关于GPC中的downdating问题

本文利用矩阵分解方法，推导出一种求解广义预测控制（GPC）中的逆矩阵的downdating问题的算法．使GPC取得了更好的控制效果，求解过程中的计算量却减少了许多．     

基于神经网络的永磁同步电机广义预测控制

介绍了一种基于神经网络的永磁同步电机矢量控制系统的广义预测控制方法.通过分析永磁同步电机数学模型,采用带有延时结构的多层前向神经网络作为预测模型,进行非线性广义预测控制.控制算法是基于非线性激励函数的局部线性思想,将预测模型处理成线性和非线性两部分,并用线性预测控制方法求得控制律,简化了计算.仿真结果表明,利用该法建立的永磁同步电机调速系统,具有良好的控制效果.     

一种基于Wiener模型的非线性预测控制

提出了一种基于Wiener模型的非线性预测控制方法.通过引入非线性部分的广义回归网络逆模型,将非线性预测控制转化为线性预测控制,用线性优化算法解决非线性预测控制问题,避免了复杂的非线性优化.仿真实验表明了该方法的有效性.     

基于广义Hammerstein模型的多变量非线性预测控制

将单输入单输出的Ｈａｍｍｅｒｓｔｅｉｎ模型推广至多输入多输出系统,提出了广义Ｈａｍｍｅｒｓｔｅｉｎ模型,并给出了其辨识建模方法．进一步以此模型为基础,提出了一种多变量非线性预测控制算法．该算法利用了线性预测控制的成果,避免了通常非线性模型预测控制所需的在线数值寻优计算,大大节约了在线计算时间、提高了算法的可靠性和稳定性．     

一种改进的广义预测控制算法

广义预测控制（GPC）在大纯滞后过程控制中仍有不足．本文通过调整GPC的参考轨迹，对GPC算法做了改进，提高了GPC的稳定性和鲁棒性，仿真结果表明此算法控制效果具有良好的应用价值．     

基于小脑模型的广义预测控制快速算法

从状态空间的角度推导出广义预测控制算法,并利用小脑模型(CMAC)提出了一种新型广义预测控制快速算法,解决了传统GPC算法计算量大的问题.仿真结果表明该算法的有效性.     

一类非线性系统的广义预测控制

将广义预测控制应用于Hammerstein模型描述的非线性系统,得到了一类非线性系统的广义预测控制算法.仿真结果表明,该算法具有较强的鲁棒性.     

基于差分型思维进化算法的受限广义预测控制

针对广义预测控制(GPC)的滚动优化对受限控制量求解的复杂性,笔者提出一种基于差分型思维进化算法的受限广义预测控制方法(DMEAGPC)。用差分型思维进化算法处理带约束的非线性优化问题,以此作为滚动优化策略,求得最优控制律。并将该算法应用于电厂再热汽温系统,仿真结果验证了该算法的有效性和可靠性。     

基于神经网络的车用发动机广义预测控制

为了改善具有非线性特性的发动机燃油控制效果,以达到高效率、低污染的要求。利用一种前向神经网络作为非线性系统的模型,并将其分为线性部分和非线性部分。其中非线性部分用单隐层的BP神经网络对其建模,采用学习速度较快的Davidon最小二乘法在线调整网络权值;线性部分采用受控自回归积分滑动平均(CARIMA)模型作为其数学模型,用递推最小二乘法(RLS)作为其参数辨识的方法。每步将所得非线性系统的网络模型线性展开,得到线性回归模型,并以非线性前馈增益方式补偿建模误差,建立了一种适合非线性系统的自校正广义预测控制器。仿真结果表明该算法收敛速度快,控制动作平稳,控制效果理想。     

广义预测控制矩阵求逆的快速算法研究

为提高广义预测控制系统的实时性,基于Toeplitz变换提出了广义预测控制(GPC)逆矩阵的快速算法.在预测时域N和控制时域M相等与不相等两种情况下,将控制律求逆部分变换成Toeplitz形式,采用Trench-Zohar求逆算法快速求取变换后的逆矩阵.分析表明,该算法计算量比常规求逆计算低一阶,并且步骤简便,容易编程实现.     

一类非线性滞后系统的广义预测控制

对将线性系统的广义预测控制算法推广应用到非线性系统的控制问题进行了研究,即在每个控制周期内,递推预测非线性滞后系统在将来时刻的工作点,在工作点附近对非线性系统进行线性化,根据得出的线性化模型进行广义预测控制,并采用动态寻优的方法逐步逼近最优控制,仿真结果表明:非线性系统的广义预测控制算法能快速有效地跟踪系统的设定值,控制效果良好.     

变结构广义预测控制

在变结构控制的基础上,引入了广义预测控制,导出了变结构广义预测控制的算法。该算法比传统的变结构控制算法有更强的鲁棒性,仿真结果验证了算法的有效性。     

补偿预测误差的非线性系统广义预测控制

将一类非线性系统等价表示为时变线性系统,研究了非线性系统的广义预测控制。利用三次样条基函数多项式逼近时变系数,将时变参数的估计转化为定常参数的估计。为了提高输出预报精度,采用小波网络对预报误差进行预测,作为输出预报的补偿。仿真研究结果表明了所提方法的有效性。     

基于B—P神经网络的非线性系统预测控制的研究

预测控制是以计算机为手段基于模型预测进行控制的方法,但是已有的预测控制算法通常是针对线性渐进稳定对象的,或者即使针对非线性使用了非线性模型,但由于算法过于复杂不能适用于快速系统,本文对复杂非线性系统提出了一种基于Ｂ－神经网络的预测控制方法,仿真和实际结果表明该方法的有效性和快速性,能够实现对非线性系统的实时智能优化控制。     

非线性系统的分层优化预测控制

提出了一种基于分层优化策略和动态最优控制解法的非线性系统预测控制算法,该方法大大减小了在线计算量,使实时控制成为可能.给出了详尽的理论推导,以一个仿真算例证明了算法的正确、可行与有效性.     

GPC当前控制的矩阵分解算法

本文用矩阵的三角分解法(LR)求广义预测控制器(GPc)的当前控制u(k),避免了矩阵求逆运算。此方法减少了广义预测自校正控制算法的运算量,有利于该算法在实时控制中的应用。     

一种适于非线性非高斯目标跟踪的MRIMMPF算法

为解决粒子滤波应用到IMM算法时计算量过大的问题,融合交互式多模型和粒子滤波,提出了一种采用多速率方法的交互式多模型粒子滤波(multirate interacting multiple model particle filter,MRIMMPF)算法.该算法采用多模型结构来跟踪任意机动的目标;使用一种3模型、one-third速率/全速率跟踪算法,一个one-third速率模型处理非机动或微弱机动,2个全速率模型用于机动模式,以处理非线性、非高斯问题.仿真结果表明,MRIMMPF算法在性能上并不低于交互多模型粒子滤波(IMMPF)算法,但是计算量明显减小.     

预测控制在交流电梯速度控制中的应用

针对一种采用多CPU微机控制的电梯拖动系统，分析了其运行速度曲线和控制运算的特点，指出了电梯在常规的PID控制下不能很好地按给定速度曲线运行。为此，基于参数模型的广义预测控制（GPC）原理，建立了电梯速度预测控制的预测模型，旨在对交流电梯速度参数进行预测控制的方法进行研究，并研究其控制规律，最后对预测模型进行了仿真。仿真结果表明，预测控制用于电梯的速度控制，具有良好的鲁棒性，与传统的PID控制方法相比，效果十分明显。     

基于平方和规划法的一种估计系统吸引域的改进算法

对于一个不是全局渐近稳定的非线性系统,研究其吸引域有重要的意义,多项式系统是非线性系统中一类非常重要的系统。平方和规划方法（Sum of Squares Programming,SOSP）是近年来提出的一种分析多项式非线性系统的方法,但将其用于估计系统吸引域时会遇到未知量双线性问题,无法直接进行求解。本文针对这一问题提出了一种可靠的算法,从而可以使用平方和规划方法估计多项式系统的吸引域,同时具有较快的求解速度。仿真算例验证算法的可行性和高效性。