沈 聪，唐 伟，张世峰

（安徽工业大学电气与信息工程学院，安徽马鞍山243032）

摘要：针对传统焦炉冷鼓系统控制复杂性高、非线性强、抗干扰能力弱以及无法使用数学模型精准拟合等问题，提出一种基于粒子群优化（PSO）算法的非线性在线支持向量回归（OSVR）的模型预测控制策略。利用OSVR 的辨识方式建立预测控制模型，根据该辨识策略的在线学习能力进行模型的在线校正；通过PSO 算法对系统的目标函数进行滚动优化，完成对系统的预测控制，且利用仿真实验对该控制策略进行验证。结果表明：该策略能够缩短焦炉冷鼓控制系统的响应时间，提高系统的运行效率；粒子群的优化策略具备较强的自我学习能力，提高了系统的抗干扰能力，增强了系统的鲁棒性。

关键词：粒子群优化（PSO）算法；在线支持向量回归（OSVR）；模型预测控制（MPC）；焦炉冷鼓系统

中图分类号：TP 26文献标志码：Adoi：10.3969/j.issn.1671-7872.2021.04.009

焦炉冷鼓系统作为焦炉集气管压力系统的关键环节，其控制系统中初冷器前吸力的稳定性与焦炉的使用寿命和焦炭质量与产量直接相关。焦炉冷鼓系统是一种以模型预测控制（model predictive control，MPC）为基础通过不断进行滚动优化和反馈矫正的线性控制系统。多数工业生产中，焦炉冷鼓系统是非线性的，具备强干扰、强耦合等特性，传统的控制方式对其无法建立精确数学模型进行预测。张世峰等将焦炉冷鼓系统的初冷器前吸力控制划分为3 种工况模型，采用多模型控制（generalized predictive control，GPC）策略对各参数进行调节，该策略的抑制扰动能力较强，优于传统的PⅠD控制器。……