网络控制系统中自适应DMC算法的仿真研究

针对网络控制系统(NCS)提出了自适应动态矩阵控制(DMC)算法。其基本思想是使用一个离散的延迟模型来预测对象的未来输出。给出了算法的推导过程和估计网络引入延迟的方法,基于TrueTime工具箱对比了不同网络条件下自适应DMC算法和传统DMC算法的性能。仿真结果表明自适应DMC算法能够适应网络条件的变化,为NCS提供更好的控制品质。     

目标运动仿真子系统的精度分析

目标运动仿真子系统是寻的制导导弹半实物射频仿真系统的主要误差源,本文系统地分析了这个子系统的精度。采用Hannan-Risscanen方法建立了子系统的误差模型,通过全弹道仿真,定量地给出了子系统的误差对仿真结果的影响。进一步结合仿真系统和误差模型的特点,探讨了误差校正方案,并给出了自适应滤波校正方案的仿真算例。     

微观交通仿真系统参数校正研究

微观交通仿真模型在交通系统管理、控制和优化中得到了广泛的应用，大多数仿真模型参数均是针对模型开发国家的交通情况确定的，并不一定适合我国国情。提出了微观仿真模型参数校正流程，然后以合肥市大东门区域VISSIM仿真系统模型为实例，建立了仿真模型参数校正的遗传模拟退火启发式算法，实现了对VISSIM的仿真参数的自动化校正，根据实测结果和仿真实验比较分析，验证了算法的有效性。     

隐式广义预测自校正控制算法的混合仿真研究

利用广义预测控制与动态矩阵控制的等价性，根据动态矩阵控制中误差校正原理，对广义预测控制算法中的开环预测向量ｆ作了修正，并通过模拟仿真仪对该算法进行了混合仿真研究。     

锅炉汽包水位系统DMC-PID串级控制仿真研究

给出具有可测干扰系统的动态矩阵控制(DMC)算法,并结合动态矩阵控制、串级调节和PID控制三者的优点,提出了锅炉汽包水位控制系统的DMC-PID控制策略,即内回路采用PID控制快速消除给水流量的扰动,外回路采用带前馈补偿的DMC控制,可有效地克服汽包水位系统的另一主要扰动-蒸汽流量的扰动,同时DMC的强鲁棒性保证了在对象特性变化的情况下仍然获得良好的调节品质。计算机仿真结果显示了该控制策略的有效性和实用性。     

隐式广义预测自校正控制算法的混合仿真研究

本文利用广义预测控制与动态矩阵控制的等价性，根据动态矩阵控制中误差校正原理对广义预测控制算法中的开环预测向量ｆ作了修正。并通过模拟仿真仪对该算法进行了混合仿真研究。     

通道幅相误差条件下的相干信源波达方向估计

针对通道幅相误差条件下的相干信源波达方向(direction of arrival, DOA)估计问题,提出一种基于互相关矢量的误差校正和解相干算法。首先对阵列的状态转换进行时延控制,使两个子阵的接收数据保持旋转不变特性。再利用阵列互相关矢量元素的错位比值实现了误差系数估计,将误差校正后的互相关矢量重构为一个等效协方差矩阵即可实现解相干。进一步对不同时延可能导致的角度偏移进行了分析。仿真结果表明,该算法能够实现通道幅相误差的精确校正及解相干,且DOA估计性能接近于无幅相误差条件下的空间平滑类算法。     

仿真结果信度评估数学模型初探

对仿真结果信度评估问题进行了探讨。提出了总体仿真结果的误差服从多维正态分布的假设,给出了参数估计方法;提出了M维ε误差椭球法并给出了一种对总体仿真结果真实性信度评估的算法。此种结论可推广到其它各种仿真信度评估问题中进行应用     

并联式恒模阵的共道信号接收算法与系统误差研究

并联式恒模阵由于利用了信号的恒模特性而且结构简单，被广泛应用于共道信号接收的研究中。但现有算法对信号波达角的信息要求较高，可能造成多个阵误收敛至同一信号，并且多为理想条件下的算法分析。针对这些问题，提出了一种基于初始假设的共道信号接收方法，并对误差条件下的系统性能进行仿真。仿真结果说明此方法无需对阵列进行校正，瞄准方向误差和阵元失效对并联式恒模阵的影响较小，而对阵元位置误差敏感性稍高。     

基于最小二乘的阵元位置误差校正及性能分析

针对独立校准信源波达角未知情况下的阵列位置误差校正问题,提出了一种对信号导向矢量的绝对相位进行最小二乘线性拟合,进而估计出阵元位置误差的算法。并对算法的性能进行了详细分析,推导出位置误差估计的显示表达。该算法在对阵元位置误差进行估计时无需迭代运算,甚至不需要一维搜索,具有较低的运算复杂度。理论分析和仿真结果验证了该算法的有效性。     

基于C-R模糊模型的非线性预测控制

Cao和Ress提出的模糊模型（称为C-R模糊模型）由模糊推理和局部线性解析模型两部分组成，用隶属函数加权局部模型构成系统的全局非线性模型。本文提出了一种新的结构上与阶跃模型相类似的C-R模糊阶跃模型。并用DMC动态矩阵控制算法，求解基于该模型的非线性预测控制问题，得出了预测控制算法的解析形式，该方法克服了一般非线性预测控制算法求解困难的缺陷。     

分布式MPC在网络化制造环境下SCM中的应用

针对网络化制造环境下动态供应链管理特点,利用分布式模型预测控制技术解决供应链中动态优化控制问题。首先,阐述动态供应链运行机理,并以此提出完整的随机动态优化控制模型及其控制约束;其次,给出分布式模型预测控制算法,并构建了优化控制序列模型;最后,仿真实例结果表明,利用分布式模型预测控制技术计算供应链中各阶段订货率,可以预测企业各阶段理想库存,从而快速响应市场动态变化,有效控制供应链管理中的不确定性。     

动态矩阵解耦控制及其应用

针对双输入双输出的多变量强耦合系统，首先将其分解为两个双输入单输出系统，并用动态矩阵控制原理设计了控制器。通过求解二元一次矩阵方程组，实现了多步预测的解耦控制。仿真研究结果证实了该算法的有效性。     

基于模型预测控制的供应链操作优化仿真方案

基于模型预测控制算法为供应链中的操作决策问题建立动态定量的供应链整体系统模型进行研究,结合供应链特点改进目标函数,使得利润最大化同时保证了客户服务最大可能地接近期望水平,提出了一整套供应链滚动操作优化决策方案,为供应链决策者提供一体化的动态决策支持;并进一步针对不确定性市场需求的现实,引入风险值库存管理策略,定量测量和控制需求预测误差带来的库存风险,设计出应用于需求不确定市场环境下供应链滚动操作优化决策方案.基于GAMS的仿真结果证明了算法的有效性.     

基于价值导向策略的时延预测补偿算法

针对工业控制模型的复杂化以及由此引起的时延叠加问题,利用预测思想,以解耦子系统为模型,采用动态矩阵控制(DMC)算法作了分析,同时充分考虑了子系统间的关联,采用价值导向策略优化调度算法,使控制作用快速平稳过渡,并在此基础上提出了针对复杂系统的时延预测补偿算法(TDCDMC)。由于时延导致了控制作用无法及时跟踪系统变化,引入了补偿因子和过渡因子在线整定预测控制量和时延控制量,对于突变频繁的时延系统亦能迅速跟踪输入。仿真结果表明,这种改进算法的时延补偿性能良好,保证了控制的稳定性和快速性。     

模型预测控制在网络化制造环境下SCM中的应用

针对网络化制造环境下供应链需求不确定的特点,采用模型预测控制技术解决供应链管理中库存的动态优化问题。首先,阐述了模型预测控制的机理及其在供应链动态控制方面的适应性;其次,建立了成本目标优化模型,提出控制法则并给出控制算法;最后,仿真结果表明,模型预测控制技术在预测合理库存水平以及控制动态、不确定的供应链系统是可行的。     

AN INTELLIGENT CONTROL SYSTEM BASED ONRECURRENT NEURAL FUZZY NETWORK AND ITS APPLICATION TO CSTR

In this paper, an intelligent control system based on recurrent neural fuzzy network is presented for complex, uncertain and nonlinear processes, in which a recurrent neural fuzzy network is used as controller (RNFNC) to control a process adaptively and a recurrent neural network based on recursive predictive error algorithm (RNNM) is utilized to estimate the gradient information ρy/ρu for optimizing the parameters of controller.Compared with many neural fuzzy control systems, it uses recurrent neural network to realize the fuzzy controller. Moreover, recursive predictive error algorithm (RPE) is im-plemented to construct RNNM on line. Lastly, in order to evaluate the performance of the proposed control system, the presented control system is applied to continuously stirred tank reactor (CSTR). Simulation comparisons, based on control effect and output error,with general fuzzy controller and feed-forward neural fuzzy network controller (FNFNC),are conducted. In addition, the rates of convergence of RNNM respectively using RPE algorithm and gradient learning algorithm are also compared. The results show that the proposed control system is better for controlling uncertain and nonlinear processes.     

GPC隐式算法及其在供热控制中的仿真研究

基于理论研究和工程应用的需要，提出了广义预测隐式算法。首先介绍了具有滤波器的模型已知的基本广义预测控制（GPC）算法，然后给出了两种隐式自适应算法，一种是已知对象阶跃响应前P个参数的算法，这种算法既不需要在线递推求解Diophantine方程，也不需在线求逆；另一种是一次辨识控制器参数的算法。最后以集中供热热力站热交换过程为应用背景，对基本算法和两种隐式算法进行仿真研究，其结果证明了算法的有效性。     

幅度相位误差条件下的互质阵列DOA估计方法

针对基于互质阵列的欠定波达方向(direction of arrival, DOA)估计方法在阵元幅相误差条件下性能急剧下降的问题, 提出一种基于校正阵元的互质阵列DOA估计方法。首先, 将阵列接收数据分解为两个子阵数据, 基于校正阵元对子阵分别进行幅相误差估计, 并将子阵幅相误差排序重组。然后, 对接收数据协方差矩阵进行误差补偿并扩展为高维的Toeplitz矩阵。最后, 基于矩阵填充理论对高维协方差矩阵进行空洞填充, 结合求根多重信号分类(root multiple signal classification, root-MUSIC)算法进行DOA估计。理论分析和仿真结果表明, 该方法可以实现互质阵列的幅相误差估计, 并通过误差补偿有效恢复幅相误差条件下的互质阵列DOA估计性能, 提高估计精度。