高速公路软基路堤沉降动态预测与控制

《高速公路软基路堤沉降动态预测与控制》是2002年钟才根所写的关于结构工程的学位论文。

副题名

外文题名

Dynamic prediction and control for settlement of highway embankment on soft soil

论文作者

钟才根著

导师

杨林德教授指导

学科专业

结构工程

学位级别

d 2002n

学位授予单位

同济大学

学位授予时间

2002

关键词

高速公路 软土地基 路堤沉降

馆藏号

U416

2100433B

连续预测控制预测控制算法框图

虽然预测控制有许多算法，一般的意义上说，它们的原理都是一样的，算法框图如图1所示：

连续预测控制预测控制三个基本原则

(1)预测模型

预测控制是一种基于模型的控制算法，该模型被称为预测模型。对于预测控制而言，只注重模型功能，而不是模型的形式。预测模型是基于对象的历史信息和输入，预测其未来的输出。从方法论的角度来看，只要信息的收集具有预测功能，无论什么样的表现，可以作为预测模型。这样的状态方程、模型传递函数都可以用来作为一个传统的预测模型。例如线性稳定对象，甚至阶跃响应、脉冲响应的非参数模型，，都可直接作为预测模型。此外，非线性系统，分布式参数系统模型，只要具备上述功能也可以在这样的预测控制系统中时用来作为预测模型。因此，预测控制打破了严格的控制模型结构的传统要求，可按照功能要求根据最方便的信息集中方式基础建模。在这种方式中，可以使用预测模型为预测控制进行优化，.以提供的先验知识来确定什么样的控制输入，从而使下一次受控对象的输出变化与预定的目标行一致。

(2)滚动优化

预测控制是一种基于优化的控制，但其控制的输入不是根据模型和性能指标一次解决并实现它，而是在实时的时间里来滚动优化解决。在每一步的控制中，定义从目前到未来有限时域的最优化问题，通过参数优化求解时域的最优控制输入，但是只有真正的即时输入控制才给予实现。到下一个控制周期，重复上述步骤，整个优化领域向前一步滚动。在每个采样时刻，优化性能指标只涉及从现在到未来有限的时间，并且下一个采样时刻，优化时段向前推移。因此，预测控制全局优化指标是不一样的，在每一个时刻有一个相对该时刻的优化指标。因此，预测控制的优化不是一次离线进行，而是在线反复进行，这是滚动优化的意义，预测控制的这一点也是不同于传统最优控制的根本。

(3)反馈校正

基础的预测模型中，对象的动态特性只有粗略的描述，由于实际系统中有非线性、时变、模型不匹配、干扰等因素，基于相同模型的预测，与实际情况是无法完全匹配的，这需要用其他手段补充预测模型和实际对象的误差，或对基础模型进行校正。滚动优化只有建立在反馈校正的基础上，才能体现其优越性。因此，通过预测控制算法的优化，确定一系列未来的控制作用，为了防止模型失配或环境干扰引起的控制措施对理想状态造成的影响，这些控制没有完全逐一实现，只实现即时控制作用。到下一个采样时间，首先监测对象的实际输出，并使用此信息在预测模型的基础上进行实时校正，然后进行新的优化。因此，预测控制优化不仅基于模型，并使用了反馈信息，从而构成一个闭环优化。

连续预测控制预测控制基本特征

(1)预测控制算法利用过去，现在和未来(预测模型)的信息，而传统的算法，如PID等，只取过去和现在的信息;

(2)对模型要求低，现代控制理论难以大规模应用于过程工业，重要原因之一就是对模型精度过于苛刻，预测控制成功地克服这一点;

(3)模型预测控制算法具有全局滚动优化，每个控制周期持续的优化计算，不仅在时间上满足实时性要求，还通过全局优化打破传统局限，组合了稳定优化和动态优化;

(4)用多变量控制思想来取代单一的可变控制传统手段。因此，在应用到多变量的问题时，预测控制通常被称为多变量预测控制;

(5)最重要的是能有效地处理约束。因为在实际生产中，通常将制造过程工艺设备的状态设置为在边界条件(安全边界，设备功能边界，工艺条件边界等)上操作，该操作状态下，操作变量往往产生饱和以及被控变量超出约束的问题。所以可以处理多个目标，有约束控制能力成为一个控制系统长期、稳定和可靠运行的关键技术。

连续预测控制预测控制种类

1978年，Richalet等首先阐述了预测控制的思想，预测控制是以模型为基础，采用二次在线滚动优化性能指标和反馈校正的策略，来克服受控对象建模误差和结构、参数与环境等不确定因素的影响，有效的弥补了现代控制理论对复杂受控对象所无法避免的不足之处。

预测控制自发展以来，算法种类非常繁多，但按其基本结构形式，大致可以分为三类：

(I)由Cutler等人提出的以非参数模型为预测模型的动态矩阵控制(Dynamic Matrix Control, DMC), Rauhani等人提出的模型算法控制(Model Algorithmic Control,MAC).这类非参数模型建模方便，只需通过受控对象的脉冲响应或阶跃响应测试即可得到，无须考虑模型的结构与阶次，系统的纯滞后必然包括在响应值中。其局限性在于开环自稳定对象，当模型参数增多时，控制算法计算量大。

(2)与经典的自适应控制相结合的一类长程预测控制算法(Generalized Predictive Control, GPC).这一类基于辨识模型并且有自校正的预测控制算法，以长时段多步优化取代了经典的最小方差控制中的一步预测优化，从而适用于时滞和非最小相位对象，并改善了控制性能，具有良好的鲁棒性。

(3)基于机构设计不同的另一类预测控制算法:包括由Garcia提出的内模控制(Internal Model Control, IMC), Brosilow等人提出的推理控(Inference Control)等。这类算法是从结构上研究预测控制的一个独特分支。

以上述典型预测控制为基础结合近几年发展起来的各种先进控制策略，形成了一些先进的预测控制算法，包括极点配置预测控制、解祸预测控制、前馈补偿预测控制、自适应预测控制，鲁棒预测控制等。本文重点研究自适应预测控制，即基于自适应双重控制的预测控制算法。

另外，诸如模糊预测控制，神经网络预测控制等智能预测控制算法的发展为解决复杂受控系统提供了强有力的支持。

许多新型的预测控制层出不穷，如预测函数控制、多速率采样预测控制、多模型切换预测控制，有约束预测控制等。预测控制的算法种类越来越多，预测控制的性能在不断改善，使其更好的应用在工业实际中。

近年来, 基于模型的预测控制技术在理论上和应用上都取得了很大的进展, 如动态矩阵控制(DMC) , 广义预测控制(GPC)和状态反馈预测控制(SPC)等算法, 都以它独有的模型预测、反馈校正和滚动优化等特点, 越来越受到广大科技工作者的重视。状态反馈预测控制, 使用实测状态变量反馈, 提高了控制系统抑制不可测干扰能力, 改善了控制系统的鲁棒性。

在先进控制系统实际工程应用中,由于非线性、时变性和不确定性等原因, 预测模型很难准确。为了在线调整灵活方便, 使状态反馈预测控制算法有一定的鲁棒性和适应能力, 按预测控制计算出的最优控制作用式, 先乘上一个相应的衰减系数后再送出, 使控制器送出的控制作用适当地减小, 这一衰减系数称为预测控制作用衰减系数, 用β_u ∈R^{m ×m}表示。为了简单, β_u可选为

预测控制作用衰减系数β_u, 可以改变预测控制系统的闭环极点, 适当的调整β_u的大小, 可以使闭环系统的控制性能和鲁棒性等方面得到兼顾, 改善系统的综合控制性能, 使预测模型的适应范围增大。

基于状态空间模型, 使用可以实测的状态变量反馈, 提高预测控制系统抑制不可测干扰能力和改善系统的鲁棒性, 是状态反馈预测控制系统的突出优点之一。为了在线调整灵活方便, 使预测控制算法具有一定的鲁棒性和适应能力, 在计算最优控制律之前, 把实测的状态变量, 先乘上一个相应的加权系数后, 再去计算预测控制律, 这一加权系数称为状态反馈加权系数，可用β_x∈R^n×n表示。

预测控制状态反馈加权系数β_x的维数由状态变量的维数决定, 控制律衰减系数β_u的维数由输入变量的维数决定, 其参数的选取也可以是非对角矩阵。预测控制状态反馈加权系数β_x , 当0<βⁱ_x ≤1 时, 使状态反馈作用减弱, 如果选取βⁱ_x >1 使状态反馈作用增强, 调整状态反馈加权系数βⁱ_x 或控制律衰减系数βⁱ_u , 都可以适当的改变预测控制系统的闭环极点, 从而改善系统的综合控制性能, 使预测模型的适应范围增大。 2100433B

内容简介

该书在分析雾区路段气候特征、雾区形成规律和对高速公路影响范围的基础上，对浓雾进行多学科大型野外综合研究，确定雾区可预测参数，提出了雾与能见度的四种预测预报方法，建立了一套具有我国独立自主知识产权，能逐时滚动预报雾区路段未来24小时能见度的预测预报系统。对雾的生成、持续、消散过程的预测预报准确率达到80％以上；根据雾与能见度的预报数据，结合现场实时监测结果，确定了交通监控系统构成和外场设备布设，制定了交通管理预案。对解决我国其他高速公路雾害具有重要的参考价值。2100433B