大滞后非线性系统PID型多步预测控制

简要概述了基于神经网络的大滞后非线性系统多步预测器的实现,在分析直接多步预测中的误差自关联问题的基础上,提出一种较为准确的去误差直接预测方法,引用鲁棒性好的PID型多步预测目标函数对滞后非线性系统实现预测控制.在控制中,采用适用于动态系统的递归神经网络.仿真实验表明了所提方法的有效性.     

基于新息序列的多维MA(q)模型适时递推预测

利用Hilbert空间中正交投影的有关理论,给出并证明了最佳线性预测在内积定义下的一个定理,以此作为适时递归预测的基础.讨论了新息递归算法的理论和方法,将新息算法运用于多维MA(q)模型的预测问题.利用有穷观测值导出并证明了多维MA(q)模型的任意l步适时递归预测公式.     

基于递归神经网络的多步预报方法

为了解决由多层前馈神经网络递推运算获得的多步预报存在的预报误差迭代累积问题 ,提出了基于局部递归神经网络的多步递归神经网络 (MSRN)模型 ,对时间序列进行了多步预报 .用模拟振动数据把MSRN模型用作单步和多步的预报能力 ,同经典的多层前馈神经网络进行了比较 ,并预报了天津石化总公司炼油厂大机组某测点振动的变化趋势 实践表明 ,用该方法进行多步预报误差小 ,并具有良好的预报能力 .     

一种递归模糊神经网络的广义预测控制方法

提出了一种递归模糊神经网络(RFNN),通过加入向量调节层,提高了网络对输入信息的处理能力。基于所设计的递归模糊神经网络,建立非线性系统的离散数学多步模糊预测模型,根据这一模型对系统的输出进行预测,然后利用预测控制算法得到相应的预测控制规律。仿真结果表明该方法具有较高的控制精度以及一定的抗干扰能力。     

多步预测误差方法在先控性能评估中的应用

本文在基于最优预报的基础上提出了一种新的MPC性能评估方法。通过将已有的基于k步预测误差的控制系统性能评估方法进行拓展,得到了一种新的基于多步最优预测误差的先进控制系统的性能评估方法。最后提出了一个新的基于多步预测误差的性能指标用来对先进控制系统的控制性能进行评估和分析。该方法不需要关于过程的任何先验信息,因此便于在实际工程中实施和应用。将所提出的方法应用在某石化企业的一套先进控制装置的性能评估当中,验证了该方法的有效性。     

基于递归神经网络的多变量系统预测控制

针对线性PID控制器系数难以整定的问题，构造了一种用神经网络实现的非线性PID控制器．多个具有相同结构的非线性PID控制器并联，对多变量系统实现解耦控制器．结合预测控制的思想，提出两种控制方案．第一种是在递归多步预测的基础上，在广义最小方差目标函数下实现控制，第二种利用多步预测目标函数在线修正解耦控制器的权值．仿真实验表明这两种方法的有效性．     

基于小波神经网络的电价滚动预测模型

探讨了基于小波分析和神经网络的3种短期电价预测模型,比较了提前1步的滚动预测与提前N步的预测方法.采用预测误差概率分布作为预测误差的评价指标,并以美国加州电力市场的实际运行数据为基础,连续预测该市场1个月的电价.结果表明:提出的具有滚动预测概念的模型III具有良好的预测精度,其误差分布还显示出该模型具有较高的预测置信度.     

基于小波分析法与神经网络法的非平稳风速信号短期预测优化算法

为提高传统神经网络对非平稳风速的预测精度,提出一种基于小波分析法与神经网络法混合建模的优化算法。该优化方法引入小波分析法对实测非平稳风速信号进行分解,将非平稳性原始风速序列转化为多层较平稳分解风速序列,再利用BP神经网络对各分解层风速序列建立预测模型,最终加权各层预测结果获得风速超前多步预测结果。仿真结果表明:该优化算法实现了风速的高精度短期多步预测,将传统神经网络法对应超前步数的平均绝对相对误差分别提高了55.56%,32.43%和34.58%,其超前1步、3步和5步预测的风速平均相对误差分别为0.48%,1.50%和2.97%。优化网络具备信号分解与自学习能力。     

基于内模原理的简单PID自校正预测控制器

论述了PID自校正预测控制器的一种简单设计方法。其主要内容有：内模控制原理；基于内模原理构成d步超前预测控来］器；根据d步超前预测信号，设计了PID自校正预测控制器。仿真结果表明：这种控制技术是有效的。     

基于内模原理的简单PID自校正预测控制器

论述了ＰＩＤ自校正预测控制器的一种简单设计方法。其主要内容有：内模控制原理；基于内模原理构成ｄ步超前预测控制器；根据ｄ步超前预测信号，设计了ＰＩＤ自校正预测控制器。仿真结果表明，这种控制技术是有效的。     

基于模型预测的双馈电机并网策略

根据电网电压矢量控制的双馈电机数学模型,推导出一种转子电流和转子电压近似解耦的状态空间方程。基于该状态空间方程的离散模型,预测双馈风力发电机系统未来的状态量和输出量。以快速达到最终稳定为目的,设计预测模型和评价函数;以该预测模型和评价函数提出了一种模型预测控制器,并将提出的模型预测控制器与转子位置初始误差补偿控制器结合,提出一种双馈电机的分步并网控制策略。仿真结果显示虽然有时模型预测控制器在跟随参考值会有超调略大的情况,但其在并网和功率阶跃响应时显示出了良好的动态特性以及稳定性,验证了模型预测控制器与分步并网控制策略的有效性以及控制器良好的控制性能。     

BP人工神经网络法研究PBDE_S类化合物的RRT

运用BP人工神经网络方法对PBDEs的相对保留时间(RRT)进行了QSPR研究.所建的BP人工神经网对PBDEs的RRT预测准确度非常高,网络训练误差几乎为0,网络回判MSE误差为0.003 9,明显低于逐步回归分析结果,独立检测集MSE误差为0.000 4,也很低,说明BP人工神经网具有较好的泛化能力.此方法得到的模型预测能力要优于逐步回归模型.     

基于动态SV模型预测国债利率期限结构

选取中国人民银行2011年1月至2018年3月共87个月的国债收益率数据,通过改变价格数据为收益率数据,将传统的Svensson模型求解转化为线性优化问题,对利率期限结构进行较精确拟合,实证结果表明,参数的估计值与理论值有高度相关性且更加稳健。之后基于SV模型中各参数的AR（1）模型和VAR（1）模型构建了动态SV模型,实现了预测步长为1个月、6个月和1年的样本外预测,预测结果表明,随着预测步长增大,动态SV模型的预测能力逐渐增强;当预测步长为1年时,SV-VAR（1）模型表现出较明显的优势,特别是对于长期利率的预测,预测误差的均值、方差以及均方根误差均小于其他模型。因此,动态SV模型更适合于步长较长时长期利率的预测,并且SV-VAR（1）模型的表现更好,这为国债利率期限预测提供了一种新方法。     

四轮独立转向电动汽车路径跟踪预测控制

对于四轮独立转向(4WIS)电动汽车采取前后轮同时转向的策略,建立4WIS电动汽车动力学模型,得到相关的状态空间表达式,推导出线性时变路径跟踪预测模型.基于模型预测控制理论,结合约束条件和优化目标函数,将控制算法转化为标准二次规划问题,设计了4WIS路径跟踪控制器;然后利用Matlab/Carsim联合仿真平台,进行双移线工况下的仿真试验,最后验证控制算法对速度和路况的鲁棒性,分析了控制器参数对算法实时性的影响.     

基于递归神经网络模型的传感器非线性动态补偿

讨论了递归神经网络模型在传感器非线性动态补偿中的应用，给出了递归神经网络模型的结构及相应的训练算法．递归神经网络模型本身具有动态映射能力，其结构仅与输入层和中间层的节点数有关，且不需要知道被补偿传感器的结构特性(如输出、输入的最大延迟)等先验知识，简化了动态补偿器的结构设计．采用递推预报误差算法训练神经网络，具有收敛速度快、收敛精度高的特点．实验结果表明，经过补偿后的传感器具有期望的输入输出特性，应用递归神经网络对传感器进行非线性动态补偿是一种行之有效的方法．     

满足滞留度指标的图像波门预测技术研究

将衡量目标图像跟踪好坏的滞留度指标转换成预测误差稳态方差指标,利用满意估计思想估计增益,对图像波门中心进行预测,使得稳态预测误差方差满足给定误差方差指标、预测误差系统的极点配置到给定的圆内,确保目标图像跟踪过程中,目标穿越波门的滞留度满足预定要求,并保证预测过程具有满意动态特性。利用线性矩阵不等式（LMI）方法,将满意估计增益的求解问题转化成LMI组的可行解问题,后者可借助M atlab－LMI工具箱有效求解。     

基于核独立成分分析的盲多用户检测算法

针对部分多用户检测算法需要对信道参数进行估计的缺点，提出了一种基于核独立成分分析的盲多用户检测算法．该算法根据源信号的不同分布情况，在重建核希尔伯特空间内选取不同的非线性函数作为对比函数，将信号从低维空间映射到高维空间．在高维空间，接收端利用已知信息，将目标用户扩频码作为解混矩阵的初始值，利用自适应方法进行迭代，有效地解决了盲信号分离的无序性，实现了目标用户信号的提取．仿真实验表明，该算法的误码率性能在用户数量增大和远近效应严重的情况下都远优于基于匹配滤波器的单用户检测器，与传统独立成分分析方法相比更具灵活性和鲁棒性．     

基于灰色预测的微动机器人自适应模糊控制

由于微动机器人是含有闭链结构的高度非线性复杂系统,其精确的数学模型难以获得,因此本文设计了基于估计模型的预测控制方案.因为预测控制对环境和对象的不确定性有很强的鲁棒性,所以能够取得较好的控制效果.仿真结果验证了该方案的有效性.     

独立成分分析支持向量机回归模型及其在近红外光谱分析中的应用

首先采用独立成分分析(ICA)提取近红外光谱数据矩阵的独立成分和相应的混合矩阵,然后用支持向量机回归(SVR)对混合矩阵和实测浓度矩阵进行建模,建立了独立成分分析-支持向量机回归(ICA SVR)的近红外分析建模方法.结果表明,ICA SVR模型的预测结果明显优于SVR和偏最小二乘法(PLS)方法,方法用于肉样品中水分、脂肪和蛋白质的同时测定,获得了满意的结果.