非线性系统的广义线性化预测控制

提出一种非线性系统预测控制的分层设计方法。首先采用广义线性化状态反馈得到具有指定动态的线性化系统,然后采用基于状态方程的预测控制算法,以获得良好的跟踪性和鲁棒性。最后以仿真例子证实了这种控制方案的有效性。     

基于动态BP网络误差修正的广义预测控制

针对建模误差对非线性系统预测控制鲁棒性的影响，提出了一种基于动态Bp网络的广义预测控制算法。该算法运用动态Bp网络对模型预测误差进行在线补偿，以提高预测精度。仿真结果证明了本文提出的广义预测控制算法对于非线性系统是有效的。     

非线性系统的自适应广义预测控制算法

将非线性系统的广义预测控制推广到自适应情况,得到了一类用Hammerstcin模型描述的非线性系统的自适应广义预测控制算法.讨论了该算法的收敛性与稳定性.     

一类非线性系统的广义预测控制

将广义预测控制应用于Hammerstein模型描述的非线性系统,得到了一类非线性系统的广义预测控制算法.仿真结果表明,该算法具有较强的鲁棒性.     

一类非线性系统的广义预测控制

对一类非线性系统的广义预测控制进行了研究。采用动态寻优的方法减小线性化过程中被舍弃的非线性项引起的误差,仿真结果表明了算法的有效性。     

一类非线性系统的广义预测控制

对一类非线性系统的广义预测控制进行了研究。采用动态寻优的方法减小线性化过程中被舍弃的非线性项引起的误差，仿真结果表明了算法的有效性。     

MIMO非线性系统基于I／O扩展解耦线性化的预测控制算法

研究MIMO非线性系统基于I/O扩展解耦线性化的预测控制算法。这是一种分层的控制策略。首先设计一个静态的非线性状态反馈以获得I/O扩展解耦及线性的闭环系统;然后对此闭环系统设计一组单变量的线性预测控制算法以获得良好的动态特性。文中对一个实例进行了仿真运算。     

多变量非线性系统模糊直接广义预测研究

对参数未知多变量非线性系统提出一种模糊直接广义预测控制算法．该算法将多变量非线性系统转化为多变量时变线性系统,然后利用模糊系统来逼近控制增量表达式,对控制器参数向量即网络权值向量中的未知向量基于跟踪误差进行自适应调整．     

基于神经网络的多变量自适应控制器

利用神经网络对非线性映射的逼近能力，通过采用一步超前预测控制性能指标及网络模型局部线性化的思想，给出了一个显式的控制律和相应的自适应控制算法，仿真结果表明了该控制算法的有效性。     

一类非线性系统的自适应广义预测控制

利用Hammerstein模型描述一类非线性系统，提出了一类适用于非线性系统的自适应广义预测控制算法（NAGPC），该算法将整个控制系统分解成线性和非线性两部分考虑；在线性部分中，根据广义预测控制（GPC）算法中控制增益阵F的特点导出了一种速度较快，计算量不大的GPC改进算法。非线性部份利用插值原理给出了一种便于计算机实时计算的根值解法，并将其解作为整个系统的控制输入。仿真结果表明，NAGPC算法计算速度快，鲁棒性较强，稳定性较好。     

补偿预测误差的非线性系统广义预测控制

将一类非线性系统等价表示为时变线性系统,研究了非线性系统的广义预测控制。利用三次样条基函数多项式逼近时变系数,将时变参数的估计转化为定常参数的估计。为了提高输出预报精度,采用小波网络对预报误差进行预测,作为输出预报的补偿。仿真研究结果表明了所提方法的有效性。     

基于B—P神经网络的非线性系统预测控制的研究

预测控制是以计算机为手段基于模型预测进行控制的方法,但是已有的预测控制算法通常是针对线性渐进稳定对象的,或者即使针对非线性使用了非线性模型,但由于算法过于复杂不能适用于快速系统,本文对复杂非线性系统提出了一种基于Ｂ－神经网络的预测控制方法,仿真和实际结果表明该方法的有效性和快速性,能够实现对非线性系统的实时智能优化控制。     

基于动态补偿神经网络误差修正的广义预测控制

本文采用权值可在线调整的动态补偿神经网络(动态BP网络)对模型预测误差进行拟合,从而显著提高了基于线性模型的非线性广义预测(GPC)的预测精度,增强了算法的鲁棒性。仿真实验证明了该算法的有效。     

基于多模型SGPC的高速列车速度及位置跟踪控制

研究了列车自动驾驶系统(ATO)的多模型阶梯式广义预测控制(SGPC)方法。首先针对高速列车运行过程的非线性特性,采用多模型策略,建立一个线性自适应模型和一个神经网络非线性模型并行辨识系统的动态特性。然后在每个采样时刻根据性能指标切换到最优的局部模型作为系统的当前模型。设计SGPC控制器,从而实现高精度的列车速度和位置跟踪控制。最后模拟列车运行中参数突变的影响,将该方法与传统的单模型线性广义预测控制方法进行对比研究。仿真结果表明:其控制效果明显优于单模型的线性广义预测控制器。     

变结构广义预测控制

在变结构控制的基础上,引入了广义预测控制,导出了变结构广义预测控制的算法。该算法比传统的变结构控制算法有更强的鲁棒性,仿真结果验证了算法的有效性。     

基于LMI的鲁棒MPC及其在三容系统中的应用

多容器流程系统的流量系数等往往存在不确定性,基于线性矩阵不等式(LM I:L inearM atrix Inequality)理论和模型预测控制原理,讨论了模型不确定系统的鲁棒MPC(Model Pred ictive Control)算法和准最小最大鲁棒MPC算法。最后给出了对三容系统的仿真结果,并将两种方法进行了比较。结果表明,采用准最小最大MPC方法时系统的性能更优越。     

预测控制在交流电梯速度控制中的应用

针对一种采用多CPU微机控制的电梯拖动系统，分析了其运行速度曲线和控制运算的特点，指出了电梯在常规的PID控制下不能很好地按给定速度曲线运行。为此，基于参数模型的广义预测控制（GPC）原理，建立了电梯速度预测控制的预测模型，旨在对交流电梯速度参数进行预测控制的方法进行研究，并研究其控制规律，最后对预测模型进行了仿真。仿真结果表明，预测控制用于电梯的速度控制，具有良好的鲁棒性，与传统的PID控制方法相比，效果十分明显。     

宽带码分多址系统预测线性二次型功率控制算法

从最优控制的角度出发，将宽带码分多址系统中的功率控制问题转化成线性二次型的形式，利用线性预测技术预测链路增益，求解基于预测的线性二次型最优功率配置，仿真结果表明，该算法在满足各用户服务质量要求的前提下，与传统算法相比，收敛速度提高了7%，而系统能够支持的用户数是传统算法的1.2倍左右。