[发明专利]一种基于非线性多入多出MIMO系统的解耦控制方法及其装置

说明书

技术领域

本发明涉及电力系统控制技术领域，尤其涉及一种基于非线性多入多出MIMO系统的解耦控制方法及其装置。

发明背景

在实际的工业生产过程中，尤其是在电力系统中，控制对象都是未知时变的，如果不能够得到适当的控制，无论是在经济效益上，还是在人身安全上都会造成巨大的隐性威胁。因此，随着控制理论的发展，多种控制手段和新型控制策略也蓬勃发展：有的是在经典的控制方法上进行改进；有的是在应用上不成熟的新方法；也有将一个或多个方法相结合，取其精华，将其缺点最小化的复合控制方案。

在对热工对象进行控制时，许多控制方案都有被尝试，如：PID控制及参数自整定，用神经网络优化PID参数的协调控制；非线性内模控制，预测控制，取得了满意的效果；特别是智能控制和逆系统方法的提出对于控制理论的研究具有重大的意义，应用到协调控制的研究时，满足了对控制高精度的要求，以及对非线性系统更加逼近的期望等。智能控制有很多分支，并不是单一的，如智能控制包含了模糊控制，神经网络控制，遗传算法，专家控制；而逆系统也有神经网络逆等。这两种方法是近年来应用较为频繁的方法，智能控制的应用上，模糊控制和神经网络多被采用。此外，在实际的工业生产中，逆方法早已被多样化，各有特色。

随着控制研究的发展，单一的控制策略在对系统控制时，不可避免会出现不足之处，已经无法满足对控制精度和控制效果的要求，因此，就产生了一种新的方法，即根据控制对象的特点和控制要求将几种满足要求的控制策略进行综合，组成复合的控制方法。该方法已经应用于实践，且取得了令人满意的效果。基于多种控制策略综合的控制方法在协调控制中的应用研究已成为专家学者关注的热点。仿真结果表明，复合控制方法的鲁棒性好，抗干扰能力强，自适应控制效果良好。

自适应控制方法的本质是在线识别模型参数，这在某种程度上解决了不确定性问题。神经网络具有自学习、自组织以及逼近任意非线性映射的能力，加上其自身的结构和多输入多输出的特点，使其与其他非线性函数逼近方法相比更为有效，成为了多变量非线性系统识别的一个有力工具。如果能够将可实现系统的线性化和解耦的逆系统方法与具有对未知非线性系统逼近能力的神经网络方法相结合，构造出适合于工程应用的神经网络系统，则可发挥两者之长。

发明内容

因此，考虑到神经网络对非线性对象有较强的逼近能力和自适应控制的逆模型作为控制器的特点，本发明将神经网络系统方法和自适应控制方法结合起来引入到控制对象的控制中，即MIMO系统的解耦控制中。

本发明提出了一种基于非线性多入多出MIMO系统的解耦控制方法，其包括以下步骤：

接收输入信号；

将所述输入信号以及经延时处理后的输出信号输入神经网络逆模块进行处理；

将神经网络逆模块的输出信号输入控制模块和神经网络模块；

所述控制模块与所述神经网络模块在相同的输入信号下，两者的输出信号输入到输出模块；

输出模块根据所述控制模块与所述神经网络模块的输出信号生成扰动信号；

所述扰动信号经过延时处理后输入神经网络逆模块，经过控制模块后，输入所述输出模块；

其中将所述系统输入信号以及经延时处理后的输出信号输入神经网络逆模块进行处理包括以下步骤：

(1)确定神经网络逆模型的结构；

(2)获取神经网络的训练样本；

设f_s为采样频率，τ_s为采样时间，N为采样的样本数，采样数据中能够覆盖的最大频率为ω_max＝2π·f_s/2＝π/τ_s；采样数据中的频率分辨率为ω_res＝2π·(f_s/2)/(N/2)＝2π/Nτ_s；

(3)对训练样本进行归一化处理；

(4)神经网络逆建模，其包括以下步骤：

设第j个隐层神经元的输出为：