具有可测扰动典型过程的预测函数控制

针对具有时滞可测扰动的一阶惯性纯滞后对象,考虑扰动通道和控制通道纯滞后时间相对大小,基于Smith预估补偿思想,提出了一种改进的可测扰动前馈补偿预测函数控制算法。仿真结果表明,该算法对可测扰动引起被调量的变化有很好的补偿效果,同时给出了补偿效果与预测函数控制器设计参数选择之间的规律。该算法计算量少,易于工程实现,具有很高的实际应用价值。     

时滞对象的自适应Smith广义预测控制

针对时滞被控对象提出了一种自适应Smith广义预测控制器方案。在广义预测控制中 ,以Smith预估器建立被控对象预测模型 ,并基于零频率时的模型匹配和有遗忘因子的递推最小二乘算法在线辨识系统参数和时滞 ,不断修正Smith预估器模型和控制器参数 ,有效克服系统参数和时滞变化对系统的影响 ,动态响应快 ,跟踪效果好。仿真结果证明了这种方法的有效性。     

基于Sugeno推理自调整模糊Smith-PID控制器仿真研究

针对工业控制中大惯性、纯滞后、参数时变非线性受控对象难于控制问题,提出一种新型控制器,利用Smith预估器补偿受控过程纯滞后作用,基于Sugeno推理模糊控制器自调整PID参数.给出控制器结构及其控制策略,并将其应用于加热炉温度控制系统中,与常规PID控制器和Smith预估补偿PID控制器比较.仿真结果表明,该控制器各项性能均好于其它两种控制器,具有动态调节性能好、稳态精度高、抗干扰性强和鲁棒巨好的特点.     

基于遗传预估策略的智能主动队列管理

针对TCP传输过程中的典型时滞特性,提出了一种智能主动队列管理算法.该算法以自学习预估机制模型为核心来克服大时滞特征对网络稳定性能的影响,拥塞控制系统以两条信息通道分别实现模型补偿和预测控制功能.模型补偿通道采用了Smith预估嚣实现对网络时滞特征的动态补偿,并进一步设计迭代进化算法实现对Smith预估模型未建模特征的估计过程.预测控制通道采用基于神经网络的PID智能丢弃算法,通过神经网络的学习预测功能自适应调整预测控制通道的控制行为.通过仿真研究表明了提出的控制方法显著提高了拥塞控制机制的稳定性能和自适应性能.     

超磁致伸缩致动器中的时滞建模与Smith控制策略

分析了超磁致伸缩致动器中的时滞环节及其机理,将可控恒流源和由驱动线圈组成的电感电路结合,运用试验方法对其进行整体建模,引入Smith控制策略来解决超磁致伸缩致动器中的时滞问题;研究了扰动情况下以及系统模型参数发生变化的情况下,时滞环节对超磁致伸缩致动器动态性能的影响;通过对比试验,给出了一种能同时满足系统动态性和鲁棒性要求的解决方案.     

时滞系统的鲁棒二自由度Smith预估控制

针对时滞过程控制对象 ,提出了一种鲁棒二自由度Smith预估控制方法。在常规Smith预估控制系统中 ,引入基于内模控制原理的鲁棒控制器 ,构成一种二自由度控制结构 ,能有效地抑制被控过程参数变化和干扰对系统的影响 ,使系统同时获得良好的控制性能和鲁棒性 ,克服了常规Smith预估控制的不足 ,而且控制算法简单 ,便于实际系统应用。理论分析和仿真结果表明了这种方法的有效性     

网络流量的神经网络自适应Smith预估补偿控制

网络的时延对基于速率反馈的ATM网络的ABR流量控制具有极大的不利影响，Smith预估补偿是克服大纯滞后影响的有效手段，然而其对时延的预估误差非常敏感，实际网络时延的不确定性往往使其难以取得满意的效果。该文将在线学习的神经网络自适应控制器与Smith预估补偿相结合，很好地克服了网络的时延及其不确定性对流量控制的不利影响，从而使信源的发送速率能快速响应网络状态的变化。与PIDSmith预估补偿控制相比，控制的适应性和鲁棒性更好，更适用于实际网络，且为保证信元不溢出及链路带宽充分利用所需的缓冲容量更低。     

冷轧监控AGC智能Smith预估器的算法设计

针对冷轧监控AGC控制的滞后特点,开发出新型的智能模糊PID+Smith预估控制器.给出了该混合型模糊PID+Smith预估器的算法原理及设计步骤.基于推导出的典型冷轧监控AGC模型,利用MATLAB软件对常规PID-Smith及混合型模糊PID-Smith两种控制器进行仿真分析.仿真结果及现场应用表明:相比常规的PID-Smith预估器,混合型Smith预估控制器具有鲁棒性强、动态响应快及稳态精度高的优点.     

基于无模型自适应控制的锌层厚度预估模型

针对锌层厚度控制过程中存在时变大滞后、非线性和多变量干扰而难以实现精确控制的问题,提出基于无模型自适应(MFA)结合Smith预估反馈控制方法.采用MFA预估算法可以实现Smith预估模型的参数偏差在线估计,并且不依赖预估模型的时间常数和延迟时间.从LabVIEW仿真数据结果可以看出,此控制策略对比增益自适应Smith控制算法,不仅能够有效地解决锌厚控制中系统高阶非线性问题,能有效克服不确定系统参数的扰动,并能有效处理系统时变大滞后问题.     

时滞系统的智能控制方法

介绍了基于Smith预估结构的时滞系统自适应模糊PID控制方法，该方法根据偏差e和偏差变化ec与PID控制器三个参数之间的关系，利用模糊控制原理对PID参数进行在线修正，使被控系统具有良好的动静态特性和抗干扰能力。仿真研究和实验表明了该控制方法的有效性。     

时变大滞后过程的专家模糊控制设计与仿真

目前工业过程中的大滞后控制问题仍然是公认的难题,而被控对象参数或结构的时变性更增加了控制的难度。鉴于此,提出一种两层结构的专家模糊控制方案:基本控制级采用仿人智能模糊控制策略,将模糊控制与仿人智能控制技术结合起来,充分利用模糊控制不需要被控对象的数学模型、鲁棒性好,和仿人智能控制抗滞后性强的优点;专家智能协调级吸收专家经验以及仿人智能控制思想,实时调整控制器的比例因子和量化因子。通过MATLAB仿真分析,证明了该方案具有较好的动静态响应特性和较强的鲁棒性,是解决时变大滞后过程控制问题的有效方法。     

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。     

基于改进Smith预估补偿的网络控制系统研究

为了有效减少网络时延对网络控制系统的影响,提出了一种新的改进Smith动态预估补偿方法,实现了将前向通路的时延从闭环回路中移到闭环回路外,将反馈通路(传感器到控制器)的时延从系统中彻底消除,无需对反馈通路实施网络调度。由于补偿模型不包含网络时延,因此无需在线测量、辨识或估计网络时延的大小,适用于网络时延是随机、时变和不确定,大于一个、甚至数十个采样周期的应用场合。基于CSMA/CD(Ethernet)和CSMA/AMP(CAN bus)网络协议,仿真研究验证了该方法的有效性。     

基于自整定和模糊自校正技术的改进Smith预估控制系统

针对常规Smith预估控制系统难于整定和对过程参数敏感的缺点,将模糊自校正与继电反馈自整定技术结合起来,提出了一种改进的Smith预估控制系统。大量仿真测试表明这种新的系统与常规系统相比可显著改善控制性能和适应能力。这种新的系统不仅对纯迟延占优势的大迟延对象有效,而且还适用于过程控制中大量存在的具有类似于纯迟延占优势对象特性的高阶对象和非最小相位过程。