1、华北电力大学（保定）博士学位论文热工过程多模型控制理论与方法的研究姓名：郭启刚申请学位级别：博士专业：热能工程指导教师：韩璞;王东风20070401华北电力大学博士学位论文摘要中文摘要电厂热工控制系统是复杂的非线性控制系统，针对此系统，众多先进控制算法已经得到了初步应用，并且已经解决了一些控制难题。但是经常性大范围变负荷会引起控制对象特性的改变，由此引起的控制问题还没有很好解决。针对这一问题，本文研究了多模型控制方法的相关理论及其在电厂热工系统中的若干控制方法与技术，主要内容如下：在分析循环流化床锅炉汽温系统动态特性的基础上，针对其动态特性的时变大迟延特点，采用多模型前馈一反馈广义预测控制方案
2、，有效地克服了单一模型难以适应工况变化和系统的时变大迟延，消除了给水流量变化对汽温的耦合。将基于多模型的控制应用于主蒸汽温度系统中，控制系统保留了传统的串级控制结构，导前区内回路应用固定参数控制快速消除内扰，外回路采用多模型控制以克服大范围的系统特性变化。多模型调度基于汽温系统时变特性的主要影响因素一机组负荷。通过对子模型控制器的模糊加权综合，实现了多模型控制器间的平滑切换。整个系统算法简单，易于 实现。针对主汽温系统的特性，提出了一种多模型串级控制方案，以解决主蒸汽温度系统的非线性时变性以及大惯性大滞后的动态特性。在若干典型的工作点建立多固定模型，设计相应的控制器，并通过模糊加权的方法实现了
3、多模型间的平滑切换。同时，控制系统结合了串级控制和内模控制的特点，内回路采用固定参数控制快速消除内扰。主调节器采用内模控制器，可以克服对象惰性区的时滞特性。设计了基于多模型的两级神经网络自整定控制策略，并将其推广到多变量控制系统。两级神经网络分别是静态网络和 动态网络，均为对角递归神经网络（） 结构。用来粗调控制器参数，根据各局部模型分别设计控制器参数，用来离线训练。在多模型参数调度的基础上，依据偏差和偏差变化率进行参数的细调整定，以克服机组负荷的小范围变化、参数的慢时变漂移和各种扰动。结合灰色预测理论，基于两级自整定控制策略的过热汽温控制系统获得了良好的动态调节品质，具有较强的鲁棒性。在协调
4、控制系统的应用表明该方法可以实现多变量控制系统动态近似解耦和静态完全解耦，且具有响应速度快、鲁棒性好等特点。关键词：多模型控制，预测控制，控制，内模控制，神经网络华北电力大学博士学位论文摘要圮口，：（），：）、，呻（）（）（）（）黜，啪地（），：，。，声明本人郑重声明：此处所提交的博士学位论文热工过程多模型控制理论与方法的研究，是本人在华北电力大学攻读博士学位期间，在 导师指导下，独立 进行研究工作所取得的成果。尽我所知，除文中已经注明引用的内容外，本学位论文的研究成果不包含任何他人享有著作权的内容。对本论文所涉及的研究工作做出贡献的其他个人和集体，均已在文中以明确方式标明。签名：关于学位论文
5、使用授权的说明本人完全了解华北电力大学有关保留、使用学位论文的规定，即：学校有权保管、并向有关部门送交学位论文的原件与复印件；学校可以采用影印、缩印或其它复制手段复制并保存学位论文；学校可允许学位论文被查阅或借阅；学校可以学术交流为目的，复制赠 送和交换学位论文；同意学校可以用不同方式在不同媒体上发表、传播学位论文的全部或部分内容。（涉密的学位论文在解密后遵守此规定）作者签名：日期：导师签名：日期：华北电力大学博士学位论文选题背景及意义第一章绪论电厂热工系统的自动控制一直是控制界研究的热点问题之一，随着社会经济的飞速发展，生产系统的工况条件日益复杂，要求日益提高，控制系统往往呈现出多变量、强耦
6、合、工况范围广、控制性能 综合性要求高等特点，使这一问题的研究交得更加复杂。在日常生活中解决复杂问题，人们常常不自觉地运用分解合成法则，即一个复杂大问题可以分解为一组简单小问题，将各小问题进行某种合成推得原问题的解。对于复杂系统的控制问题，上述法则同样具有借鉴性，将复杂非线性问题分解为若干简单的线性问题，继而针对各线性问题进行求解以获得良好的建模与控制效果，这就出现了多模型控制策略，早在年就有人提出通过将几个模型相加来提高模型的预测精度和鲁棒性的方法【】，现在人们己普遍认为将几个模型结合起来是可能获得较好预测结果的一种简单有效的方法【】，基于多模型建模方法也层出不穷，如模糊多模型，局部模型网络
7、【】，门限自回归【】等等。多模型控制器年代被提出【】，主要用于解决具有参数不确定性系统的控制问题，即对被控对象建立多个模型，覆盖其参数不确定性，利用输出误差求取权值，然后通过加权求和的方式求取控制器。进入年代以来，人们开始进一步研究基于稳定意义下的多模型控制器，并 尝试将多模型与各种常规控制相结合，如多模型自适应控制【”、多模型模糊控制引、多模型预测控制【等等，在实际中也取得了良好的应用效果。通过大量的研究表明，人们发现采用多模型策略使得非线性系统有了简化的、透明的模型及控制器，便于系统分析；与其它非线性全局策略相比，其计算复杂程度大大降低；模型及控制器结构更适于灵活的在线调整学习算法；采用这
8、种建模结构便于在更高层次上加入定性信息；更重要的是，人们对于线性模型与控制器的熟悉与掌握程度是促使这种方案日渐流行并取得成果的最主要因素【。正是由于上述诸多特点，多模型控制受到越来越多的关注，并在过程控制、航空、医学等领 域得到广泛应用邛”】。近年来，国际自动控制领域的主要学术杂志如、以及重要国际会议如美国控制会议（）、控制与决策会议（）等发表了许多关于多模型控制的论文，一些学者还将前人的工作进行了总结】，国际刊物在年期出版了多模型方法专刊，使得多模型理论在国际控制界的地位再一次得到肯定第一章绪论多模型策略基本原理如前所述，分解合成法则一直以来都是接近自然问题、社会问题及工程问题中复杂性的通用
9、的可行思路。将其应用于控制系统，采用多模型的建模与控制策略更具有充足合理性【：（）建立局部模型控制器较之全局模型控制器简单，这是因为考虑系统局部特征变化要比全局范围内变化来得容易；（）无论是从定性 还是定量角度，局部模型控制器 结构都容易理解和描述；（）该模型控制器 结构便于融入各种知 识，如定性知识、专家经验、测量数据等；（）较之其它非线性建模或控制方法，其计算复 杂程度大大降低。那么对于控制工程问题来说，如何分解问题？又怎样合成以得出最终结果呢？对于分解来说，最关键的问题是确定问题分解所遵循的准则。一般说来， 对复杂系统的建模与控制进行分解时，可遵循下述准则瞵：按物理单元划分（）；按现象划
10、分（）按目标划分（）；按基算子划分（）；按工况范围划分（）。实际 上，各种划分并不是各自孤立的，而是相互联系彼此交叉的。人 们在解决问题时也往往不自觉地同时用到了多种划分准则。目前较多采用按工况范围将复杂问题进行分解，工况范围可由一系列不同现象或系统特征来定义。这种分解准则的核心是通过将系统的工况范围进行划分来简化系统的控制问题，即在不同的工况条件下分别建立不同的局部模型或控制器。局部模型或控制器往往是线性的，仅在某种特定工况条件下有效，这与全部工况范围内均适用的全局模型或控制器有所不同。在问题分解并得出各相应结论后，就需要将各 结论进行合成得出原复杂问题的解，即通过 某种调度机制来协调各局部
11、模型或控制器。根据系统实际情况，其调度机制可以选择（硬）切换至其中一个最接近的局部模型，控制器，将其作为当前系统模型，控制器【，或将多模型，控制器进行某种加权求和，如模糊加权【或概率加权叫等等，得出系统最终输出， 这种思路又称为软切换。综上所述，基于分解合成策略的多模型控制方法的核心无在乎两个：问题的分解与合成。这种方案的具体任务可概括如下：（）按照某种分解准则，如基于工况范围将整个系统划分为若干工况区问，定义整个工况范围以及用来表征工况区间的变量等；华北电力大学博士学位论文（）选定各个工况局部模型、控制器结构；（）辨识各局部模型、控制器的参数；（）根据某种调 度机制将各局部模型控制器 组合得
12、到 问题的解。多模型控制方法研究现状很多学者在多模型控制方面进行了有益的尝试，并取得了卓有成效的成果。早在七十年代，将多模型、切换、调度的概念引入控制就已有了雏形，当 时与提出了利用多卡尔曼滤波器来提高控制问题中滤波问题的准确性。接下来的二十年中人们利用这种方法在许多实际问题中进行了有益的尝试，如用该方法解决移动目标的跟踪问题，医学控制问题， 飞行器的故障诊断与控制问题等等。然而上述方案均未涉及到切换问题，仅是简单的对应不同模型的控制器之间的线性组合，而且尚未考虑稳定性。最近几年，基于多模型、切换及调整的控制的稳定性问题成为了研究的热点，并陆续取得了许多重要成果，以多模型自适应控制问题为例，如
13、大大放宽了多个未知线性系统自适应控制稳定性的条件，给出了直接和间接切换策略。前者基于系统输出决定是否切换至新的控制器，但不久发现这种切换策略并不具有实际应用价值；后者利用多模型来决定何时切换至哪个控制器。和等人分别针对非最小相位系统和具有未知相关度（）的最小相位系统采用了间接切换策略，得出了在保证稳定的前提下的能够进行自适应控制的结论。而将多模型与各种常规控制器的结合也成为测试多模型策略可行性和解决非线性控制问题的一种有效方法。增益调度控制图传统增益调度示意图对于工况不断发生变化的系统来说，增益调度（）是一种有效的方法。它通常用于解决对象动态特性与工况条件之间关系已知的，而且不能用单一定常系统
14、充分表述的非线性系统的控制问题。从传统的意义上讲，增益调度可能是控制非线性最常用的系统方案， 】，即第一章绪论使与当前很多强有力的新型非线性系统控制方案相比，如模型预测控制等，仍能保持其足够的吸引力，这与其优越的工程应用特点设计简单和计算量小等是分不开的。在传统的增益调度方法（），控制器参数根据某些条件在开环状态下确定，并随实际工况条件的变化作出相应调整，见图。一个系统可视为一个反馈控制系统，其中反 馈增益通过前馈补偿来调节【】。设对象可描述为：膏厂（），“（，），口（）、（）【（石（），甜（），口（，）、。其中（）成为调度变量，代表工况条件。增益 调度的目 标是通过一系列对应不同工况条件的线
15、性控制逼近法则逼近如下非线性系统的控制策略：甜（）（），口（）（）针对上述系统，典型的 设计方案可通过下列步骤完成：（）选取调度变 量，即选出与系统动态特性息息相关的调度变量（）；（）选取工况条件，即选出能够覆盖系统动态特性变化的若干个工况点， ；（）构造线性时 不变模型，即在各工况点附近对（）式进行线性化处理，得出相应的局部线性模型；（）设计线性补偿 器，即对各线性模型设计一稳定的反馈增益矩阵（嘶）；（）采用线性插 值法得出控制器，（）一（）（，）【（）（，）（）】在设计中，最主要的两部分是增益 调度器（）和相 应的控制器（图）。结构本身对控制器的设计没有任何限制，用户可采用几乎所有常见的线
16、性控制设计思想来设计控制器，如，等等。还提出用设计局部控制器以保证系统安全稳定性、鲁棒性相对控制器设计来说，调度器的设计就不那么简单了，它包括增益变量的选取和调度准则的确定两项内容。实际应用中，往往采用经验法选取随动系统动态特性缓慢变化同时能够涵盖整个系统非线性的调度变量【玷盈，给，了 详细、系统的设计步骤【，同时提供了另外几种设计方法，如利用 积分误差补偿器来校正输出值，利用 实际数据获取系统线性化描述的参数等。文中还给出了一个结论， 对于随时间缓慢变化的调度变量，系统状态和输出与其期望值之间的偏差可被限定在足够小的范围内。正明了在中选取缓慢变化的调度变量是非常关键的【，因为若不考虑工况的时
17、变特性会导致系统出现不稳定和非最小相位特性。该文同时提供了对工况条件快速变化时华北电力大学博士学位论文的设计方法。 调度准则中有最简单的硬切换【盯，即直接采用与当前工况点最为接近的工况点所对应的控制量，这种方法虽然简单，但常常造成工况切换处控制器参数的剧烈变化。于是后来人们广泛采用插值法来选取控制器或其参数【。较之硬切换，插值法具有切换平稳的优点。中的插值有两种形式，可对各局部控制器的输出进行插值得出系统的输出，也可以对控制器参数进行插值以得出系统的输出，前者将增加控制器的阶数，而后者要求各局部控制器有相同的结构。的优点是 显而易见 的。采用使得控制器参数能迅速跟踪系统的动态变化，这种快速性主
18、要体 现在不需要在线估计控制器参数，因而它比自整定、自适应方法更便于实施， 较自适应控制在实际中具有更广泛的用途】。然而也有自身的缺点，主要体现为在工况边界处控制器参数往往变化比较剧烈，从而导致在工况切换时出现较差甚至不稳定的性能，另外个别工况处精确的线性时不变模型也不容易获得。为了解决上述问题，指出若能 获得合适的模糊规则和隶属度函数，具有比更优越的性能。本质上与相同，只是在中利用模糊推理机制作为插值算法。采用模糊多模型，将其规则描述为：足：矿厶，吼厶，白（）（）其中，（，）代表调度变量向量中的第个分量，丸是在第七个 调度变量空间定义的模糊量， 规则的输出代表控制器增益矩阵。文中 还提出了基
19、于模型的模糊增益调度（），用于改善存在较强非线性特征时的系统性能。与上述形式不同的是，利用模糊模型代替模型。虽然能够避免精确数学描述带来的限制。但由于模糊规则和隶属函数不易获得，常常需要专家经验知识及大量实验，因此引入了学习机制来改善增益调度性能，提出了神经网络增益调度（）。它利用神经网络学习控制器的设计及插入规则，即构造一个前向对称网络，利用算法对有各种工况条件下的训练集进行学习。尽管不用人为地设计调度方案或人为确定适当的模糊推理系统，而且不必随系统的不同做重大调整，但难以选取适当网络结构及神经网络不易于揭示系统动态特性又成为的弊端所在。为此又提出神经网络模糊增益调度（），利用一个模糊神经网
20、络来设计增益调度系统，控制参数的插值通过模糊神经网络（）的自适应学习获得。与不同的是，模糊规则和隶属函数可以在学习训练样本的同时进行提炼，神经网络的应用同时节省了推理机制中匹配模糊规则的时间，而较之，提供了一个更便于分析和理解系统的网络，而且如果需要还可以利用模糊规则和隶属度函数引入专家经验。第一章绪论多模型自适应控制常规自适应控制对于参数时不变系统的被控对象能进行有效的控制，但当系统存在较大不确定性时，常规自适应算法往往不能保证充分收敛，而且对于非线性系统，采用单一模型很难充分反映系统的所有动态特性。于是人们提出了多模型自适应控制：用多个辨识模型描述被控 对象的动态特性，对每一子模型设计相应
21、的子控制器。从早期的基于后验概率加权的多模型控制到近几年来和、等人提出的基于模型切换的多模型自适应控制器，多模型控制方面的研究已经经历了近三十年的发展，并且在理论上和实践方面取得了很多成果，为常规自适应控制难以解决的具有高度不确定性的线性系统及复杂非线性系统，提供了一种有效途径。的设计问题主要集中在系统的多模型表示方法、在线学习器的设计（当已有模型无法满足当前系统的动态要求时，实时辨识模型一由首先提出、子控制器的设计及自适应映射算法（即子控制器的软硬切换算法）等方面。目前采用多模型、切换和调整的方法进行自适应控制研究并在国际上有影响的主要集中在以下三个小组【习：（）以美国大学教授为主的间接多模
22、型自适应控制研究小组主体思想：先根据被控对象参数的变化范围建立多个模型，同时建立以模型输出误差为变量的，具有积分特点的指标切换函数，以（），（）（），（）（）；其中，选择口，以保证瞬间和长期测量的准确程度五为遗忘算子， 为第个子模型与系统输出之间的误差，而在每一采样时刻，根据切换指标函数值选择与实际被控对象最接近的模型，即选择以最小的模型所对应的控制器切换为当前控制器。（）以澳大利亚大学教授为主的直接多模型自适应控制研究小组主体思想，首先根据被控对象模型参数设立多个局部模型，且对应于多个局部模型设立多个局部稳定的控制器，将这些控制器按照从小到大编号顺序排好，从标号为的控制器开始作为当前控制，根
23、据切换函数值判断当前控制器是否为使被控对象稳定的控制器，如果是则继续保留为当前控制器，否则将编号加的下一个控制器切换为当前控制器，以此类推，最终切换到能使闭环系统稳定的控制器上。（）法实验室的教授为主的研究小组华北电力大学博士学位论文教授在多模型自适应控制方面作了很多研究【，】，主要基于概率加权和的形式构成控制器，即根据模型误差对每个局部模型构成加权值，当前控制器为多个局部模型控制器输出的加权和，其结果相当于一种软切换。是常规自适应控制概念的延伸，它代表一种新的控制方法的发展趋势，为解决各种复杂高度不确定性的时变系统提供了一种可行思路，大量应用研究也表明了其有效性和广阔的发展前景。其他多模型控
24、制方法基于多模型的预测控制预测控制是为适合复杂工业过程控制而提出的算法，它突破了传统控制对模型的束缚，具有鲁棒性强的特点，然而非线性系统的预测控制，无 论在理论上或技术上都存在不少问题，其中线性化方法是对非线性预测问题进行预测控制的一种有效方法，即将非线性模型线性化，用线性化模型来代替原有的非线性模型， 进而利用线性预测控制的滚动优化来设计控制器，然而这种方法只采用一个线性模型，无法充分反映出非线性系统的动态特性，因而对复杂非线性问题往往不能得到满意的控制效果。基于多模型的预测控制方法无疑是对上述方法的一种改进，其特点是将预测控制与多模型方法相结合，用多个线性模型来逼近非线性过程，从而得到一种
25、非线性多模型预测控制算法。席裕庚等针对预测控制中输出跟踪设定值或参考轨迹的要求，提出一种对设定值或参考轨迹分段趋近的多模型方法。其基本原理为：对一状态空间形式描述的系统，首先将系统输出按要求分成若干段，即按起始值到稳态值取若干个中间值，对每一个中间值，按 线性化方法计算出相应的平衡点，以此 对非线性系统线性化，从而得到若干个线性化模型，并将下一个中间值作为设定值或设置相应的多模型参考轨迹，采用此方法须对线性化模型的切换及参考轨迹的设置进行合理的安排，关键在于如何选择合适的切换时间和参考轨迹常数，使各子模型的参考轨迹尽可能全局逼近期望参考轨迹，给出了在合理的假设下递推求解切换时间和参考轨迹常数的
26、方法。 ”则是把系统分成若干个独立的区间，在每个区间建立一个局部模型，每一个局部模型仅在所对应的一个工况及邻域内有效，局部模型用线性状态空间模型表示，全局非线性模型则是局部线性模型的加权凸组合，权函数一般可选为规范高斯函数。此外，提出基于最小方差控制的多模型预测，利用最小方差控制从多个预测模型中找出较好模型，从而设计一个长期预测控制器”。 对 一间歇过程设计了一个全局 线性参变（）模型，继而对模型 进行预测控制旧。针对连续搅拌釜的各种工况设计了基于局部模型的预测控制器【。张化光等提出了模糊广义预测控第一章绪论制算法，利用模糊模型，将多个模糊模型转换成线性、时变差分方程，再利用算法控制率，较普通
27、算法具有辨识精度高、适用大范围工况控制要求、抗干扰能力强的优点【。将基于多模型的动态矩阵控制应用到中和过程和苯乙烯聚和过程，取得了较好的控制效果”。采用多个线性化模型对非线性系统进行预测控制，可以充分利用线性预测控制的简易性及其在参数整定方面已有的结论，另外线性模型与非线性过程之间尚存的误差，可通过预测控制以反馈校正加以克服，因此基于多模型的预测控制是解决具有大范围工况的高度非线性系统的一种行之有效的方法，具有深入研究的实际意义。、模糊多模型控制众所周知，模糊控制是一种有效的非线性控制方法，尤其对于系统并不完全可知的情况，其有效性更加明显。模糊控制至少有两种形式：模糊逻辑控制（）和异类控制（）
28、【。前者即为常规模糊控制，控制的输入输出量均为模糊值，通过一组模糊逻辑规则的合成来确定控制量的大小，后者则是通过一组常规控制器的加权平均获得。具体地说，控制器将整个状态空间划分为多个工作区间，这些区间可能是彼此重叠的，每区间由一模糊隶属度的函数定义，这使得相邻区间之间能够平稳切换。每一工况区间都可用系统状态变量定性描述，则隶属函数反映系统在该区间内对这一定性描述符合的程度。每一工况区间对应一个控制器，旋加到整个系统的控制信号是每个区间内控制信号的平均，其权值由每一区间的隶属度函数确定，这种方案与思想是基本相同的。与有相近之处，但其区别 也是明显的：对应某给定工况区间，其控制率往往也是给定的，控
29、制器参数随工况区间的不同而不同；而在中，每一区间内控制信号都是计算得出，并加权平均得到最终的控制器输出。由于的 设计往往是针对缺乏关于系统结构、工况边界以及所期望的控制规律的知识的系统，因而控制器的分析验证也比较困难。文中提到用定性仿真（）的方法来完成这一工作，将描述为一个定性差分方程，给定一个初始状态的定性描述即可预测出系统的一系列可能发生的行为。针对基于线性的状态空间模型【剐提出了模糊控制方案，原理上该方法属于。控制器设计为状态反馈控制器，一种是常规的线性时不变状态反馈控制器：“（七）（七）；另一种是线性时变状态反馈控制器：（）（）（）。同时对于模型所存在的模型不确定性，包括由隶属度函数造
30、成的前提不确定性用模糊权重的增量表示，而后者则用系统矩阵的增量表示。将模糊多模型表示复杂非线性系统的能力与成熟的线性控制理论相结合，无疑可为复杂非线性系统建模与控制问题提供一种可行的思路。华北电力大学博士学位论文多模型控制对于存在若干不同工况的非线性系统，用单一全局模型常常无法或很难准确表征系统在所有工况条件下的特征，此时采用多个局部线性模型描述整个系统往往能够达到较好的控制效果。在这种思想下，将多个局部线性模型加权组合成一个全局模型【】，全局模型的参数作为模型概率利用方法在 线估计得出，继而对该系统设计控制器。在 设计耐，一是采用常 规鲁棒控制，即将各局部模型可信度函数视作系统不确定性，对各
31、种工况条件设计单控制器，则该控制器 对于所有可能的工况变化是鲁棒稳定的，这种设计有些保守；另一种是自调度控制（），将在 线估计出的可信度函数引入控制器以适应系统动态变化，并保证在工况切换时良好的系统性能。基于多模型的控制方法为解决复杂非线性系统的控制问题提供了新的思路，大量应用研究也表明了多模型控制方法的有效性和可行性。当然良好的多模型控制效果首先要有良好的局部模型作为基础，在设计好局部模型后，各局部模型控制器的设计以及它们之问的协调成为多模型控制方法的关键所在。多模型系统分析多模型系统的性能分析一直是多模型策略有待完善的方面，较为系统的多模型分析方法并不多见，一般是针对具体的多模型策略做出具
32、体的系统性能分析，对其它多模型系统并不具备推广价值。对于闭环系统来说，其性能好坏是控制的关键问题。对于系统， 给 出了在对线性参变系统（），设计时保证稳定性和鲁棒性的条件，证明了用方法控制系统对于缓慢的时变是呈指数稳定的。 】还分析了系统的稳定性问题，同一样，由于线性控制器参数的时变性，仍不能保证系统全局稳定性，为此该文提出引入一些监督环节来保证系统的稳定性，并提供了一些验证系统不稳定性的方法。尽管还有一些文献对闭环系统的稳定性和鲁棒性问题做了有益的探讨【，引，然而闭环系统的性能分析有待进一步研究。在多模型自适应控制中，证明了他所设计的多模型控制器在多个控制器之间进行有限次或无限次切换均可保证
33、系统稳定。这种控制器可极大地改善参数跳变系统的瞬态响应，但当被控对象含随机扰动时，模型切换可能不收敛或收敛速度慢。而等人 证明了直接多模型控制器在整个切 换过程中闭环系统是稳 定的，且可省去常规自适应控制的一些假设条件，如常数增益的符号，最小相位的假设等；当模型过多时，虽然整个过程指数稳定，但过渡过程会不好，第一章绪论目前仍在研究如何能更好地解决这个问题，】。李晓圳在此基础 上将其结果推广到离散时间系统，解决了存在参数不确定的离散时间系统控制问题。而对于基于概率的多模型自适应控制系统，尽管这种控制器切换过程比较平滑，不会造成切换时输出大的跳跃，但其稳定性很难证明，只得到了少量的收敛性结果【刀，
34、。至于多模型预测控制、多模型控制等等，由于算法一般是针对具体的问题设计相应的方案，因此相关的系统性能分析较为分散，而且相当一部分仅通过仿真验证了多模型算法，并未对其进行严格的系统分析。本文主要工作多模型控制的基本思想是分解合成策略，即将系统按某种准则划分后，在每一个区间内建立局部线性模型或控制器，继而将各局部结果进行某种合成推得原系统的解。当然，解决复杂非线性控制系 统问题， 线性的局部模型和控制器并非是唯一选择，但多模型方法之所以不断得以推广，与其诸多适于工程应用的特点以及线性系统理论及技术的日渐成熟化、系统化是分不开的。由此，本文将对多模型系统上述问题进一步探讨，以期能够进一步完善多模型系
35、统的研究系统。主要内容如下：（）研究了目前切换算法的几种性能指 标，对切换性能指标函数的性质进行理论分析。针对切换震荡问题提出了两种解决方法：滞后切换算法和等待周期。针对切换带来的抖动问题，提出了一种模糊加权算法，采用模糊评判规则构成控制权重，当模型切换的时候，控制器也平滑切换。研究了非 线性系统是否可实行多模型自适应控制，给出了判别可行性问题的充分条件，在此基 础上， 给出了非线性系统的多模型表示方法、前馈极点控制器的设计方法。（）广义预测控制是 预测控制中最具代表性的算法之一，具有模型参数少、具有更强的鲁棒性、系 统设计灵活等特点。由于采用多步预测、滚动优化和反馈校正三个基本特征，因而控制效果好，更适合于工业生产过程的控制。因此。本文将多模型自适应控制与广义预测控制结合，针对循环流化床汽温系统特性，将广义预测控制推广到具有可测干扰的系统，提出一种多模型预测控制方案。在若干典型的工作点建立多固定模型结合在线自适应辨识，在运行过程中根据系统工况
