[发明专利]一种基于卡尔曼滤波观察器的广义预测控制方法及控制器

权利要求书

1.一种基于卡尔曼滤波观察器的广义预测控制方法，其特征在于包括如下步骤：

S1：根据预测控制模型、卡尔曼滤波初始参数、广义预测控制初始参数信息对卡尔曼滤波模型和预测控制模型进行初始化；

S2：根据广义预测控制被控量预测值、实测被控量以及被控量设定值对卡尔曼滤波参考模型精度Q进行修正；

S3：基于前一时刻控制输出和实测被控量对卡尔曼滤波模型输出进行观察，并更新卡尔曼滤波模型；

S4：用卡尔曼滤波模型观察输出替代实测被控量进行预测控制的偏差计算；

S5：基于被控量设定值和预测控制偏差进行广义预测控制计算，得到最终的控制量并下发给控制设备执行。

2.如权利要求1所述的的广义预测控制方法，其特征在于：所述步骤S1包括：

S11：建立预测控制模型；

S12：对所述预测控制模型离散化，并对相关参数初始化；

S13：将离散化的传递函数模型转换为状态空间方程，建立卡尔曼滤波观察模型，并设置卡尔曼滤波观察器实测精度误差估计值和卡尔曼滤波参考模型精度。

3.如权利要求2所述的的广义预测控制方法，其特征在于，所述卡尔曼滤波观察器实测精度误差估计值R设定为定值。

4.如权利要求3所述的广义预测控制方法，其特征在于，所述步骤S2中，卡尔曼滤波参考模型精度Q是关于广义预测被控量预测值、实测被控量以及被控量设定值之间差值的S型函数，其具有精度误差上限可控，且单调递增的特点。

5.如权利要求4所述的广义预测控制方法，其特征在于，所述采用S型函数对Q值进行修正，其计算如下：

其中：Q为模型精度误差估计值，Q_max为模型精度误差估计值的上限，σ为带宽参数。Yy表示广义预测控制被控量预测值，SV表示被控量设定值，PV表示实测被控量。

6.如权利要求5所述的广义预测控制方法，其特征在于，所述步骤S3中，卡尔曼滤波观察器是基于修正后的参考模型精度误差估计值Q，对当前时刻被控量进行滤波观察，防止卡尔曼滤波观察器陷入静态误差陷阱。

7.如权利要求6所述的广义预测控制方法，其特征在于，所述步骤S4中，用卡尔曼滤波所观察得到的被控量观察值替代实测的被控量值，并将其代入预测控制的偏差计算，以抑制当模型失真时模型预测值与实测值出现较大偏差所导致的控制波动甚至震荡。

8.如权利要求7所述的一种广义预测控制方法，其特征在于：所述步骤S5中，在进行广义预测控制计算时，采用增量式的控制输出方式，便于限制控制变量变化速率。

9.一种基于卡尔曼滤波观察器的广义预测控制器，其特征在于，包括：

初始化模块，根据预测控制模型、卡尔曼滤波初始参数、广义预测控制初始参数信息对卡尔曼滤波模型和预测控制模型进行初始化；

模型修正模块：根据广义预测控制被控量预测值、实测被控量以及被控量设定值对卡尔曼滤波参考模型精度Q进行修正；

模型更新模块：基于前一时刻控制输出和实测被控量对卡尔曼滤波模型输出进行观察，并更新卡尔曼滤波模型；

偏差计算模块：用卡尔曼滤波模型观察输出替代实测被控量进行预测控制的偏差计算；

输出模块：基于被控量设定值和预测控制偏差进行广义预测控制计算，得到最终的控制量并下发给控制设备执行。

10.如权利要求9所述的的广义预测控制器，其特征在于，所述初始化模块建立预测控制模型，对所述预测控制模型离散化，并对相关参数初始化，然后将离散化的传递函数模型转换为状态空间方程，建立卡尔曼滤波观察模型，并设置卡尔曼滤波观察器实测精度误差估计值和卡尔曼滤波参考模型精度。

11.如权利要求10所述的的广义预测控制器，其特征在于，所述卡尔曼滤波观察器实测精度误差估计值R设定为定值。