基于遗传算法的多变量增量型广义预测控制

针对多变量增量型广义预测控制算法增量系数难于根据系统特性选择的问题,提出基于遗传算法的多变量增量型广义预测控制算法.多变量增量型广义预测控制算法通过将求解出来的控制增量分别乘以相应的增量系数,来提高系统的鲁棒性和稳定性,同时采用阶梯式的控制策略降低多变量广义预测控制算法的计算量,运用改进的遗传算法优化整定多变量增量型广义预测控制的增量系数增强系统的跟踪特性.通过原油常压塔的侧线产品质量控制的仿真,验证了该方法有较好的鲁棒牲和抗干扰性.     

广义预测控制在单元机组协调控制中参数的应用

多变量广义预测控制算法性能指标中各个参数的选择对控制品质有重要的影响.把广义预测控制算法应用到单元机组协调控制系统中时,通过仿真选取合适的参数,可以大大提高协调控制系统运行的稳定性和控制品质.     

黑箱系统的一种简便自适应预测控制策略

采用一种输入输出增量式一元线性回归模型作为黑箱系统的预测模型,应用投影算法估计模型参数.该模型将对象输出增量分解为2个分量:一个为非零控制增量作用下的强制分量,另一个为控制增量为零时的自由分量,是一种非齐次时变线性模型.此外,应用广义预测控制理论,提出了一种基于该模型的自适应多步预测控制策略,导出了基于该模型的多步最优预测算式和最优控制律.该控制策略不仅具有广义预测控制的强自适应能力和强鲁棒性,且模型参数少,算法简单,适用于黑箱系统的控制.仿真结果表明该控制策略是有效的.     

用DCS的算法模块组合实现广义预测控制算法的设计方法及仿真验证

本文提出一种在较复杂对象的情况下如何只采用DCS的算法模块就能组合实现广义预测控制算法的设计方法及其参数的整定方法。为了表明所提出的这种用DCS层组态控制软件模块实现模型预测控制算法的方法的有效性,以非最小相位过程和具有再循环和纯迟延的复杂过程两类复杂对象为例进行了仿真研究,仿真测试表明提出的控制算法可提供类似于广义预测控制的控制性能。     

基于XD—APC的135MW循环流化床机组自动控制系统优化

本文根据循环流化床机组独特的燃烧方式及对负荷响应具有纯迟延环节的特点,详细地分析了控制系统的运行规律,采用XD—APC控制软件,实现对135MW循环流化床锅炉机组负荷自动控制的优化,从而达到机组和锅炉的协调和安全经济运行。实际运行证明,XD—APC对于有纯迟延、大惯性、多参数、非线性、时变及多变量紧密偶合的过程控制有较好的控制效果。     

广义预测控制在特殊Wiener型非线性系统的应用研究

广义预测控制是一种基于被控对象参数模型的控制算法,适用于复杂的、数学模型难以精确建立的控制系统。现研究了该算法,并对一个被控对象模型进行了仿真。结果表明,广义预测控制算法响应速度快,无超调,控制效果理想。     

改进粒子群优化的燃气发电锅炉主汽压模糊预测控制策略

针对燃气发电锅炉存在的纯滞后、大惯性和参数模型易变等问题,设计了一种改进粒子群优化(PSO)的主汽压模糊广义预测控制策略。利用遗忘因子递推最小二乘法(FFRLS)辨识出主汽压模型,并引入广义预测控制(GPC),通过多步预测、滚动优化和实时反馈技术克服系统惯性、时滞和参数时变问题。为改善主汽压控制系统的稳定性和动态响应品质,对GPC算法中的控制加权系数进行模糊自校正设计。引入改进粒子群算法对广义预测控制的控制量增量进行寻优,求取最优控制律。仿真结果表明:与改进PSO-GPC策略和动态矩阵控制(DMC)策略相比,在施加扰动情况下,所提改进PSO-模糊GPC策略在模型适配与失配时稳定时间分别最多减少94.5s和132s,超调量分别最多降低5.1%和8%。工程运用表明:所提控制策略主汽压控制偏差低于±0.15MPa,系统受模型失配影响更小,稳定性和抗扰动能力明显提升。     

基于GA参数优化整定的PI型广义预测控制

针对PI型广义预测控制比例因子和积分因子参数整定困难,提出了基于遗传算法参数优化整定的PI型广义预测控制(GAPIGPC)。PI型广义预测控制(PIGPC)采用预测技术克服时变时滞,用PI(PID)控制技术加强系统的鲁棒性,极大程度地减少了模型失配的影响。由于其参数的优化设计是一个组合优化问题,而遗传算法是一类可用于复杂系统优化计算的鲁棒性算法,并为组合参数整定及优化提供了一个有效的手段。仿真实例表明,该算法具有较好的鲁棒性和抗干扰性。     

具有比例积分结构的广义预测自校正控制

在一般广义预测自校正控制的基础上，提出了一种具有比例积分结构的广义预测自校正控制器及其实时实现算法，该算法兼有古典PI控制的鲁棒性能和预测控制的模型预报优点，通过对具体实例的计算机仿真表明，该算法较一般广义预测自校正控制更具有鲁棒性，更宜于工业应用。     

双重控制系统的广义预测控制

传统的双重控制方法建立在简单PID算法基础上,其性能受到一定的限制.为此,将广义预测控制算法应用于双重控制系统中,形成基于预测控制的双重控制算法.该算法继承了传统双重控制方法的控制结构和控制思想,采用主、副2个控制器进行控制.其中主控制器采用广义预测控制算法,针对快回路产生快控制作用使系统具有良好的动态特性;副控制器采用PID算法,针对慢回路产生慢控制作用以实现一定的经济指标;同时,副控制器的输出作为前馈量引入主控制器.主、副2个控制器互相协调工作,使系统既具有良好的动态特性,又符合工艺上或经济上的要求.仿真对比结果表明,该算法控制性能优良,具有较强的的抗干扰性和良好的鲁棒性,是一种较好的双重控制系统控制算法.     

基于差分型思维进化算法的受限广义预测控制

针对广义预测控制(GPC)的滚动优化对受限控制量求解的复杂性,笔者提出一种基于差分型思维进化算法的受限广义预测控制方法(DMEAGPC)。用差分型思维进化算法处理带约束的非线性优化问题,以此作为滚动优化策略,求得最优控制律。并将该算法应用于电厂再热汽温系统,仿真结果验证了该算法的有效性和可靠性。     

基于Laguerre 函数近似模型的多变量系统增量型预测控制的算法

探讨了基于Laguerre函数近似模型的多变量系统的增量型多步预测、多步控制算法 ,并进行了仿真 ,结果表明该算法具有较好的控制性能     

随机非线性系统的在线修正参数预测滤波PID控制

针对一类随机NARMAX模型,分析了其可采用PID控制的约束条件.提出采用辅助模型的可克服算法病态的遗忘因子递推最小二乘算法对被控对象进行参数估计,利用动态切平面逼近的预测算法对系统输出进行预测,基于一具有预测控制性能的增量型预测滤波PID控制算法,根据可克服算法病态的直接极小化指标函数自适应控制算法和Robbins-Monro算法,给出了具有在线修正PID控制参数和加快PID控制参数收敛速度的随机NARMAX模型的自适应预测滤波PID控制算法.仿真研究表明:因给出的PID控制算法具有预测控制性能和在线修正参数性能,故系统具有较好的控制品质.     

广义预测控制矩阵求逆的快速算法研究

为提高广义预测控制系统的实时性,基于Toeplitz变换提出了广义预测控制(GPC)逆矩阵的快速算法.在预测时域N和控制时域M相等与不相等两种情况下,将控制律求逆部分变换成Toeplitz形式,采用Trench-Zohar求逆算法快速求取变换后的逆矩阵.分析表明,该算法计算量比常规求逆计算低一阶,并且步骤简便,容易编程实现.     

广义预测PID控制算法

本文根据广义预测控制(Generalized Predictive Control,简写GPC)与PID控制控制律结构的相似性,通过对广义预测控制性能指标函数中控制加权序列Qj(z-1)的配置给定,导出了具有PID算法结构的广义预测控制律。从而借助广义预测控制算法参数的递推关系链,自动优化整定PID调节参数,并实施广义预测PID控制。     

具有混合约束的多变量系统的优化控制

给出了多变量预测控制的算法描述 ,解决了工业生产中存在的混合约束问题。并运用协调优化的原则对带有硬约束的操作变量进行了协调。当找不到满足所有约束条件的可行解时 ,对被控变量进行约束软化处理。采取线性和二次型相结合的惩罚函数 ,对预测时域上每个时刻的激活值进行惩罚 ,不仅可以保证可行解的存在 ,而且改进了控制系统的性能。理论分析证明 ,该算法能够保证闭环系统的稳定性 ,并具有较强的鲁棒性。仿真结果也证实了算法的有效性。     

带降维观测器和PI的鲁棒串级汽温控制系统

本文以某电厂１６５０吨／时大型锅炉过热器出口蒸汽温度控制系统为研究对象，提出了一种带有降维状态观测器和ＰＩ的鲁棒双环串级控制方法，并给出了相应的参数整定算法。经ＡＬＳＴＨＯＭ公司ＭＩＣＲＯ－ＺＴ２０计算机分散控制系统在现场的运行表明，与常规的串级控制方法相比，新方法不仅使电厂汽温控制系统对电力负荷大波动等具有更强的自适应能力（即鲁棒性），而且可推广到其它大迟延大惯性对象的控制中去。     

燃料电池系统热管理子系统建模与温度控制

燃料电池电堆的温度分布对燃料电池的安全与寿命有重要影响。该文分析了车用质子交换膜燃料电池系统热管理子系统的结构,并建立热管理子系统的动态模型。在此基础上对燃料电池温度控制算法进行研究,针对热管理子系统大惯性和大迟延的特点,设计了基于预测的智能P ID算法。该算法采用简化的热管理子系统模型预测电堆温度变化趋势并进行提前控制,能显著减小超调。试验结果表明,该算法能实现±0.5℃的控制精度,控制效果良好。     

具有混合约束的多变量系统的优化控制

给出了多变量预测控制的算法描述,解决了工业生产中存在的混合约束问题。并运用协调优化的原则对带有硬约束的操作变量进行了协调。当找不到满足所有约束条件的可行解时,对被控变量进行约束软化处理。采取线性和二次型组结合的惩罚函数,对预测时域上每个时刻的激活值进行处罚,不仅可以保证可行解的存在,而且改进了控制系统的性能。理论分析证明,该算法能够保证闭环系统的稳定性,并具有较强的鲁棒性。仿真结果也证实了算法的有效性。     

基于BP神经网络的广义预测控制算法的研究与应用

本文提出了1种基于BP神经网络的广义预测控制算法,其实质是利用BP神经网络来求取广义预测控制的最优控制律.神经网络选用了具有良好逼近性能的BP结构.该算法对广义预测控制算法进行了简化,使其可以应用于快速系统的控制.最后,选用倒立摆系统作为研究的对象,将新算法应用于倒立摆的控制,取得了较好的控制效果.