一类非线性滞后系统的广义预测控制

对将线性系统的广义预测控制算法推广应用到非线性系统的控制问题进行了研究,即在每个控制周期内,递推预测非线性滞后系统在将来时刻的工作点,在工作点附近对非线性系统进行线性化,根据得出的线性化模型进行广义预测控制,并采用动态寻优的方法逐步逼近最优控制,仿真结果表明:非线性系统的广义预测控制算法能快速有效地跟踪系统的设定值,控制效果良好.     

基于神经模糊系统的自适应前馈-反馈控制系统设计

在前馈控制器设计思想的启发下,提出了一种基于神经模糊系统的自适应前馈-反馈控制系统。该控制系统首先把非线性过程近似为一个线性的ARX模型和一个基于神经模糊系统的线性化误差模型(FNNM)组成的合成模型,把线性化误差模型的输出看作可测量的"扰动",然后再引入前馈控制器,利用被控制过程的输入、误差模型的输出、线性ARX模型输出和系统输出值之间的误差以及被控制过程的合成模型的梯度信息对控制器参数进行在线调节,从而获得较好的控制结果。将提出的基于线性化误差模型的自适应控制系统用于简单不可逆放热反应的连续搅拌型化学反应器CSTR中,并与传统的PID控制器进行比较。仿真结果表明:这种基于神经模糊系统的自适应前馈-反馈控制器和PID控制器相比,能得到更快、更好的控制效果。     

非线性系统的非结构模型和基于它的广义预测控制器

利用离散Laguerre函数的有关性质,给出了一类离散非线性系统的一个非结构模型;将之用于非线性过程广义预测控制器的设计,得到了一个适用于该类非线性过程的广义预测控制算法,并举例说明该算法的有效性。     

雷达传感的无人驾驶跟踪控制器设计及仿真

【目的】提出了一种基于 BP 神经网络的广义预测控制器用于无人车运输编队的路径跟踪,以弥补 PID 跟踪控制器的不足。【方法】通过将非线性系统网络线性展开,得到线性回归模型,并以非线性前馈增益方式弥补建模的误差。【结果】最后在 CARSIM 和 MATLAB 上进行控制器仿真,并得到了方向跟踪控制器仿真图和无人车编队路径跟踪轨迹图。【结论】仿真结果验证了所提出的方向控制策略在该研究领域的可行性和有效性。
     

基于模型的汽油机电子节气门控制器设计

摘要： 建立了电子节气门系统模型，并通过系统辨识方法得出模型参数.根据被控电子节气门的摩擦力和非线性回位弹簧模型，设计了前馈非线性补偿控制器.将经过前馈非线性补偿后的电子节气门系统简化成线性系统，并对该线性系统进行H无穷控制器的设计.对设计的H无穷控制器进行离散化，并加入比例控制环节来弥补控制器离散化导致的性能下降.经过试验验证，在前馈非线性补偿器、H无穷控制器和比例控制的作用下，被控电子节气门的性能达到了设计需求.     

船舶动力定位非线性预测控制器的设计

针对海洋环境扰动力对海上作业船只的影响,导致船舶动力定位系统具有较强非线性这一情况,本文结合广义预测控制技术,设计了一种船舶动力定位非线性预测控制器。该控制器通过非线性估计滤波得出船舶非线性运动的总扰动,利用广义预测反馈校正进行补偿,并根据得到的预测值对船舶进行定位控制。经过仿真实验证明控制器具有较强鲁棒性和适应性。     

基于内模原理的非线性系统扰动抑制

 研究非线性受扰系统的扰动抑制问题.运用原点线性化方法,将非线性系统在原点线性化,对线性化后的系统根据内模原理设计扰动抑制控制器,通过所设计的扰动补偿项抵消扰动对系统的影响.运用仿真示例、通过前馈反馈和内模控制器作比较、验证所设计的控制器的有效性.     

基于神经网络模型的扩展优化自校正预测控制

利用前馈神经网络权初值优化的快速BP算法建立对象的非线性预测模型,采用分段线性化的技术建立动态线性模型,基于该线性模型进行滚动优化,同时用非线性预测模型对其进行补偿,实现对具有时延的非线性系统的预测控制,较好地解决了非线性系统存在时变、模型失配等情况下的控制问题。仿真实验表明由它构成的控制系统具有很好的动态响应和较强的鲁棒性。     

高速伺服注塑机成型过程预测迭代学习控制

将学习控制应用于高精密快速伺服注塑机成型过程，根据成型过程的特点设计了一个预测迭代学习控制器，并利用先前得到的系统模型对算法进行仿真．控制器由前馈和反馈控制两部分组成，引入滤波器用于增强学习控制器的鲁棒性．将预测学习控制算法在伺服注塑机上进行了实验．实验和仿真结果表明，该预测学习算法对提高成型过程的位置重复精度效果明显．     

雷达传感的无人驾驶跟踪控制器设计及仿真

【目的】提出了一种基于BP神经网络的广义预测控制器用于无人车运输编队的路径跟踪,以弥补PID跟踪控制器的不足。【方法】通过将非线性系统网络线性展开,得到线性回归模型,并以非线性前馈增益方式弥补建模的误差。【结果】最后在CARSIM和MATLAB上进行控制器仿真,并得到了方向跟踪控制器仿真图和无人车编队路径跟踪轨迹图。【结论】仿真结果验证了所提出的方向控制策略在该研究领域的可行性和有效性。     

基于神经网络的多变量非线性系统的广义预测控制

为了使广义预测控制的思想成功应用于多变量非线性系统,用神经网络对其进行开环解耦得到单变量非线性系统后,采用一种复合多层前馈神经网络结构作为单变量非线性系统预测模型,利用递推最小二乘法和Davidon最小二乘法作为在线学习算法,建立了一种适合多变量非线性系统的自校正广义预测控制器。     

基于BP网络的非线性广义预测学习控制器

本文提出了一种基于ＢＰ神经网络的非线性义预测学习控制器，它由一个ＢＰ网络构成。在整个学习与控制过程中，首先根据被控对象的输出与ＢＰ的学习输出之间的误差来修改网络的权值，以逐步建立被控对象的合理的多步预报模型；然后，根据网络的多步预报输出序列与设定值序列的偏差修改控制律。     

基于NGPC的UUV路径跟随控制

针对水下无人潜航器（UUV）路径跟随问题,提出了一种基于模型的非线性反馈跟随控制方法.考虑UUV两输入、三输出的非线性跟随模型,选择与输出误差和控制误差相关的性能指标函数,利用基于最小化指标函数的非线性广义预测控制算法设计路径跟随器.针对UUV跟随模型简化后不确定性对路径跟随效果的影响,在控制闭合回路中提出了基于积分形式的水动力参数辨识方案,以减小路径跟随过程中规划路径和实际跟随路径之间的位置误差.最后,通过湖试验证了所提出方法的有效性.     

离散非线性系统模糊双模预测控制算法

针对一般离散非线性系统,将模糊系统对非线性系统的逼近能力与预测控制算法相结合,提出一种基于模糊系统逼近的双模预测控制算法·在吸引域外,以模糊系统为预测模型计算控制量,并施加于实际系统;在吸引域内,切换至一个渐进稳定的线性控制器·在满足一定条件下,给出预测模型与非线性系统性能指标间的关系,分析了闭环系统的稳定性·最后以一个仿真例子说明了算法的有效性·     

一种基于2次核函数支持向量机的多步预测控制算法

提出了一种基于2次多项式核函数支持向量机的多步预测控制方法。通过黑箱辨识和线性化技术得到非线性系统的近似模型,根据预测控制机理,最小化滚动时域的二次型目标函数,利用模型算法控制的方法得到控制器的解析输出。通过一个标准预测模型和一个工业用连续搅拌槽式反应器的模型仿真验证了该控制器的性能,仿真结果表明:该控制器有着良好的预测性能。     

基于伪输出的鲁棒PI型广义预测自校正控制器

本文提出了一种新型的广义预测自校正控制器。由于在控制器的设计中，所用输出序列为量测输出与基于辨识模型的输出综合而成的，并且控制器采用了ＰＩ型目标函数，因此该控制器对未建模动态具有较强的鲁棒性。     

基于T-S模型的模糊预测控制在聚合釜中的应用

针对具有大滞后、大惯性、强非线性的工业过程,提出了基于Takagi-Sugeno（T-S）模型的预测函数控制（Predictive Functional Control,PFC）方法。设计了一种适用于聚合釜的模糊预测控制器;将各分阶段定义为多个子空间,每个子空间对应一个预测模型。仿真结果验证了该控制器具有较好的适应性和鲁棒性。     

基于 Hopfield 网络的约束广义预测控制

本文将Ｈｏｐｆｉｅｌｄ网络的快速优化计算能力应用于带预测输出约束及输入约束的广义预测控制的求解。推导了带约束的预测模型,并将约束广义预测控制的求解化为典型的约束二次规划。提出一种求解约束非线性规划的Ｈｏｐｆｉｅｌｄ网络结构,并证明了其收敛性和稳定性。     

Friction compensation design based on state observer and adaptive law for high-accuracy positioning system

Friction is one of the main factors that affect the positioning accuracy of motion system. Friction compensation based on friction model is usually adopted to eliminate the nonlinear effect of friction. This paper presents a proportional-plus-derivative (PD) feedback controller with a friction compensator based on LuGre friction model. We also design a state observer to observe the unknown state of LuGre friction model, and adopt a parameter adaptive law and off-line approximation to estimate the parameters of LuGre friction model. Comparative experiments are carried out among our proposed controller, PD controller with friction compensation based on classical friction model, and PD controller without friction compensation. Experimental results demonstrate that our proposed controller can achieve better performance, especially higher positioning accuracy.