基于C-R模糊模型的预测控制的动态特性分析

提出了C-R模糊模型的辩识递推算法和C-R模糊模型的非缌挂预测控制算法。文中给出了C-R模糊模型的预测控制的动态特性分析，并得到了与线性预测控制理论相对应的C-R模糊模型的非线性预测控制稳定性定理，它对分析非线性预测控制具有一定的指导意义。     

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。     

一种有约束的神经网络预测控制方法

针对非线性系统的控制问题，提出了一种采用黄金分割法的神经网络预测控制算法。该算法以神经网络作为预测模型，以黄金分割法用于优化控制器，其中以系统输入的约束条件作为黄金分割法的动态搜索区间。该算法解决了控制量的范围和变化速度受约束的情况下，未知非线性系统的预测控制问题，通过仿真研究证明了该算法计算速度、稳定性和杭扰动能力。     

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。     

机理混合自适应时延神经网络建模和控制算法

过程机理和数据驱动模型的结合一直是过程控制中的重点和难点问题。提出了一种新颖的机理混合模型结构。该模型基于自适应时延神经网络,并结合了被控对象的机理模型,因此可以对建模的对象进行预测感知,并可大幅提高神经网络的泛化功能。基于这种模型设计了预测控制算法,并分析了该模型的逼近能力、收敛性以及该控制算法的闭环稳定性。在双容水箱液位控制系统的大量实验结果表明,基于该混合模型的预测控制算法比现有算法具有更好的控制效果,从而验证了该混合模型的优越性。     

灰色预测模糊PID控制在汽温控制系统中的应用

将灰色预测、模糊控制与常规PID控制三者的设计思想融合起来，提出了一种灰色预测模糊PID控制算法。该算法首先通过建立模糊规则和进行模糊推理来确定PID控制器的参数，然后由PID控制律直接确定控制作用，再将灰色预测在线应用，用其预测结果代替被控对象测量值进行控制运算。仿真结果表明，利用该算法设计的汽温控制系统比应用模糊PID控制设计的汽温控制系统具有更加优良的性能。     

具有稳定性的新型预测控制算法

提出一种新型的预测控制算法，通过对控制输入进行柔化和滤波处理，使实际实施的控制量为现时和现时对未来控制时域长度预测控制量的加权平均，从而具有较快的响应能力。通过引进广义跟踪误差，并使其终端为零，保证了系统的稳定性。这种新型的预测控制器，具有在线计算量小、无记忆弊端等优点。仿真结果表明了该算法的可行性。     

基于特征模型的预测函数控制的仿真研究

传统的预测函数控制通常采用一阶的预测模型,该预测模型不能完全表征被控对象,因此使得传统的预测函数控制的鲁棒性受到一定限制。特征模型是一种比动力学模型简单,但能表征被控对象特征的模型。针对预测函数控制算法的缺陷,提出了利用二阶特征模型来构成预测模型。通过与采用一阶预测模型的预测函数控制进行比较,理论分析与仿真实验结果均表明,采用特征模型的预测函数控制具有比一阶预测模型更好的控制效果,该算法在SUPCON-JX300X集散控制系统上实现。     

双线性系统的状态反馈预测控制

针对可输入输出(I/O)精确线性化的双线性系统,提出了一种直接的预测控制算法.这种算法应用状态反馈预测控制算法的思想,无需对双线性系统进行线性化,因而避免了线性化后再引入线性控制算法进行控制而带来的复杂运算,并且可以提高控制系统抑制未知干扰的能力,增强了系统的鲁棒性.给出了算法的使用条件和推导过程.仿真结果表明,新的算法控制效果良好.     

广义预测控制的快速算法及其应用

针对工业过程控制中的典型回路 ,一般采用一阶或二阶系统加纯滞后模型的特点 ,提出了一种快速广义预测控制算法 (FGPC) ,与标准的广义预测控制算法相比 ,该算法具有结构简单 ,在线运算量小的特点 ,比较适用于实时控制 ,并讨论了其中的参数计算。最后以典型工业过程系统的控制仿真验证了所提出算法的有效性。     

非线性模型预测控制的智能算法综述

从非线性模型预测控制的预测模型建模和最优化问题求解两方面入手,介绍了近年来基于智能模型和智能优化算法的非线性系统预测控制方法,并对各种算法的特征进行了总结评述,指出了智能非线性预测控制方法存在的问题和未来的发展方向。     

分布式模型预测控制方法的研究

对分布式模型预测控制的相关领域进行评述,从应用角度对分布式模型预测控制进行分类,分析了模型结构的分解方法,控制问题分解及各控制子问题的求解方法,以及各控制器之问如何交换信息以取得最优解.概述了不同分布式模型预测控制策略的系统分析成果,对现有研究的不足进行了评述,提出了分布式模型预测控制算法的进一步发展方向.     

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。     

模糊遗传滚动优化的LS-SVM预测控制研究

提出一种基于最小二乘支持向量机(LS-SVM)的非线性系统预测控制算法。该算法通过LS-SVM对非线性系统输入输出数据序列的训练学习建立其预测模型;基于模糊遗传算法完成非线性预测控制的滚动优化过程。仿真结果表明基于该方法的非线性系统预测控制比基于RBF神经网络的预测控制具有更好的控制效果。     

Robust model predictive control of continuous uncertain systems*

The authors concern robust model predictive control for linear continuous systems with polytopic uncertainties and input constraints. At each sampling time, a piecewise constant control sequence is obtained by solving a set of linear matrix inequalities. The sufficient conditions on the existence of the model predictive control are given, and the robust stability of the closed-loop systems is guaranteed. A simulation example illustrates the efficiency of the proposed method.     

Global Convergence of Adaptive Generalized Predictive Controller Based on Least Squares Algorithm

Some papers on stochastic adaptive control schemes have established convergence algorithm using a least-squares parameters. With the popular application of GPC, global convergence has become a key problem in automatic control theory. However, now global convergence of GPC has not been established for algorithms in computing a least squares iteration. A generalized model of adaptive generalized predictive control is presented. The global convergebce is also given on the basis of estimating the parameters of GPC by least squares algorithm.     

感应电机模糊预测控制策略的研究

在感应电机IM(Induction Motor)的控制中,电阻、电抗等参数对转速控制产生较大的误差影响,从而影响控制精度和动态响应速度.基于感应电机的数学模型,将模糊逻辑系统引入预测控制.针对异步电机的强耦合特性,提出模糊模糊预测控制的方法,并用模糊预测控制的方法设计了高性能的转速控制器.并借助DSP实验平台,将系统模型下载到实时硬件中进行在线仿真,实验结果表明,所设计的控制器在提高速度控制的快速性和抗干扰能力上得到满意的效果.     

输入受限的隐式广义预测控制算法的仿真研究

本文基于CARIMA模型提出了一种简单的隐式广义预测自校正控制算法。它避免了在线求解Dioaphantine方程;利用并列预测器间的特点,直接辨识输出预测器中的参数,并针对广义预测控制问题,在整个预测时域和控制时域,对输入幅值施加了约束;在此基础上以二次规划作为滚动优化策略,进行计算机仿真,获得预测控制信息和输出信息;然后采用加权控制律,不仅使预测信息得以充分利用,而且使系统的性能得到明显改善。