灰色预测模糊控制水泥粉磨系统的仿真应用

将灰色预测、模糊控制相结合,提出一种灰色预测模糊控制算法.该方法应用模糊控制器,将灰色预测在线应用,预测结果代替测量值进行控制运算.仿真结果表明,利用该算法设计的控制器具有更加优良的性能.     

步长自调整的预测模糊控制器的研究

在介绍灰色模型(GM)建模的基础上,把预测控制的思想引入到模糊控制器中。模糊控制器的两个输入变量为设定值,与灰色预测模型的输出值之间比较得到预测误差及其预测误差的变化率。并根据过程状态提出了一种预测步长自调整的模糊决策机制,进一步改善系统的控制性能,即把由模糊决策器得到的预测步长作为灰色预测模型的一个输入来控制。仿真结果表明,该方法具有良好的控制性能和实用价值。     

温度预测模糊控制系统

将预测控制与模糊控制结合起来,形成一种预测模糊控制算法,并将该算法用于工业电阻炉的实时温度控制,获得了良好的控制效果。算法中,预测控制负责提高控制精度,模糊控制负责为实时控制提供预测模型未收敛时的控制量及模型收敛后的修正前控制量。     

预测模糊协调控制在纯滞后系统中的应用

针对电阻炉温度系统具有容量大、纯滞后量大,非线性的特点,提出了一种模糊预测协调控制算法,将模糊控制和预测控制相结合,发挥预测控制的超前性和模糊控制不需要对象精确模型的优势,增强了系统的跟踪和抗干扰能力.现场运行结果表明,该算法简洁实用,对纯滞后特性具有较好的补偿作用,对被控参数变化具有较强的适应能力,取得了满意的控制效果.     

一类时滞系统的模糊预测控制方法

对模糊控制和预测控制相结合的控制方法进行研究,提出了一种简单易于实现的模糊预测控制的组合方法.此方法将模糊控制的定性分析特点和预测控制的定量分析特点有效地结合起来,同时积分器的引入可以消除稳态偏差.仿真结果表明,该方法对控制作用的滞后时间不确定的系统十分有效.     

自动驾驶车辆的变步长路径跟踪控制

为提高自动驾驶车辆路径跟踪控制的稳定性并保证实时性,设计变步长模型预测控制器.通过变步长对预测时域进行分级,引入道路曲率及侧偏角约束,采用CVXGEN进行优化求解.通过Carsim和Matlab/Simulink联合仿真,对文中方法进行验证.结果表明:变步长模型预测控制器既能保证较好的跟踪效果,又能确保车辆行驶的稳定性.     

基于改进CS优化算法的灰色神经网络预测模型

为了提高灰色神经网络在人工智能预测领域中的预测准确性,提出一种改进布谷鸟算法优化灰色神经网络的预测方法.通过改进的布谷鸟算法对常规灰色神经网络(GNN)的白化参数进行优化,寻找出最优初始化参数,并将其结果作为灰色神经网络的输入,建立了基于改进布谷鸟优化的灰色神经网络预测模型,在此基础上,采用该方法对煤与瓦斯突出进行预测.仿真实验表明,该模型的预测精度要优于标准灰色神经网络和基于粒子群算法的灰色神经网络等方法.     

基于改进CS优化算法的灰色神经网络预测模型

为了提高灰色神经网络在人工智能预测领域中的预测准确性,提出一种改进布谷鸟算法优化灰色神经网络 的预测方法.通过改进的布谷鸟算法对常规灰色神经网络(GNN)的白化参数进行优化,寻找出最优初始化参数, 并将其结果作为灰色神经网络的输入,建立了基于改进布谷鸟优化的灰色神经网络预测模型,在此基础上,采用该 方法对煤与瓦斯突出进行预测.仿真实验表明,该模型的预测精度要优于标准灰色神经网络和基于粒子群算法的 灰色神经网络等方法.     

一种实用的灰色变结构速度控制器设计

将灰色预测理论引入到变结构控制中,设计了一种新型的灰色变结构控制器,该控制器应用灰色预测方法对变结构控制顺的控制策略进行预测,能有效地解决由于系统惯性引起的切换滞后带来了抖动问题,将灰色变结构控制器应用到交流调速系统中,仿真研究表明,系统能获得优良的动态和静态性能。     

灰色系统理论在粮食产量预测中的应用

灰色预测是一种对灰色系统进行白化的算法,该算法需要的信息少、通用性强、计算量小.针对粮食产量的预测问题,依据其历史数据,建立了基于灰色系统理论的时间序列预测模型,利用可信度p^0、关联度R、后验差比值C和小误差概率p等项指标检验了模型,证实了所建模型是可靠的,可行的.     

模糊信息粒化和GWO-SVM算法结合的短期风速范围预测

为了实现对风速范围区间的准确预测,提出一种基于模糊信息粒化和灰狼优化-支持向量机(GWO-SVM)算法的风速预测模型.该模型首先利用模糊信息粒子,从一段连续时间的风速值提取出最大值、最小值及大致的平均水平值;然后,采用时间序列风速输入模型,构建输入支持向量机模型的标签向量与特征矩阵;最后,通过灰狼算法进行支持向量机预测模型的参数寻优,实现对风速范围区间的准确预测.在实例验证阶段,将风速历史数据进行模糊粒化,采取4种不同的参数寻优方式对支持向量机预测模型进行参数寻优.结果表明:GWO-SVM算法可以有效地提高风速范围预测的精确度.     

基于改进灰色预测模型的自适应PID控制算法

针对大滞后系统提出一种基于改进灰色预测模型的自适应PID控制,采用优化背景值和初始条件的改进GM(1,1)模型作为预测模型,用预测结果代替被控对象测量值,克服了大滞后系统控制效果不能及时反馈的不足,并将二次型性能指标引入到PID控制器的整定过程中,按照性能指标的负梯度方向修改加权系数,实现了自适应PID的最优控制。仿真结果证明,该方法对大滞后系统具有较好的适应性和鲁棒性。     

基于FIG和GWO-SVM的灌浆功率时序预测

为更好地预测灌浆功率时序,建立基于模糊信息粒化(FIG)和灰狼优化支持向量机(GWO-SVM)的灌浆功率时序预测模型。首先,引入信息粒计算方法,将原始详尽的时间序列数值点分解为一系列信息粒,以减少模型的数据输入总量;其次,基于模糊集理论,采用模糊集算子对每个信息粒进行模糊计算,使得到的模糊信息粒可以合理地表示原始数值点集;最后,以支持向量机作为预测工具,并采用灰狼优化算法进行参数寻优,对产生的模糊信息粒进行快速准确的预测。结合实际工程,应用该预测模型对灌浆功率的波动范围和变化趋势进行预测研究,经过性能评价和对比分析,验证了模型的有效性和优越性。     

具SCGMmv(1,1)灰色预测器的变增益模糊控制系统

预测控制技术有其突出的优越性。提出将具SCGMmv(1，1)灰色预测器的变增益模糊控制系统方案用于大滞后且没有精确数学模型的被控对象。     

在未知环境下基于模糊预测的力/位混合控制方法

针对机器人在形状未知的接触环境表面上进行柔顺力控制的问题,在传统的力/位混合控制模型中采用一种模糊预测算法.此算法利用机械手末端与环境已产生的接触轨迹和运动方向,通过三种预测因子(满意度因子,曲率适应因子,参考比例因子),预测并调整未来采样时刻的力/位混合控制模型中的期望轨迹.每次预测时首先对以前的预测进行评估,同时考虑环境曲率和刚度变化的特点.此预测算法还可以应用于阻抗控制模型中.仿真证明,这种方法可以在不同的控制模型中取得较好的力控制效果,对未知环境的变化具有较强的适应能力.     

基于灰色预测-模糊控制的絮凝剂自动添加系统设计

分析了絮凝沉降过程大惯性、大滞后的特点,提出了在浓缩机清水层内进行浊度检测,并采用GM(1,1)灰色模型对清水层浊度值进行预测的方法,改善了系统滞后对絮凝剂添加控制性能的影响;设计了灰色预测与模糊控制相结合的絮凝剂自动添加系统。现场试验表明,该方法能够解决系统滞后大、絮凝剂添加不及时引起的溢流水浊度超标问题,浊度稳定性明显提高,避免了系统失控现象的发生。     

基于GM(1,2)模型的多步自调节灰色预测控制算法

基于GM(1,2)灰色模型和一种新型综合偏差,提出了基于GM(1,2)模型的多步自调节灰色预测控制算法.该算法可对系统输出偏差和预测偏差进行合成形成一个在线多步综合偏差,用此偏差代替传统最优控制算法中的偏差项,这样算法既有在线预测系统未来多步行为的功能,又能根据预测模型精度实时调节预测值在控制回路中的作用,减小了预测误差对系统的不利影响.仿真结果表明,该算法可获得较好的控制跟踪效果.     

系统云灰色预测模型及其应用

将灰色系统云理论引入到滑模变结构控制中,设计了一种新型的灰色模糊滑模控制器。该控制器将灰色预测与模糊推理的相结合对滑模控制器的控制策略进行预测输出。能有效地解决滑模控制系统中由于系统惯性引起的切换滞后所带来的抖动问题。将此控制器应用到交调速系统中,仿真研究表明交流调速系统能获得优良的动态和静态性能。     

基于灰色马尔可夫链模型的中国能源消费预测研究

随着中国经济的不断发展,能源需求不断上升,能否准确预测中国能源消费量对中国经济乃至全球经济发展都有重要的指导意义.现行的预测方法主要有回归分析法、经验模型法、时间序列法、指数平滑法和灰色系统预测法等.灰色系统预测方法在预测波动性较大的非平稳数列上有不足之处,而马尔可夫预测却适用于随机波动性较大的数列的预测.因此本文将灰色系统理论与马尔可夫链相结合,建立了能源消费总量数据的灰色马尔可夫链模型.实证分析表明,这种模型的预测精度高于GM(1,1)预测模型,预测效果较好.     

预测模型可靠性的模糊数学评价方法

预测模型的可靠程度是通过预测结果中分布规律的可信度体现出来的。针对常见的预测模型可靠性评价中存在的问题,将预测模型预测结果的可信概率定义为预测模型的可靠度,提出了一种评价预测模型的新方法。在新方法中,运用模糊数学理论对预测结果的可信程度进行了评价,建立了预测结果可信度与预测结果相对误差绝对值之间的隶属函数关系,并将模糊数学与可靠性理论相结合,给出了求解预测模型可靠度的计算公式。以含蜡原油粘温关系模型为例,对新方法的评价过程进行了验证。结果表明,对同一种油样采用不同的隶属函数,或对不同油样采用同一个隶属函数,所得预测模型的可靠度均不相同,这说明该方法具有通用性。