模型预测控制(Model Predictive Control,MPC)是一种在工业过程中产生的控制算法,经过几十年的发展,无论在理论研究还是在工业应用中,线性模型预测控制都已经发展成熟,然而实际生产过程中普遍存在的非线性,使得线性模型预测控制效果大打折扣,因此对非线性模型预测控制的研究十分必要。非线性预测控制主要包括基于机理模型的非线性模型预测控制,基于实验模型的非线性模型预测控制,基于智能模型的非线性模型预测控制和基于特殊模型的非线性模型预测控制等。随着科学技术理论研究的不断深入,应用T-S模糊神经网络建模思想和模型预测控制相结合的控制方法,并结合Hammerstein模型结构,成为研究典型非线性系统的重要控制手段。T-S模糊神经网络不仅具有局部逼近功能,而且具有神经网络和模糊逻辑两者的优点。本文针对Hammerstein模型描述的非线性系统进行基于T-S模糊神经网络的预测控制研究。首先应用最小二乘支持向量机(LSSVM)辨识非线性系统得到非线性系统的Hammerstein模型,利用T-S模糊神经网络辨识静态非线性部分的逆模型。采用非线性控制分离策略,应用动态矩阵控制算法计算Hammerstein模型动态线性部分的中间变量,作为T-S模糊神经网络的输入,进而通过T-S模糊神经网络逆映射出控制量,以实现基于T-S模糊神经网络的Hammerstein模型预测控制。最后将提出的控制方法应用到p H中和过程的控制中,仿真结果表明本文所提方法控制效果良好,具有良好的可行性和实施性。