引用本文:董娜,陈增强,孙青林,袁著祉.基于粒子群优化的有约束模型预测控制器[J].控制理论与应用,2009,26(9):965~969.[点击复制]
DONG Na,CHEN Zeng-qiang,SUN Qing-lin,YUAN Zhu-zhi.Particle-swarm optimization algorithm for model predictive control with constraints[J].Control Theory and Technology,2009,26(9):965~969.[点击复制]
基于粒子群优化的有约束模型预测控制器
Particle-swarm optimization algorithm for model predictive control with constraints
摘要点击 2679  全文点击 2526  投稿时间：2008-07-10  修订日期：2008-12-09
查看全文  查看/发表评论  下载PDF阅读器
DOI编号  
  2009,26(9):965-969
中文关键词  模型预测控制  粒子群优化算法  带约束的优化  线性离散系统
英文关键词  model predictive control  particle swarm optimization  optimization with constraints  discrete-time linear systems
基金项目  国家自然科学基金资助项目(60774088, 10772135); 教育部新世纪优秀人才支持计划资助项目(NCET); 教育部科学技术研究重点项目资助项目(107024); 天津市应用基础及前沿技术研究计划资助项目(08JCZDJC21900, 07JCYBJC05800).
作者单位E-mail
董娜* 南开大学 自动化系 dongna1110@hotmail.com 
陈增强 南开大学 自动化系  
孙青林 南开大学 自动化系  
袁著祉 南开大学 自动化系  
中文摘要
      研究了模型预测控制(MPC)中解决带约束的优化问题时所用到的优化算法, 针对传统的二次规划(QP)方法的不足, 引入了一种带有混沌初始化的粒子群优化算法(CPSO), 将其应用到模型预测控制中, 用于解决同时带有输入约束和状态约束的控制问题. 最后, 引入了一个实际的带有约束的线性离散系统的优化控制问题, 分别用二次规划和粒子群优化两种算法去解决, 通过仿真结果的比较, 说明了基于粒子群优化(PSO)的模型预测控制算法的优越性.
英文摘要
      We investigate the optimization algorithms for solving the constrained optimization problems in model predictive control(MPC). To deal with the disadvantage of the quadratic programming(QP) algorithm, we introduce and apply the chaotic particle-swarm optimization(CPSO) algorithm to solve the control problem with simultaneous constraints on inputs and states. A practical constrained optimization problem of the discrete-time linear system is solved by QP and PSO, respectively. By comparing the simulation results, we show the advantages of the PSO-based MPC algorithm.