基于RBF神经网络的动态矩阵控制算法

利用RBF网络对DMC算法进行结构上的改进,并用RBF网络的逼近性能建立预测模型,提出一种基于RBF神经网络建模的动态矩阵控制算法,并用该算法对典型的时滞系统进行仿真试验,结果表明该算法具有较高的控制精度和响应速度.     

多变量系统的变时滞无模型自适应单值预测控制

针对难以建模的变时滞多变量非线性系统的控制问题,基于改进具有辅助向量的多变量紧格式动态线性化泛模型,参考多变量单值预测控制算法,提出改进的目标函数,给出变时滞多变量无模型自适应单值预测控制算法,采用自适应递推算式的优化算法进行优化,给出了目标函数的加权网络参数的在线优化算法,解决了试凑法确定加权网络参数的问题.试凑法确定的加权网络参数不能保证控制算法最优,综上研究提出在线优化参数的变时滞多变量无模型自适应单值预测控制算法,仿真结果说明,单值预测控制算法具有无模型自适应控制性能及预测控制功能和参数寻优功能,故算法具有优良的控制性能.     

动态矩阵控制及其改进方法的仿真研究

在动态矩阵控制中,其跟踪性能中的快速性与无超调性之间经常存在矛盾,作者提出针对性能指标进行改进,形成动态矩阵PI控制.这一算法可以明显改善控制性能.表述了对动态矩阵PI控制算法的推导,并通过仿真实例与动态矩阵控制算法进行比较,证实动态矩阵PI控制算法的优越性.     

一种基于跟踪误差变化率的动态矩阵控制算法

作为一种基于对象阶跃响应的预测控制算法,动态矩阵控制在性能指标函数中通过对跟踪误差的优化及对控制量增量的软约束来保证控制的性能,指标函数中并没有考虑跟踪误差变化率对系统动态响应的影响.为了使对象具有更好的动态响应,笔者基于优化性能指标函数中的跟踪误差项,在指标函数中引入跟踪误差的微分项,提出一种改进动态矩阵控制算法,使得对象的动态响应更加平稳,闭环系统的鲁棒性更强.理论分析和计算机仿真结果表明了改进后的算法使系统具有更好的控制品质.     

一种改进的多胞模型飞行预测控制算法研究

为提高传统模型预测控制的精度,改进了一种多胞模型变权值预测控制算法,阐述基于变权值矩阵的多约束的鲁棒预测控制算法,分析具有时变约束的变权值矩阵特性,利用飞行航空状态进行模拟仿真,通过对传统算法和改进算法进行比对,验证算法精度的提高.     

大时滞系统全参数自适应预测控制策略

针对大时滞系统纯滞后时间长、参数时变的特点,提出一种基于改进的粒子群优化的自适应预测控制算法.利用改进的粒子群优化算法对时变大时滞系统模型的全部参数进行辨识,从而克服预测模型失配对系统控制性能的影响,并且将粒子群优化算法用于预测控制滚动寻优,有效解决系统存在约束条件下的最优值求解问题.仿真结果验证所提方法的有效性和优越性.     

大时滞过程的多模式智能控制

通过简要分析了常规控制的不足，提出了一种基于偏差特征信息的多模式智能控制算法，具有加速控制、减速控制、稳态激励控制三种控制模式.算法用加速控制来解决系统暂态响应的快速性的要求、用减速控制来解决系统暂态响应的平稳性要求、用稳态激励控制解决系统稳态的准确性要求.并把此算法应用于大时滞过程的控制，与多种大时滞控制算法作比较，仿真证明了此控制算法的优良性能.该算法结构简单，通用性强，使用调整方便.     

时滞系统的动态矩阵控制算法中参数的选取

时滞现象在工业中广泛存在,预测控制可以很好地解决时滞对系统的影响,但预测控制允许设计者自由地选择优化性能指标的形式.因此,对于同一被控对象,若在性能指标中取不同的时域参数和权矩阵,就可能导致完全不同的控制效果.文章以单变量动态矩阵算法为例,讨论了时滞系统的动态矩阵控制设计参数与控制性能之间的关系.     

时滞系统的自抗扰广义预测控制的性能分析

为了实现对时滞系统的高性能控制,提出1种自抗扰广义预测控制算法。首先阐述自抗扰广义预测控制算法的设计原理,得到算法的闭环反馈结构。然后利用频域分析法推导出算法的频域特性,分析并总结时滞系统自抗扰广义预测控制算法的参数整定原则。最后对自抗扰广义预测控制算法以及传统的广义预测控制算法的动态性能进行比较。研究结果表明:自抗扰广义预测控制算法无需在线辨识被控对象精确的数学模型,可以离线求得丢番图方程的解析解,算法的在线计算量大大减少;相比于传统的广义预测控制算法,自抗扰广义预测控制算法具有更好的动态性能。     

基于BP神经网络预报的动态矩阵预测控制

提出了一种基于BP神经网络预报的动态矩阵预测控制新算法,在该算法中,先用BP神经网络辨识对象模型,同时预测对象的未来输出,然后用动态矩阵控制算法进行滚动优化和反馈校正.该方法解决了非线性、时变对象难以建模及控制的问题,又保留了常规预测控制的优点,是一种比较好的、有着广阔应用前景的新型控制算法.仿真结果验证了这一新型算法的可行性.     

DMC-PID串级控制在CVT速比控制系统中的应用

通过分析CVT速比控制系统的结构及基本控制原理,确定该系统具有时滞弱非线性特性,论述了常规PID控制算法以及单一的DMC控制算法应用于该系统的局限性.针对这一问题,设计了DMC-PID串级预测控制算法,该算法将经过PID校正的速比控制系统作为广义的控制对象,用DMC预测算法在线滚动优化控制参数,在优化过程中利用实测信息不断进行反馈校正,充分发挥DMC算法的超前预测性和强鲁棒性以及PID控制算法的抗干扰能力.台架实验结果表明,与常规的PID算法相比,该算法能有效减小速比跟踪过程中的波动,超调量由14%下降为4%,过渡时间由6 s缩短为4.5 s,提高了系统的动静态性能.     

一种针对时滞系统的改进智能轨迹导引控制算法

针对在控制大时滞系统时,智能轨迹导引控制(ITGC)算法在偏差选取上的不足,引起系统调节时间过长以及抗扰性不佳的问题,提出了一种改进智能轨迹导引控制(改进ITGC)算法。根据引入的参考模型和估计滞后,可得规划导引与无时滞参考模型间的偏差D_A以及有时滞给定与实际被控对象间的偏差D_B,以D_A和D_B的加权线性组合纠正系统的响应。分别运用MATLAB和一体化试验箱进行验证。结果表明改进算法在控制大时滞对象时兼具系统的响应速度和抗扰性能优势,且模型失配时,算法依然有效。改进ITGC算法为控制大时滞系统增加了解决途径。     

无模型预测控制及在溴化锂机组控制中的应用

为解决带有时滞特性的制冷系统的控制问题,提出了一种改进的无模型自适应预测控制算法,并将其应用到制冷系统控制方案中。首先,提出一种引入两个参数L1,L2的参数估计控制方案,改善了MFAPC( Model-Free Adaptive Predictive Control) 的伪偏导数参数估计过程,使算法在达到减参目的的同时提升了稳定效果; 之后在控制输入准则函数中加入了控制输出误差和。最后引入典型线性和非线性时滞系统、跟踪时变信号系统、溴化锂制冷系统,对其跟踪控制问题进行了仿真比较研究。仿真结果表明,改进的无模型预测控制算法能取得更稳定的输出结果,且有更快的响应速度和更好的控制性能,同时解决了带有时滞特性的制冷系统控制问题。     

动态矩阵控制算法的改进和应用研究

推导了改进的动态矩阵控制算式,对其特性进行了理论分析和数字仿真,证明了该算法可以用于解决具有纯滞后的过程和非最小相位过程的控制问题,并且具有极强的鲁棒性。为了使该算法能适应时变过程的控制需要,加入了脉冲响应系数辨识,并对这种辨识进行了简化。在数字仿真的基础上,作者用Z-80汇编语言编制了自适应动态矩阵实时控制软件,闭环模拟实验证明了该控制软件可以广泛地应用于实际过程控制。     

动态矩阵控制在营养液调配中的仿真研究

营养液调配控制系统是一个非线性、滞后参数时变的非最小相位系统，同时还存在各种约束条件．因此，要想精确建立其数学模型是非常困难的．针对这一特点，本文利用系统阶跃响应序列建立一种非参数模型，并提出了带误差变化率反馈校正的动态矩阵控制改进算法，并通过仿真实验比较证明了改进算法的正确性和有效性．     

磨机负荷的预测控制

给出了磨机负荷的预测控制算法，仿真结果表明；该算法适用于大滞后、时变的磨机负荷系统，并有很强的鲁棒性。     

基于遗传模糊免疫算法的PID参数整定优化研究

针对工业过程中的PID参数整定较难的问题,在分析模糊免疫算法的基础上,提出了一种遗传模糊免疫算法,用于在线整定PID参数。该算法用免疫反馈机理在线调整比例系数,模糊算法在线整定积分系数和微分系数。同时,该算法引用具有全局寻优特性的遗传算法优化免疫参数,克服了免疫参数选取不当而导致系统超调量较大、响应速度过慢的问题。针对工业过程中的无时滞过程、一阶惯性加时滞过程、二阶惯性加时滞过程、高阶系统过程,将该算法用于PID参数整定优化,并与模糊免疫算法、免疫PID算法、常规PID算法整定结果进行对比分析。仿真实验结果表明,遗传模糊免疫算法整定出的PID参数具有超调量小、调节时间短、抗干扰性强、鲁棒性强等优点,取得了较好的控制效果。     

行为逼近的动态矩阵控制算法

通过改进动态矩阵预测控制算法中的目标函数，使得对象响应的动态行为更加逼近参考轨迹的动态行为；控制响应中平稳，系统更具鲁棒性；改善了控制品质，同时也不增加太多的计算量，仿真结果表明了这种算法的有效性。     

具记忆状态反馈的输入受限时滞系统模型预测控制器

针对一类具有输入约束的离散线性不确定时滞系统,提出了一种具有记忆状态反馈的模型预测控制器.首先,定义时滞系统的鲁棒性能指标,在考虑时滞状态影响的条件下设计了包含时滞状态的记忆状态反馈控制律,在线优化时将当前控制量作为独立优化变量,与其它作为反馈控制的时域控制序列分开处理,以降低算法保守性,提高可行性.然后,给出了基于线性矩阵不等式凸优化的控制策略以及系统稳定的充分条件.最后,通过仿真实验验证了该控制算法的有效性.