一类非线性系统的广义预测控制

对一类非线性系统的广义预测控制进行了研究。采用动态寻优的方法减小线性化过程中被舍弃的非线性项引起的误差,仿真结果表明了算法的有效性。     

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.     

非线性系统的广义线性化预测控制

提出一种非线性系统预测控制的分层设计方法。首先采用广义线性化状态反馈得到具有指定动态的线性化系统,然后采用基于状态方程的预测控制算法,以获得良好的跟踪性和鲁棒性。最后以仿真例子证实了这种控制方案的有效性。     

一类非线性系统的广义预测控制

将广义预测控制应用于Hammerstein模型描述的非线性系统,得到了一类非线性系统的广义预测控制算法.仿真结果表明,该算法具有较强的鲁棒性.     

非线性系统的分层优化预测控制

提出了一种基于分层优化策略和动态最优控制解法的非线性系统预测控制算法,该方法大大减小了在线计算量,使实时控制成为可能.给出了详尽的理论推导,以一个仿真算例证明了算法的正确、可行与有效性.     

一类非线性系统的自适应广义预测控制

利用Hammerstein模型描述一类非线性系统，提出了一类适用于非线性系统的自适应广义预测控制算法（NAGPC），该算法将整个控制系统分解成线性和非线性两部分考虑；在线性部分中，根据广义预测控制（GPC）算法中控制增益阵F的特点导出了一种速度较快，计算量不大的GPC改进算法。非线性部份利用插值原理给出了一种便于计算机实时计算的根值解法，并将其解作为整个系统的控制输入。仿真结果表明，NAGPC算法计算速度快，鲁棒性较强，稳定性较好。     

补偿预测误差的非线性系统广义预测控制

将一类非线性系统等价表示为时变线性系统,研究了非线性系统的广义预测控制。利用三次样条基函数多项式逼近时变系数,将时变参数的估计转化为定常参数的估计。为了提高输出预报精度,采用小波网络对预报误差进行预测,作为输出预报的补偿。仿真研究结果表明了所提方法的有效性。     

基于BP神经网络的非线性广义预测控制

广义预测控制在理论上已经有了很深的研究,并在工业控制中获得了应用,但广义预测控制存在着模型失配和系统不确定等缺陷.为克服上述缺陷,本文提出基于BP神经网络建立一个对象模型,用修正的误差预测值对输出预测值进行补偿,从而实现对被控对象的预测控制.通过Matlab仿真,表明神经网络预测控制对非线性系统具有较好的控制效果.     

一类非线性系统加权自适应预测控制

对一类双线性系统，建立了多步极小化性能指标的预测控制算法，用加权预测控制律代替一步预测控制律，能适用非最小相位的双线性系统，仿真实验证实了本算法的有效性。     

基于NN非线性系统的广义预测控制与模拟

利用最小二乘法理论，建立了一种适合非线性系统的广义预测控制方法，通过仿真验证了其具有良好的适应性和有效性。     

基于Lagurre函数的一类非线性系统预测控制

采用有限级Ｌａｇｕｅｒｒｅ级数构成Ｈａｍｍｅｒｓｔｅｉｎ型非线性系统近似模型,并给出基于该模型的Ｈａｍｍｅｒｓｔｅｉｎ型非线性系统的自适应预测控制算法。仿真实验表明,这种自适应控制算法,对系统的时延和阶次以及非线性特性变化有较强的鲁棒性。     

多变量非线性系统模糊直接广义预测研究

对参数未知多变量非线性系统提出一种模糊直接广义预测控制算法．该算法将多变量非线性系统转化为多变量时变线性系统,然后利用模糊系统来逼近控制增量表达式,对控制器参数向量即网络权值向量中的未知向量基于跟踪误差进行自适应调整．     

一类非线性系统次优控制的灵敏度法

本文研究一类非线性定常系统的次优控制问题。通过在系统中引入1个灵敏度参数并将系统变量关于灵敏度参数展开Maclaurin级数，使求解最优控制的非线性两点边值问题化为一族线性两点边值问题。利用截双最优控制级数的有限项求得系统的次优控制律。仿真实例表明，该方法对非线性系统次优控制律的设计是有效的。     

基于Hammerstein模型和GA的非线性广义预测控制

针对Hammerstein型的非线性系统,给出了一种基于GPC的预测控制方法.分析了使用近似法求解控制量的缺点,据此提出了基于遗传算法的控制量优化求解策略.以一个热交换器作为仿真实例,分别使用遗传算法和两种近似法求取控制量,并比较了3种情况下的控制效果.仿真结果表明基于遗传算法的预测控制器具有良好的性能.     

广义非线性系统滑动模控制

研究了一类广义非线性系统的综合问题,由广义非线性系统的特点,直接给出了变结构控制的设计方法,设计过程简单,控制易于实现,且给出了实例。     

一类非线性系统的模型预测控制算法

本文提出一个用于仿射非线系统的模型预测控制算法。首先设计一个静态的非线性状态反馈以获得Ｉ／Ｏ线性化的闭环系统；然后，对此闭环系统设计模型预测控制算法以获得良好的动态特性和抗干扰性能。本文以一个实例说明了该算法的有效性。     

一类非线性奇异系统滑动模态控制的研究

利用最优控制综合的Lyapunov函数方法，研究了一类非线性奇异系统在指标为1时的滑动模态控制问题。所设计的控制不仅使其闭环系统无脉冲，而且保证系统具有良好的动态品质，最后以此方法研究了线性定常奇异系统，并给出了一个数值例子。     

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。     

可分非线性系统的自校正广义预测控制

对一种可分非线性系统,采用Hammerstein模型的基本框架,用神经网络对非线性部分建模,线性部分采用受控自回归积分滑动平均模型.对此模型的线性部分设计广义预测控制器,得出线性部分的控制量.根据此控制量,引入一逆神经网络.结合原来的神经网络模型,通过对逆神经网络权值的调整,使神经网络模型的输出为线性部分的控制量,同时得到逆神经网络的输出,即非线性系统的控制量.文章提出的模型克服了Hammerstein模型中非线性部分的反函数存在性和唯一性的问题.仿真结果验证了该设计的有效性.     

一类带有广义不确定性非线性系统的自适应模糊反演控制

本文结合自适应控制、模糊控制和反演控制方法,针对带有广义不确定性的严格块反馈型非线性系统,设计了一种自适应模糊反演控制律。对反演控制律设计的不足之处,采用自适应模糊控制去逼近非线性系统中带有广义不确定性的非线性函数,从而实现了无需精确数学模型的全新控制律,避免了因存在不确定性对系统带来的不良影响。在此基础上,利用李亚普诺夫方法分析了系统的稳定性和收敛性。仿真结果表明：本文所设计的控制律,对严格块反馈型非线性系统中存在的不确定因素具有较强的鲁棒性和自适应性。