变步长灰色预测模糊控制研究与应用

提出了一种变步长灰色预测模糊控制算法,该算法根据新陈代谢原理,建立等维新息预测模型,将预测概念扩展为前向和后向预测,并与模糊控制相结合,对电液比例压力控制系统的顶推压力进行控制.该算法不需要被控对象模型结构的先验信息,基于少数据、贫信息,具有在线自适应以及计算量小的特点,满足实时控制的要求.通过对变步长灰色预测模糊控制与PID控制和纯模糊控制进行仿真和试验比较表明,变步长灰色预测模糊控制在不增加超调的情况下减小了响应时间,改善了控制效果.     

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.     

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.     

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。     

基于改进粒子群算法参数优化的APF预测电流控制

对带有收敛因子的粒子群(PSO)算法进行算法改进,改进后的PSO算法提高了局部探索能力,不易陷入局部最优.在预测电流控制中,采用改进的粒子群收敛因子法对电流预测插值系数进行优化.仿真实验结果表明,该方法可以进一步提高指令电流预测的准确度,使得补偿后系统线路中电流的畸变率减小.特别地,在谐波指令电流突变点附近误差较小,计算量小,动态响应较为平稳,提高APF的补偿效果.     

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.     

工业过程预测-模糊控制

本文针对非线性、大滞后工业过程难以控制的共性问题 ,将预测控制和模糊控制相结合 ,提出了一种预测—模糊控制方法 ,经过仿真研究和电渣重熔炼钢实时控制 ,证实了该方法的有效性和可行性。     

模糊控制技术在SIMPLER算法中的应用及求解性能分析

为了提高SIMPLER算法在三维流动问题上的求解性能,引入模糊控制方法来自动调控速度亚松弛因子的大小.在数值计算过程中,将相邻两个迭代层次上的最大动量残差比值作为模糊控制输入量,速度亚松弛因子的变化量作为模糊控制输出量,基于最大动量残差的变化趋势可实现速度亚松弛因子的自动调控,从而达到加快收敛的目的.最后,通过3个经典的流动问题验证了模糊控制方法的优越性.研究表明:当初始亚松弛因子为最不利值时,模糊控制方法的收敛速度约是固定松弛因子方法的5~30倍;当初始亚松弛因子为最佳值时,模糊控制方法迭代次数与固定松弛因子方法迭代次数之比为0.7~2.0,收敛速度相差不大;采用模糊控制方法后,SIMPLER算法在不同初始亚松弛因子下均能得到高速收敛的解,同时健壮性也显著提高.研究工作将为大幅提升SIMPLER算法在三维流动问题上的求解性能起到重要作用.     

预测,去耦,智能模糊控制理论

为了解决像发动机试验台这样复杂的控制问题，提出了一种多输出，多输出，紧耦合系统的预测，去耦，智能模糊控制算法，此算法对复杂系统具有很好的适应能力，从而为在发动机瞬态工况试验台上实施瞬态控制提供了一种理想控制算法。     

一种模糊神经网络自适应预测控制方案的研究

在过程控制中,由于被控对象常具有非线性、不确定性及参数时变等复杂因素,难以建立精确的数学模型,从而直接影响了控制效果,提出了一种模糊神经网络自适应预测控制议案,对学习公式进行了理论指导,并结合误差补偿以提高预测控制的精度,仿真实验表明,该算法可实现模糊控制和神经网络的优势互补,对非线性复杂系统具有良好的控制性能。     

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。     

基于模糊模型的大范围预测平均控制器

将预测控制思想推广到模糊模型，导出一一类基于模糊模型的大范围预测平均控制算法，仿真结果表明，当被控对象为一复杂动态过程时，此类算法明显优于单独模糊控制器和单独的预测控制器。     

连续搅拌反应釜的自适应模糊辨识与预测控制

化工领域为保证生产安全,对温度、压强、浓度等工艺指标有严格的要求。连续搅拌反应釜属于典型的化工设备,存在较强的非线性和时滞性,传统的建模与控制方法无法满足其精度要求。针对连续搅拌反应釜系统提出一种自适应模糊辨识与预测控制的方法。首先根据模糊划分C均值聚类算法得到模糊隶属度和初始聚类中心,在此基础上采用分层遗传算法进一步优化连续搅拌反应釜T-S模糊模型的参数。其次,采用自适应机制遗忘因子递推最小二乘法来估计T-S模糊模型的后件参数。最后,基于得到的T-S模糊模型,对连续搅拌反应釜进行自适应模糊广义预测控制,仿真结果验证了该算法的有效性。     

新型模糊内模控制系统的研究

提出了模糊内模控制的新策略,将T-S模糊辩识和模糊推理引入内模控制,在对实际输出起预测作用的同时,可根据预测误差在线修正、补偿被控对象的模型失配。仿真结果表明,该策略是可行、有效的。     

基于模糊预测控制的机车制动控制方法

为了减少模型参数、噪声耦合和随机性干扰对机车制动控制系统控制精度和稳定性的影响,提出1种基于模糊预测控制的制动控制方法,利用基于满意度的T-S模糊建模方法建立精确的预测模型.研究结果表明:通过模糊遗传算法进行滚动优化,获得全局最优解作为预测控制控制器的输出,进而提高系统控制快速性和稳定性,仿真结果验证了该方法的有效性.     

基于模糊模型的预测PID控制器的参数整定

提出一种基于模糊模型的预测PID控制器（PPID）的参数整定方法，PPID采用广义预测控制的控制策略，控制算法简单，容易在单片机、PLC和仪表上实现，且有比普通的PID更优良的性能，参数整定分两阶段进行，首先基于初始模型对PPID离线进行整定，然后在系统运行后利用对象的输入输出数据对模糊模型和PPIDR的参数再次进行离线整定，整定算法均采用批处理方式的梯度下降法。     

高炉铁水含硅量的模糊预测函数控制

在高炉炼铁过程中,铁水含硅量既是衡量铁水质量的重要指标,也是表征高炉热状态的关键参数.设计了一种比较新颖的预测函数控制模型,计算了影响铁水含硅量变动的几个关键参数的时滞.通过所设计的预测函数控制模型确定了铁水含硅量与这些参数之间的近似函数关系,应用该函数就莱钢1号高炉所采集的数据对铁水含硅量进行了局部的预测控制,效果很好.     

不可测变量的预推断控制

将预测控制、推断控制和软测量三者结合起来，以软测量估计器作为预测模型，以一种新的启发式随机搜索方法作为优化算法，构成一种针对不可测变量的新的控制策略──预推断控制．以实际工业装置为背景的仿真研究表明，这种控制策略能够有效地抑制不可测扰动，从而为解决不可测变量的控制问题提供了一条有效途径．     

Hammerstein-Wiener非线性系统的模糊预测控制

针对输入和输出受约束的Hammerstein-Wiener型非线性系统,提出一种基于T-s模糊模型的非线性预测控制算法,并用Lyapunov函数分析系统稳定性.通过建立T-S模糊模型,将预测控制器设计中的非线性优化问题转化为相应的线性优化问题;通过离线设计状态反馈控制律,在线实施符合条件的反馈控制律,极大程度地提高了在...     

一种递归模糊神经网络的广义预测控制方法

提出了一种递归模糊神经网络(RFNN),通过加入向量调节层,提高了网络对输入信息的处理能力。基于所设计的递归模糊神经网络,建立非线性系统的离散数学多步模糊预测模型,根据这一模型对系统的输出进行预测,然后利用预测控制算法得到相应的预测控制规律。仿真结果表明该方法具有较高的控制精度以及一定的抗干扰能力。