一类工业运行过程多模型自适应控制方法
针对一类动态未知的工业运行过程,提出一种基于神经网络补偿和多模型切换的自适应控制方法.为充分考虑底层跟踪误差对整个运行过程优化和控制的影响,将底层极点配置控制系统和上层运行层动态模型相结合,作为运行过程动态模型.针对参数未知的运行过程动态模型,设计由线性鲁棒自适应控制器、基于神经网络补偿的非线性自适应控制器以及切换机制组成的多模型自适应控制算法.采用带死区的递推最小二乘算法在线辨识控制器参数,克服了投影算法收敛速度慢、对参数初值灵敏的局限.理论分析和仿真实验结果表明了所提方法的有效性.
工业运行过程、参数未知、多模型自适应控制、递推最小二乘算法
44
国家自然科学基金61573090,61525302;高校基本科研业务费项目N160801001
2018-11-29(万方平台首次上网日期,不代表论文的发表时间)
共10页
1250-1259