统学报 Vol.4 No.5 2009年10月 CAAI Transactions on Intelligent Systems 0ct.2009 d10.3969/j.issn.1673-4785.2009.05.008 预测控制器设定值柔化因子的在线调整 蒋闻，李少远 (上海交通大学自动化系，上海200240) 摘要预测控制中，对控制量/控制增量加权因子入和设定值柔化因子α的调节影响到控制系统的性能.调整预测 控制器中控制量/控制增量加权因子入对调节系统上升时间和超调量的作用是相反的.而且入影响系统矩阵的条件 数，存在模型失配时，对系统鲁棒性有很大的影响.设定值柔化因子α对于系统的动态响应也有很大的影响，调整入 和α对于系统的动态响应有类似的效果因此，为了使闭环系统具有更好的控制性能，将参数入设计成满足系统矩阵 条件数的要求，并通过在线调整α以获得满意的动态性能.仿真结果表明了该方法的有效性 关键词：：预测控制：系统矩阵条件数：设定值柔化因子：参数在线调整 中图分类号：P273文献标识码：：A文章编号：1673-4785(2009)05-0433-08 Real time tuning of the set-point softening factor for model predictive controllers JIANG Wen,LI Shao-yuan (Department of Automation,Shanghai Jiao Tong University,Shanghai 200240.China) Abstract For predictive control,the tuning of weighting factor A and set-point softening factor a greatly influences the performance of control systems.Tuning of A in a model predictive controller had negative effects on the regula- tion of overshoo and ascending time of the system.Moreover,A has an effect on the condition number of the system matrix.Thus,A has a great effect on the robustness of the system when model mismatch occurs.Set-point softening factor A also has a large effect on the dynamic response of the control system.Tuning of both a and A produces simi- lar effects on the dynamic response of the control system.Hence,in order to achieve better control performance,A was designed to satisfy the need of the condition number and a was assigned as an online tuning parameter.Simula- Hions verified the effectiveness of this approach. Keywords:model predictive control;condition number of system matrix;setpoint softening factor,online tuning 预测控制是一种广泛应用于工业生产的自动控 较好的鲁棒性能 制策略”.预测控制借鉴了最优控制的思想，通过 预测控制系统的控制品质依赖于预测控制器参 极小化预测时域内的性能指标求解得到控制量：但 数的选择.整定控制器参数时，一般会考虑3方面的 其滚动优化的策略又有别于传统的最优控制，预测 因素，即动态性能、稳定性和鲁棒性.对于预测控制 控制并不试图一次性求解得到全局的最优控制量， 器参数的整定，许多学者在这方面进行了深入研究， 而是只针对预测时域内的性能指标进行优化.预测 获得了丰富的成果.Clarke等人给出广义预测控制 控制的反馈校正策略使得系统的输出或者模型能在 (generalized predictive control,.GPC)参数设计的一 线更新，进一步减小各种不确定因素对控制系统的 般方法，详细讨论了控制器参数整定的一般准则并 不利影响.滚动优化策略和反馈校正是预测控制的 给出一些极限结果24l.Rawlings等人提出了为保证 重要特征，这两者的结合能够有效降低模型失配和 无穷时域预测控制系统的稳定性，控制时域H必须 随机扰动对控制系统造成的不利影响，使系统获得 大于或等于系统的不稳定模态数”.Lee和Yu提出 了提高系统鲁棒性能的控制器参数整定方法9· 收稿日期：2009-04-28. Shridhar等人推导出一阶加纯滞后模型描述的DMC 基金项目： 通信作者：李少远.E-ail:yli@sju.edu.cn (dynamic matrix control)))算法中系统矩阵条件数的 显式表达式，提出了基于系统矩阵条件数的DMC控预测控制是一种广泛应用于工业生产的自动控 制策略".预测控制借鉴了最优控制的思想,通过 极小化预测时域内的性能指标求解得到控制量;但 其滚动优化的策略又有别于传统的最优控制,预测 控制并不试图一次性求解得到全局的最优控制量, 而是只针对预测时域内的性能指标进行优化.预测 控制的反馈校正策略使得系统的输出或者模型能在 线更新,进一步减小各种不确定因素对控制系统的 不利影响.滚动优化策略和反馈校正是预测控制的 重要特征,这两者的结合能够有效降低模型失配和 随机扰动对控制系统造成的不利影响,使系统获得 Real time tuning of the set-point softening factor for model predictive controllers 预测控制器设定值柔化因子的在线调整 智 能 系 统 学 报 CAAI Transactions on Intelligent Systems 第4卷第5期 2009年10月 收稿日期: 2009-04-28 基金项目: Abstract:For predictive control,the tuning of weighting factor A and set-point softening factor a greatly influences the performance of control systems. Tuning of A in a model predictive controller had negative effects on the regula￾tion of overshoo and ascending time of the system. Moreover,A has an effect on the condition number of the system matrix. Thus,A has a great effect on the robustness of the system when model mismatch occurs. Set-point softening factor A also has a large effect on the dynamic response of the control system. Tuning of both a and A produces simi￾lar effects on the dynamic response of the control system. Hence,in order to achieve better control performance,A 通信作者: 李少远.E-mail: yli@sju.edu.cn was designed to satisfy the need of the condition number and a was assigned as an online tuning parameter. Simula￾ions verified the effectiveness of this approach. 摘 要: 预测控制中,对控制量/控制增量加权因子λ和设定值柔化因子α的调节影响到控制系统的性能.调整预测 控制器中控制量/控制增量加权因子λ对调节系统上升时间和超调量的作用是相反的.而且入影响系统矩阵的条件 数,存在模型失配时,对系统鲁棒性有很大的影响.设定值柔化因子α对于系统的动态响应也有很大的影响,调整λ 和α对于系统的动态响应有类似的效果因此,为了使闭环系统具有更好的控制性能,将参数λ设计成满足系统矩阵 条件数的要求,并通过在线调整α以获得满意的动态性能.仿真结果表明了该方法的有效性 关键词: 预测控制;系统矩阵条件数;设定值柔化因子;参数在线调整 蒋 闻,李少远 (上海交通大学自动化系,上海200240) 中图分类号: TP273 文献标识码: A 文章编号: 1673-4785(2009) 05-0433-08 Keywords: model predictive control;condition number of system matrix;setpoint softening factor; online tuning 较好的鲁棒性能. 预测控制系统的控制品质依赖于预测控制器参 数的选择.整定控制器参数时,一般会考虑3方面的 因素,即动态性能、稳定性和鲁棒性.对于预测控制 器参数的整定,许多学者在这方面进行了深入研究, 获得了丰富的成果.Clarke等人给出广义预测控制 (generalized predictive control,GPC) 参数设计的一 般方法,详细讨论了控制器参数整定的一般准则并 给出一些极限结果241.Rawlings 等人提出了为保证 无穷时域预测控制系统的稳定性,控制时域H.必须 大于或等于系统的不稳定模态数".Lee和Yu提出 了提高系统鲁棒性能的控制器参数整定方法9 Shridhar等人推导出一阶加纯滞后模型描述的 DMC (dynamic matrix control) 算法中系统矩阵条件数的 显式表达式,提出了基于系统矩阵条件数的DMC控 JIANG Wen,LI Shao-yuan (Department of Automation, Shanghai Jiao Tong University,Shanghai 200240,China) doi: 10.3969/j.issn.1673-4785.2009.05.008 Vol.4 No.5 Oct.2009