MPC中常用到的非线性模型

考虑到理论模型太复杂或难以获得解析表达式，一些非理论模型可以高精度逼近真实系统，已经应用于非线性系统的MPC，如Volterra，NARMAX模型，维纳模型，Hammerstein模型等。本文选取几种做简单介绍：

1. Volterra模型
   Volterra模型属于非理论性模型的一种，可以较为精确的描述非线性系统的动态特性。对于单数入单输出的离散非线性系统，二阶Volterra模型的一般形式可表述如下：
   $$y(k) = \sum_{i=1}^M h_1(i)u(k-i)+\sum_{i=1}^M \sum_{j=1}^M h_2(i,j)u(k-i)u(k-j)$$
   其中 $y_k$ 和 $u_k$ 分别是模型的输出和输入，$h_1(i)$ 和 $h_2(i,j)$ 分别是系统的一阶、二阶Volterra时域核。
2. Wiener模型
   Wiener模型描述了这样一类非线性系统：在不同工作点上，系统的静态非线性增益相差很大，而系统的动态特性很接近。它由动态线性部分和静态非线性部分组成.
   线性部分：
   $$A(q^{-1})x(t)=B(q^{-1})u(t)$$
   非线性部分：
   $$y(t)=f(x(t))$$
   式中：$A(q^{-1})=1+a_1q^{-1}+a_2q^{-2}+...+a_{n_a}q^{-{n_a}}$；$B(q^{-1})=1+b_1q^{-1}+b_2q^{-2}+...+b_{n_b}q^{-{n_b}}$;$u(t)$为模型输入；$x(t)$为中间变量；$y(t)$为模型输出；$f(·)$为非线性增益。
   wiener模型的结构如下：
   —u—> | Linear Model | —x—> | Nonlinear Model | —y—>
   置换一下非线性模型和线性模型的位置，及为Hammerstein模型的结构。
3. 非线性自回归滑动平均(NARMAX)模型
   NARMAX模型表示输入输出之间的非线性函数关系，该函数是一个非线性差分方程，如下式所示：
   $$y(k)=F^{N_t}(y(k-1),...,y(k-n_y),u(k-1),...,u(k-n_u),e(k-1),...,e(k-n_e))+e(k)$$
   其中，$n_y$,$n_u$,$n_e$分别是时刻$k$时，系统输出、输入与噪声想的最大延迟数，$u(k)$,$y(k)$分别是系统的输入与输出，$F^{N_t}[·]$是一个非线性函数。

(有时间随时更新)