传统模型预测控制中,将来的控制作用是基于前移因子的方法计算出来的,这样的设计方法导致在快速采样、复杂动态特性或者高的闭环系统性能要求下,满意的控制作用需要大量的前移因子来计算,即大量的优化变量需要计算进而带来繁重的计算量。为此将Laguerre网络引入,用于设计受限预测控制,提出了一种基于Laguerre函数的无限时域优化预测控制(constrained infinite-time receding horizonpredictive control besed on laguerre model,CIRHPCL)除可以克服上述缺点外又使优化变量减少,结果使计算负荷大大降低,通过选取无限时域性能指标,既改进了控制效果又保证了系统的稳定性,且所提出的CIRHPCL可调参数少,易于工程整定。
传统模型预测控制中,将来的控制作用是基于前移因子的方法计算出来的,这样的设计方法导致在快速采样、复杂动态特性或者高的闭环系统性能要求下,满意的控制作用需要大量的前移因子来计算,即大量的优化变量需要计算进而带来繁重的计算量。为此将Laguerre网络引入,用于设计受限预测控制,提出了一种基于Laguerre函数的无限时域优化预测控制(constrained infinite-time receding horizonpredictive control besed on laguerre model,CIRHPCL)除可以克服上述缺点外又使优化变量减少,结果使计算负荷大大降低,通过选取无限时域性能指标,既改进了控制效果又保证了系统的稳定性,且所提出的CIRHPCL可调参数少,易于工程整定。