2 0 1 3
年
3
月
第
20
卷第
2
期
控 制 工 程
Control Engineering of China
Mar ． 2 0 1 3
Vol． 20，No． 2
文章编号
： 1671-7848（ 2013） 02-0227-04
收稿日期
： 2011-07-11；
收修定稿日期
： 2011-09-10
基金项目
：
国家
973
课题
（ 2009CB320603） ；
国家自然科学基金项目
（ 60934007、60974007）
作者简介
：
罗犇
（ 1985-） ，
男
，
安徽巢湖人
，
研究生
，
主要研究方向为先进控制算法及其硬件加速等
；
邵之江
（ 1970-） ，
男
，
教授
、
博士生导师
。
一种新的基于
PSO
的
MPC
及其硬件实现
罗 犇
，
邵之江
，
徐祖华
，
赵 均
，
周立芳
（
浙江大学 控制科学与工程系工业控制研究所
，
浙江 杭州
310027）
摘 要
：
模型预测控制
（ MPC）
在流程工业中应用已经比较成熟
。
其核心为在线求解二次规
划
（ QP）
问题
，
运算负荷大时延长
，
对控制器的运算能力要求高
，
阻碍了
MPC
向更深更广的应
用领域拓展
。
为解决上述问题
，
从算法本身和硬件平台
2
个方面入手
，
提出了
MPC
算法一种
新的实现方案
。
新的以粒子群优化算法
（ PSO）
为核心的
MPC
算法很好地解决了带约束的二次
规划问题
，
并且以可编程逻辑门阵列
（ FPGA）
为平台用实现了
PSO-MPC
控制器
。
这一方案使得
MPC
可以应用在控制器体积受限
，
采样频率高的运动控制场合
。
关 键 词
：
模型预测控制
（ MPC） ；
粒子群优化算法
（ PSO） ；
可编程逻辑门阵列
（ FPGA）
中图分类号
： TP 27
文献标识码
： A
PSO Based Model Predictive Control and its Hardware Implementation
LUO Ben，SHAO Zhi-jiang，XU Zu-hua，ZHAO Jun，ZHOU Li-fang
（ Department of Control Science and Engineering，Zhejiang University，Hangzhou 310027，China）
Abstract： Model predictive control（ MPC） is an established control strategy used in the process industry． However，its computational
efficiency becomes the main hindrance to its application in higher bandwidth applications，such as in motion control problems． Unlike
controllers for process industries，the motion controller must have specific properties，including limited size and high sampling frequen-
cy． To meet these requirements，this paper explored the implementation of a specified new MPC using PSO as the QP-solver，called
PSO-MPC
，on a field programmable gate array（ FPGA） chip ． The PSO-MPC-on-FPGA strategy addresses size constraints and satisfies
the need for high sampling frequency by exploiting the parallel features of both the PSO-MPC and the FPGA chip．
Key words： model predictive control（ MPC） ； particle swarm optimization （ PSO） ； field programmable gate array（ FPGA）
1
引 言
模型预测控制
（ MPC）
是一种优化控制方法
。
因
其在解决多变量耦合
、
带约束
、
非线性等复杂系统
的控制问题中的突出优势而得到广泛的研究和关
注
，
并已经成功的运用在流程工业当中
。MPC
通
过滚动优化
，
即在每个控制周期求解一个二次规划
（ QP）
问题得到当前和未来若干步最优的输入值
。
文献
［1］
的统计结果显示
MPC
主要应用于流程工业
领域
，
应用数量增长缓慢
；
与此同时
，
产品工业和
运动控制对使用
MPC
也存在有效需求
。
运动控制
的采样时间短
，
而且多采用嵌入式系统为硬件平
台
。
然而
，
滚动优化计算负荷大
，
嵌入式系统的运
算能力不能支撑传统
MPC
的运算负荷
，
往往时延
过大使控制失效
。
文献
［2］
和
［6］
针对此问题做了
有益的尝试
，
然而只是局限于将
MPC
的传统解法
用新的硬件平台
（ FPGA）
实现
，
未能在算法上做新
的尝试
。
本文提出新的
MPC
控制策略
，
在硬件和
软件
2
个方面对传统
MPC
进行了改造
。
硬件方面
，
用
FPGA
芯片代替传统微处理器
，
一方面可以根据
算法定制硬件结构
，
充分发挥算法的并行性
，
另一
方面将整个
MPC
植入芯片
，
达到缩小控制器体积
的目的
。
软件方面
，
以更具并行性和灵活性的
PSO
代替传统方法求解
QP，
并以
MPC
为背景对
PSO
做
了若干改进
，
使得
PSO-MPC
成功地处理了带约束
的优化控制问题
。
为验证方案可行性
，
最后以飞机
爬升控制为模型
，
在硬件中实现了
MPC
控制器
。
2 PSO-MPC
算法
1） MPC
控制策略
MPC
控制策略
［3］
的核心就
是求解一个二次规划问题
，
目标是使设定值和未来
输出的预测值之差最小化
，
同时尽量减少输入量
。
如果给定一个离散时不变的状态空间方程如下
：
x（ k + 1） = Ax（ k） + Bu（ k）
y（ k） = Cx（ k） （ 1）
式中
，x，y，u
分别表示系统的状态变量
、
输出和
输入
，
而且必须满足一定的约束条件
f （ u）
≤
0，
g（ y）
≤
0。
这个带约束的
MPC
问题的滚动优化目标
DOI:10.14107/j.cnki.kzgc.2013.02.031
资源评论
pk_xz123456
- 粉丝: 2709
- 资源: 3738
最新资源
- 基于阻抗的微电网下垂控制 在微电网中，由于线路阻抗的不同，造成无功功率无法均分，通过添加阻抗是应用最为广泛的一种方法 仿真以两个DG为例，仿真的波形有有功功率、无功功率、频率、电流、电压这些波形，通
- 冰桶大战-打地鼠游戏JS源码，小游戏源码.zip
- CNN和Transformer.7z
- 基于Web的校内二手商品交易系统的设计与实现.doc
- Python Django 数据采集系统的基本框架与实例
- (22016244)多目标粒子群算法分享 - CSDN博主dkjkls
- Carsim Simulink联合仿真-基于LQR 模糊PID 滑模控制的横摆稳定性控制系统 综合跟随理想横摆角速度的方法和抑制汽车质心侧偏角的汽车稳定性控制方法，以线性二自由度车辆操纵特性模型为控制
- 基于安卓的智能化家庭理财管理app论文.doc
- (25103842)基于STM32的智能万年历课程设计
- 3_新建 DOCX 文档 (2).docx
- 农产品管理与销售小程序的设计与实现论文
- .Net通用运动控制系统 雷赛运动控制卡控制系统 像高川控制卡、高川控制器、或者固高运动控制卡以及正运动控制器、正运动控制卡可以用这个框架，自己替一下库文件等代码就可以 功能丰富，注释多，非常适
- (25778258)典型的多目标优化算法matlab代码-PlatEMO（你所需要多目标优化代码都有）
- Java+Swing+Mysql实现学生成绩管理系统源码+PDF报告（高分项目）
- (2793848)软件工程课件PPT和复习试题
- (33272006)6到9届蓝桥杯国赛 软件类.zip
资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！
点击此处反馈
