基于自适应迭代学习控制的MPC系统经济性能设计

针对模型预测控制(model predictive control,MPC)系统经济性能设计问题,结合自适应迭代学习控制的设计思想,提出了一种自适应步长迭代学习控制(adaptive step iterative learning control,ASILC)策略。该策略将系统变量方差与控制器参数之间的关系近似成离散的线性区间组合,并借助上一步迭代的过程信息,自适应地更新迭代步长,逐步使系统的经济性能达到最优。将该方法应用于乙烯裂解炉控制系统中,仿真结果表明:与迭代学习控制方法相比,ASILC能更快地收敛到最优工作点附近,得到最优经济性能下的控制器参数λ,经过7次优化迭代后经济性能目标值提高了28.92%。