本发明涉及水产养殖，具体涉及一种养殖多工作点的增益调度模型预测控制器设计方法。
背景技术：
1、在循环水养殖系统的实际运行中，生产环境多变，时滞大，存在诸多不确定扰动，会给系统调节带来不确定性。对于溶解氧的控制方式，国内外多采用曝气机控制水中溶解氧含量，并采用传感器检测水中溶解氧含量。当该值低于下限值时，开启曝气机，增加水中溶解氧含量；当该值高于设定的上限时，应立即关闭曝气机，停止工作，有效控制溶解氧。在具体方法上，大多数加氧设备仍采用传统的pid控制方法，但随着对控制精度的需求，智能控制方法不断与水产养殖业结合。
2、有研究提出了一种差分进化(de)算法——优化径向基函数神经网络pid控制器。所提出的控制器有两个优化部分:第一部分采用改进de算法求解pid的最优初始参数；第二部分利用rbf神经网络强大的学习能力对pid参数进行在线调整，既能消除超调，又能提高控制器的自适应能力。有研究提出了一种基于模糊规则优化的单神经元自适应pid控制器来精确控制溶解氧。污水处理中有学者利用mpc(model predictive control)算法研究了活性污泥模型污水处理过程中溶解氧的调控。在基准仿真平台上的验证表明，与其他控制算法相比，模型预测控制算法具有更高的调节效率和精度，能够将污水处理氧合过程中的溶解氧调节到最佳状态。由于实际生产要求的复杂性和可变性，单个控制器很难在实际的水生环境中达到满意的控制效果。
技术实现思路
1、针对现有技术中存在的不足，本发明目的是提供一种养殖多工作点的增益调度模型预测控制器设计方法。
2、为解决上述技术问题，本发明提供的技术方案是：
3、一种养殖多工作点的增益调度模型预测控制器的设计方法，包括如下步骤：
4、s1.设计基础的mpc控制器，所述mpc控制器包括:模型预测结构、滚动优化结构和前馈-反馈控制结构，设计步骤包括：
5、s1.1预测模型的建立与离散化；
6、s1.2预测模型推导，建立设定的未来一段时间的系统状态矩阵；
7、s1.3设计目标函数，并对目标函数进行优化求解，完成基础的mpc控制器的设计；
8、s2.所述预测模型包含若干个不同工作点的线性子模型；找到s1中基础的mpc控制器的核心代价函数，在基础的mpc控制器上针对循环水养殖中溶解氧浓度为每个线性子模型设计控制精度优先，两种不同比例平衡精度与能耗，控制能耗优先四种功能不同功能的子mpc控制器；通过切换子mpc控制器，识别不同工况下的线性子模型；利用具有不同工作点的多个局部线性子模型逼近全局非线性动力学；
9、s3.结合循环水养殖溶解氧不同工况下的线性子模型的昼夜节律为s2的子mpc控制器设计增益调度信号，适应其稳定性和鲁棒性，通过增益调度信号切换子mpc控制器，进行统筹调度控制，子mpc控制器之间切换，优化为目标函数中q,w权重的切换，完成gsmpc控制器设计；
10、s4.采用iae、ise和iac对s3所述gsmpc控制器的性能进行评价，综合考虑gsmpc控制器的控制精度与控制动作产生的能耗做出评价，确认gsmpc控制器的性能。
11、优选的，所述s1具体为：
12、s1.1预测模型的建立与离散化
13、首先选择状态向量:(2)然后建立系统状态方程:
14、
15、采用正演欧拉法对状态方程进行离散化:
16、
17、x(k+1)＝(i+ta)x(k)+tbu(k) (5)
18、令则有：
19、
20、式中，x，系统的状态向量；状态向量的变化率；u，输入向量，包含系统的外部输入；a，状态矩阵，表示系统状态变量的线性演化；b，输入矩阵，说明外部输入对系统状态的影响；d，扰动；t，控制周期；x(k)，系统在第k时刻的状态；u(k)，系统在第k时刻的控制量；
21、s1.2预测模型推导，建立设定的未来一段时间的系统状态矩阵；
22、np代表预测区间，nc代表控制区间，np≥nc，将预测的系统状态提前p个控制周期记录为:
23、xk＝[x(k+1|k)t x(k+2|k)t … x(k+p|k)t]t (7)
24、在预测动态系统的未来状态时，预测区间内的控制量为:
25、uk＝[u(k|k)t u(k+1|k)t … u(k+p-1|k)t]t (8)
26、用下式依次预测未来p个控制周期的系统状态:
27、
28、令则
29、xk＝ψx(k)+θuk (10)
30、式中：xk，系统状态；(k+1|k)，基于k时刻的状态来预测系统在k+1时刻的状态，以此类推；uk，待解决优化问题的控制量和自变量，在区间nc≤k≤np，uk＝0；
31、s1.3设计目标函数，并对目标函数进行优化求解；
32、在预测区间np内定义一系列参考值:
33、rk＝[r(k+1)t r(k+2)t … r(k+p)t]t (11)
34、目标函数j定义为在遵守控制变量约束的情况下，预测状态向量与参考值之间的累积误差:
35、
36、q矩阵调整状态误差的重要性，q越大，状态收敛越快；w矩阵调整控制输入的重要性，当w大于q时，更倾向于较小的输入；
37、令e＝ψx(k)-rk，将式(8)代入上式得到:
38、j＝ukt(θtqθ+w)uk+(2etqθ)uk+etqe (13)
39、令etqe是常数项，不影响“uk取哪个值时目标函数j达到最小值”的问题，因此省略:
40、
41、mpc求解最优控制方案问题的解决方案最终转化为qp问题:
42、
43、s.t.umin≤u(k+i|k)≤umax，＝0,1,2,…,p-1 (16)
44、δumin≤δu(k+i|k)≤δumax (17)
45、式中：rk，设定值；j，目标求解函数；q，状态误差权矩阵；w，控制输入权矩阵，q和w为对角矩阵；umin，控制量下限；umax，控制量上限；δumin，控制量变化率下限；δumax，控制量变化率上限；u(k+i|k)，k时刻计算得到k+i的控制量；δu(k+i|k)，k时刻计算得到k+i的控制变化量；
46、调用matlab函数中的优化求解器，解决受限qp优化问题，得到的uk的初始值提取为该控制周期的控制量。
47、优选的，
48、所述s2中的子mpc控制器包括mpc1-mpc4；
49、所述mpc1控制器为快速驱动状态接近设定点，而不考虑能耗；
50、所述mpc2控制器在考虑能耗的情况下驱动状态接近设定值；
51、所述mpc3控制器兼顾状态误差和能耗；
52、所述mpc4控制器在不考虑状态误差的情况下使能耗最小化。
53、优选的，
54、所述s3中的工作点综合考虑溶解氧浓度模型和鱼类昼夜节律需求具体分析并设计增益调度信号。
55、优选的，所述增益调度信号设计方案具体如下：
56、在0～1.8小时阶段，增氧机启用最大曝气流量，即控制量上限和控制量变化率上限，鱼池溶解氧浓度以最快速度达到设定目标值；
57、在1.8～3小时阶段，鱼池溶解氧浓度的变化相对于控制器的控制动作产生有一定的时间延迟，采用mpc4控制器，防止溶解氧峰值超过设定参考值值5％，增氧速率尽可能降低，优先考虑能耗最小化，优先控制权重；
58、在3～5小时、19.3～26.5小时、43.3～50.5小时、67.3～70小时阶段，这些工作点内鱼的呼吸耗氧量较低，且达到设定值时溶解氧浓度仍在上升，选择误差权重与控制权重相同的mpc3控制器；增加控制权重；
59、在5～6小时阶段，采用mpc2控制器增加控制器的误差权重来增加鱼池溶解氧浓度；
60、在6～19.3小时、26.5～43.3小时和50.5～67.3小时阶段，根据昼夜节律，鱼类的呼吸耗氧量在这些时间段开始上升并且逐渐增加，在这些工作点内，使用mpc1控制器来最快速度增加鱼池溶解氧浓度。
61、优选的，
62、所述s4中采用iae、ise和iac对所述gsmpc控制器的性能进行评价，具体方程如下:
63、
64、式中，e为误差，u为控制输入，t为控制周期。
65、优选的，
66、所述s1中采用对象、干扰和噪声的线性模型来估计基础mpc控制器状态并预测未来的被控对象输出，该基础mpc控制器基于被控对象的预测输出，求解溶解氧浓度控制中增氧机最优控制量的二次规划优化问题以确定控制动作；
67、所述被控对象为循环水养殖系统中的溶解氧浓度，其模型为：
68、
69、式中，v为养殖鱼池水体体积；qin为进水流量；c为循环水养殖鱼池内的溶解氧浓度；k1、k2、k3、β均为常数，采用高斯-牛顿非线性回归分析对实测数据进行拟合得到；q为曝气流量；td是延迟时间，tw是当前水温；krear为水体表变复氧系数；m为鱼类总质量；rm为溶解氧平均日消耗速率；a为昼夜节律模型幅值，f为模型频率，φ为模型相位；pk为温度系数。
70、优选的，
71、所述子mpc控制器可处理多约束条件下的控制问题，并在这些约束条件下给出最优控制量；
72、所述子mpc控制器将较长甚至无限时间跨度的优化控制问题分解为多个较短或有限时间跨度的优化控制问题，求得最优解。
73、一种养殖多工作点的增益调度模型预测控制器系统，采用上述任一项所述的一种养殖多工作点的增益调度模型预测控制器的设计方法。
74、上述的一种养殖多工作点的增益调度模型预测控制器系统在水产养殖中长期溶解氧精确跟踪控制的应用。
75、本发明的有益效果是：
76、本发明提出一种养殖多工作点的增益调度模型预测控制器设计方法，提高了控制精度，降低了能耗，可以有效地用于水产养殖中溶解氧水平的长期精确控制。本发明的gsmpc(gain scheduling model predictive control)控制器为解决循环水养殖系统的实际需求积累了进一步的经验。
1.一种养殖多工作点的增益调度模型预测控制器的设计方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种养殖多工作点的增益调度模型预测控制器的设计方法，其特征在于，所述s1具体为：
3.根据权利要求1所述的一种养殖多工作点的增益调度模型预测控制器的设计方法，其特征在于，
4.根据权利要求1所述的一种养殖多工作点的增益调度模型预测控制器的设计方法，其特征在于，
5.根据权利要求4所述的一种养殖多工作点的增益调度模型预测控制器的设计方法，其特征在于，所述增益调度信号设计方案具体如下：
6.根据权利要求1所述的一种养殖多工作点的增益调度模型预测控制器的设计方法，其特征在于，
7.根据权利要求1所述的一种养殖多工作点的增益调度模型预测控制器的设计方法，其特征在于，
8.根据权利要求1所述的一种养殖多工作点的增益调度模型预测控制器的设计方法，其特征在于，
9.一种养殖多工作点的增益调度模型预测控制器系统，采用权利要求1-7任一项所述的一种养殖多工作点的增益调度模型预测控制器的设计方法。
10.权利要求9所述的一种养殖多工作点的增益调度模型预测控制器系统在水产养殖中长期溶解氧精确跟踪控制的应用。
