基于改进灰色预测模型的自整定PID控制

针对非线性滞后系统提出一种基于改进灰色预测模型的自整定PID控制．采用变步长四阶龙格一库塔法与灰色模型相结合的方法作为预测模型，通过BP神经网络建立参数自学习PID控制器，根据目标函数E调整△u，使系统输出最优化．仿真结果证明，该预测控制具有较好的跟踪效果，且有效地克服了误差及干扰等不确定因素所带来的影响．     

基于Laguerre函数模型的预测控制算法

在简述基于Ｌａｇｕｅｒｅ函数近似模型的自适应预测控制原理、算法及其特点的基础上,将现有的多步预测、单步优化的控制算法扩展为多步预测、多步优化的控制算法,并与传统的广义预测控制（ＧＰＣ）作了比较研究,结果表明基于Ｌａｇｕｅｒｅ函数模型的预测控制方法对变时延、变阶次被控对象的控制鲁棒性明显优于广义预测控制     

基于双模型预测函数控制的PVC聚合釜温度系统

介绍PVC聚合反应的过程,针对PVC温度系统的特殊性,提出基于多模型的预测函数控制策略。将被控过程空间分为多个子空间,每个子空间对应一个失配较小的预测模型,同时设计多个预测函数控制器与之对应。该控制策略拓宽了传统预测函数控制的应用领域。根据PVC的升温和保温这2个不同的反应区间采用了2个不同的预测模型,以适应过程参数在不同区间发生的变化。该算法在SUPCON-JX300X集散控制系统上利用SCX语言实现,工业现场运行取得了满意的效果。实际运行表明：该控制策略具有算法简单、易于工程实现的优点。     

基于Laguerra函数模型的预测控制算法

在简述基于Ｌａｇｕｅｅｒａ函数近似模型的自适应预测控制原理,算法及其特点的基础上,将现有的多步预测,单步优化的控制算法扩展为多步预测,多步优化的控制算法,并与传统的广义预测控制（ＧＰＣ）作为比较研究,结果表明基于Ｌａｇｕｅｒｒｅ函数模型的预测控制方法对变时延,变阶次被控对象的控制鲁棒性明显优于广义预测控制。     

具有比例积分结构的模型算法自适应控制器

通过构造新型目标函数,并且采用加权预测控制律代替一步预测控制量,得出了一种具有比例加积分结构的自适应模型算法加权控制器．该控制器能实现无偏差跟踪参考输入轨迹．仿真结果表明,对于时变对象,新算法自适应控制比基本型模型算法控制具有更强的鲁棒性．     

基于预测状态空间实现的GPC自适应算法

依据文［１］中提出的ＣＡＲＩＭＡ模型预测状态空间实现，在线辨识被控系统的单位阶跃响应序列和特征多项式系数，直接用辨识出的序列和特征多项式系数构成广义预测控制律．该算法计算量小，鲁棒性好，模型中Ｂ多项式阶次及时延可以未知     

基于Fminsearch的时滞系统Dahlin控制方法研究

针对以温度过程为代表的时滞系统中存在输出超调大、稳定性差的控制问题,提出了一种基于无约束非线性规划函数的Dahlin控制方法。先利用无约束非线性规划函数Fminsearch对被控对象模型参数进行辨识,得到被控对象模型参数,再通过Dahlin算法将系统闭环传递函数设计成纯延迟环节加一阶惯性环节的形式,从而可以得到满足被控系统闭环响应的控制器。仿真结果表明:通过设计Dahlin控制器并与传统PID及Smith预估控制对比,系统超调量及稳态误差得到了很好的控制,且具有很好的鲁棒性。     

基于PFC-(PID-H_∞)300MN模锻水压机动梁速度跟踪控制

提出基于PFC-(PID-H∞)的双闭环串级速度跟踪控制策略,内环为基于PID-H∞串级控制的凸轮转角控制环,外环为基于预测函数控制器的动梁速度控制环。将内控制环及后续水路系统看作PFC的广义被控对象,将广义被控对象简化为一阶加纯滞后对象,作为PFC的预测模型,设计水压机动梁速度跟踪控制系统,从模型失配、外加干扰2个方面对控制系统进行仿真。仿真和试验结果表明:该控制系统稳态精度、动态品质、跟踪性能和鲁棒性好,在不同载荷下,动梁速度控制精度为0.26～1.35mm/s。     

基于MLP实现水轮机适应式PID调节策略

提出一种基于ＭＬＰ模型实现适应式ＰＩＤ控制的策略．该策略不需要被控对象的精确模型，以经典的ＰＩＤ为基础，用神经网络实现，在给定评价函数下进行自学习．把它应用于单机运行的水轮机组频率扰动和负荷扰动仿真试验中，结果表明该策略对于被控系统的严重非线性有很好的适应性和鲁棒性     

基于单神经元的非线性单值预测控制

利用单神经元构造被控对象的预测模型，给出了基于单神经元预测模型的单值预测控制算法，证明了该算法具有结构简单、运算量小、速度快的特点．通过理论分析给出了神经元学习收敛的充分条件．仿真结果表明了该算法的可行性．     

气体分馏装置多变量预测函数控制方法

针对气体分馏工业过程中存在的多变量、强耦合、大滞后等系统特性,设计了一种预测时域可调的多变量预测函数控制算法.该方法结合单变量预测函数控制及Simith预估器的特点,通过对预测时域进行分段设定,以期达到较好的快速性和稳定性.以气体分馏装置的脱丙烷塔为例,依托现场的实测模型,对提出的算法进行了验证.结果表明,所提出预测时域可调的多变量预测函数控制算法调节时间短,跟踪效果好.     

基于 PFC -PID 的锅炉汽包水位控制系统

根据预测函数控制（Predictive Functional Control,PFC）的基本原理和应用特点,在分析其一般算法的基础上,设计了余热锅炉汽包水位控制系统的预测函数控制器。通过内回路采用传统 PID,外回路采用预测函数控制———预测函数控制与PID 串级控制相结合,取代传统的汽包水位三冲量串级 PID 控制。MATLAB 仿真结果表明,与传统 PID 控制策略相比,PFC PID 控制策略能快速消除给水流量的扰动,且具有较强的鲁棒性,动态品质良好。     

交流伺服系统PFC-PID串级控制的仿真研究

为了提高交流伺服系统的跟踪性能,将预测函数控制（PFC）和PID控制相结合,提出了一种PFC-PID串级控制策略.内环采用PID控制来提高抗干扰性,把内环作为外环PFC控制的广义对象,对广义对象进行拟合简化,得到一阶加纯滞后系统,作为PFC的预测模型,外环采用PFC来获得良好的跟踪性能.通过仿真及与PID控制的比较表明,采用PFC-PID串级控制策略能够改善交流伺服系统的控制特性.     

自适应模型预测控制的车道保持控制策略

建立车辆侧向动力学模块、车辆传感模块、道路曲率预瞄模块.在传统模型预测控制(MPC)算法的基础上,利用辛普森法则,结合车道保持优化性能指标和系统约束,设计基于自适应模型预测控制的车道保持控制策略.在Simulink环境下,将其与基于传统模型预测控制器进行比较分析.仿真结果表明:相较于模型预测控制,自适应MPC能够在各控制周期实现车辆模型更新,在强非线性工况下具备较好的鲁棒性,进而能够保证行车安全的前提下,获取较好的乘坐舒适性.     

辨识与控制分离的广义预测控制算法

提出了一种自适应广义预测控制策略．其中，对象参数辨识及预测模型参数计算等以较大的采样周期进行，滚动优化控制以较小的采样周期进行．将辨识与控制运算分别放在２个不同的中断服务程序中，使辨识与控制分离，通过不同采样周期的模型变换建立起辨识与控制的联系，可大大缩短控制运算时间，提高控制的实时性     

基于模型预测策略的永磁同步电机最大转矩电流比控制优化

针对当前在采用最大转矩电流比(maximum torque per ampere,MTPA)控制策略的永磁同步电机双闭环矢量控制系统中,因外在负载或电机转矩突变,造成电流调节器因积分饱和而导致电机实际定子交-直轴电流无法快速跟踪给定的MTPA电流问题,提出一种基于模型预测控制原理的两矢量模型预测控制策略,来取代传统双闭环电机控制系统中的电流内环调节器。在分析永磁同步电机MTPA控制原理、电流内环调节器饱和原因的基础上,利用模型预测控制的非线性约束处理能力在每个采样周期内通过两电压矢量模型预测控制策略,获得更加准确的电压矢量。实现系统实时动态跟踪永磁同步电机MTPA轨迹的目标。仿真和实验结果表明,该控制策略在电机给定转矩或外在负载转矩突变情况下可实时跟踪MTPA给定电流的变化,电机定子电流未出现较大波动。     

改进的预测控制算法用于加热炉支管温度控制

加热炉支管温度平衡系统是一个多变量、非线性、强耦合的复杂过程,当应用传统预测控制方法时,控制量的获得需要在线求解一个多变量、多约束的非线性规划问题,传统非线性规划方法求解该类问题时易收敛到非法解或局部极小。针对上述问题提出一种基于差分进化(differential evolution,DE)算法的预测控制,使用DE算法在线求解涉及的优化问题获得控制量。为了验证方法的有效性,对基于DE算法的预测控制器进行了仿真研究。仿真结果表明,所提出的方法有着很好的跟踪性能,并且对干扰有较强的鲁棒性,提高了系统的控制效果。     

基于T-S模型的模糊预测控制在列车速度控制器中的应用研究

针对列车的速度控制特点,提出了基于Takagi-Sugeno(T-S)模型的模糊预测函数控制方法.设计了一种列车速度模糊预测函数控制器,并针对不同运行状况以及列车在启动、停止以及运行过程中的特点采取相应的控制策略,将整个控制过程分为多个子空间,每个子空间对应一个线性预测模型,通过仿真研究,验证了该控制器具有良好特性曲线跟踪能力.     

工业锅炉汽包水位系统智能调节研究

针对工业锅炉中具有较复杂动态特性的汽包水位系统,提出了用广义预测控制算法对锅炉汽包水位控制的一种有效方法。该方法是预测控制技术的一个非常重要的分支,将这种算法用于锅炉汽包水位控制的仿真研究表明,该控制方案表现出良好的控制品质并能适应被控对象参数的变化,具有较强的鲁棒性和自适应能力。它明显优于传统的 PID 控制。