《表2 计算工况：基于线性预测控制算法的明渠实时控制研究》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于线性预测控制算法的明渠实时控制研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

通过施加分水扰动来让仿真模型中的渠池水位发生变化，并基于控制算法的计算结果来调控节制闸，以维持闸前的水位稳定在目标水位附近。已有研究表明分水扰动所在的渠池越靠近下游，渠池系统中需要参与调控的节制闸就越多，这就会使得渠池的水位控制越困难[24]，因此这里将分水扰动工况设置为分水口6的分水流量增加5 m3/s。由公式（10）可知，MPC控制算法可将未来的分水扰动信息代入到预测模型中去，并以此进行水位预测并进行调控指令优化，这种情况下的控制就包含了前馈控制环节。而多数情况下的小分水扰动是不可知的，只有在分水变化导致的渠池水位变化后，控制算法通过感知水位变化再进行渠池的调控，这种情况下控制算法就属于纯反馈控制。因此，对于MPC控制中的分水变化工况，又可分为可预知分水流量变化和不可预知分水流量变化工况。为了对比MPC控制算法的控制效果，设置了LQR算法[14]调控下的结果作为对比。LQR算法为纯反馈算法，其算法中不包含分水流量信息，因此不需要对分水是否可预知情况进行区分。考虑到研究渠池的底坡较缓且控制水深较大的特征会使得渠池中的水位波动坦化不明显，这里采用低通滤波器对算法中收集的水位信号进行处理，记这种加了低通滤波器后的MPC和LQR分别为MPC-F和LQR-F控制。同时，将不采用水位信号低通滤波器的控制算法作为对比。这样可设置5种计算工况，见表2所示。