GPC隐式算法及其在供热控制中的仿真研究

基于理论研究和工程应用的需要，提出了广义预测隐式算法。首先介绍了具有滤波器的模型已知的基本广义预测控制（GPC）算法，然后给出了两种隐式自适应算法，一种是已知对象阶跃响应前P个参数的算法，这种算法既不需要在线递推求解Diophantine方程，也不需在线求逆；另一种是一次辨识控制器参数的算法。最后以集中供热热力站热交换过程为应用背景，对基本算法和两种隐式算法进行仿真研究，其结果证明了算法的有效性。     

基于FFT与Mason公式的仿真研究

本文应用ＦＦＴ及梅森公式对线性系统仿真，首先介绍基于ＤＦＴ的频域仿真原理，然后借助梅森公式完成多输入多输出线性系统的仿真，文中给出仿真程序流程，并通过实例说明仿真的可行性和实用性。     

混凝剂投量的RBF网络预测控制系统

净水厂水处理工艺中的混凝投药过程是一个大滞后、非线性的复杂系统.针对其特点并结合国内目前投药控制的现状,提出了一种带有前馈补偿的RBF神经网络预测控制新方法.该方法利用人工神经网络建立投药量的预测模型,然后用出水浊度与设定值之间的预测偏差构成闭环控制系统.通过实时的在线滚动优化,实现了投药量的最优投加.经过仿真试验表明,出水浊度能够比较准确地跟踪设定值的变化,同时该方法所需混凝剂量减少,控制效果明显.     

供热系统动态矩阵控制的仿真研究

根据对象的特点和节能要求，对供热系统提出预测控制方案，首先介绍了基本动态矩阵控制（DMC）算法，给出了预测模型，滚动优化控制和误差校正的构成，为了提高实时性，接着给出了DMC简化算法，然后，基于时间序列分析原理提出用预报误差校正代替误差校正的算法，最后通过仿真实验，给出各种算法的仿真结果并对结果进行了分析。     

基于相空间重构的RBF江水浊度预报研究

针对江水浊度序列非线性非平稳的特点,提出基于相空间重构的径向基函数(RBF)神经网络江水浊度预报法.利用虚假邻域法确定最小嵌入维数,根据互信息法计算最佳延迟时间;根据取得的嵌入维数和延迟时间对江水浊度时间序列进行相空间重构;利用重构相空间后的时间阵列,用RBF神经网络建立预报模型;利用该模型对江水浊度进行预报.最后通过仿真,证明基于相空间重构的RBF神经网络预报优于SISO-RBF神经网络预报和BP神经网络预报.