非线性模型预测控制的智能算法综述

从非线性模型预测控制的预测模型建模和最优化问题求解两方面入手,介绍了近年来基于智能模型和智能优化算法的非线性系统预测控制方法,并对各种算法的特征进行了总结评述,指出了智能非线性预测控制方法存在的问题和未来的发展方向。     

一类基于神经网络的非线性模型预测控制

在研究非线性对象输入/输出数据的基础上，将对象输出的Taylor级数展开式取线性项作为预测模型，提出一种非线性系统模型预测控制算法，为了保证预测模型的准确性，以神经网络做辩识器估计系统建模误差，对非线性对象进行单频预测控制，理论上已证明三层BP网能任意逼近L2上的非线性函数，本文通过仿真研究也表明了当神经网络逼近系统建模误差时，所提出的预测控制算法对复杂非线性对象能达到良好的控制效果。     

基于C-R模糊模型的非线性预测控制

Cao和Ress提出的模糊模型（称为C-R模糊模型）由模糊推理和局部线性解析模型两部分组成，用隶属函数加权局部模型构成系统的全局非线性模型。本文提出了一种新的结构上与阶跃模型相类似的C-R模糊阶跃模型。并用DMC动态矩阵控制算法，求解基于该模型的非线性预测控制问题，得出了预测控制算法的解析形式，该方法克服了一般非线性预测控制算法求解困难的缺陷。     

快速阶梯式非线性预测控制

针对仿射非线性系统,以参考输出轨迹代替预测的未来输出进行多个一步预测,取代了多步预测,提出了快速非线性预测控制算法,计算量小,可获得解析控制律;引入了阶梯式控制思想,进一步降低了计算量,柔化了控制量的变化轨迹。对水箱液位控制系统的仿真和实验研究,获得了良好的控制效果,初步验证了算法的有效性。     

基于Hammerstein模型的非线性自适应预测函数控制

传统的预测函数控制对非线性和多变性的实际对象控制效果不佳.采用基于Hammerstein模型的预测函数控制(PFC)内部模型辨识方法来拟合实际对象的非线性.针对实际时象的多变性,不断辨识对象,校正内部模型参数,增强控制系统适应对象变化的能力.选取正弦多项式形式的基函数并介绍了滚动优化的办法.优化性能指标选取双值指标,计算量小,精度高.整个算法线性寻优,不需要非线性模型预测控制的非线性滚动优化,输出可以应用模型参数直接计算.实验表明该方法比PID控制效果更好而且对模型失配具有很好的自适应性能.     

基于状态相依RBF-ARX模型的非线性预测控制及应用

对于一类工作点时变的光滑非线性多变量系统,采用状态相依自回归(state-dependent auto-regressive with exogenous, SD-ARX)模型描述系统的非线性状态特征,用高斯径向基函数(radial basis function, RBF)神经网络近似SD-ARX模型的函数型系数,利用结构化非线性参数优化方法(structured nonlinear parameter optimization method, SNPOM)离线估计模型参数,并以状态信号量引导模型实时反映对象的动态特性,在此基础上设计的非线性预测控制器因避免了在线模型参数估计,可提高系统的实时性,并具有较好的控制效果。对四旋翼飞行器的实验结果验证了建模方法的有效性和控制方法的可行性。     

一类非线性系统的终端滑模分解控制

针对一类非线性系统的稳定控制问题,提出了一种终端滑模分解控制器的设计方法.首先将整个系统分解成两个二阶子系统,设计两个子系统各自的终端滑模面;然后将一个子系统的控制目标嵌入到另一个子系统的控制目标中,用一个控制量使两个子系统在有限时间内收敛至平衡点.该方法对于维数较高系统的控制具有较大意义,可简化设计.倒立摆的仿真结果验证了该方法的有效性.     

非线性多模型控制及仿真研究

连续发酵过程是一个强非线性的生化反应过程，其控制已成为一个难点。传统的预测函数控制一般只能处理线性对象。通过对非线性动态过程的多模型建模，提出了基于加权的多模型自适应预测函数控制方法，用于大范围的非线性连续发酵过程控制，实现了多模型之间的无扰切换。仿真结果表明：跟踪性能优良，鲁棒性强，说明了该方法对非线性系统大范围控制的有效性。     

非线性双容水箱建模与预测控制

应用流体力学理论对双容水箱液位系统进行力学分析，采用机理建模方法，建立非线性数学模型。应用实测数据拟合模型参数，采用三组仿真，实测阶跃响应曲线，验证了机理模型．采用有约束一步非线性预测控制算法，并考虑了控制工程中多种实际约束问题，对双容水箱液位系统进行了实际控制。实验结果初步验证了控制算法，并进一步验证了模型的有效性。     

基于C-R模糊模型的预测控制的动态特性分析

提出了C-R模糊模型的辩识递推算法和C-R模糊模型的非缌挂预测控制算法。文中给出了C-R模糊模型的预测控制的动态特性分析，并得到了与线性预测控制理论相对应的C-R模糊模型的非线性预测控制稳定性定理，它对分析非线性预测控制具有一定的指导意义。     

Aggregation based nonlinear model predictive controller with stability analysis

An aggregation based nonlinear model predictive controller (ABNMPC) is proposed for constrained nonlinear systems. Through aggregation, the no-line computation for nonlinear predictive control can be reduced. Stability of the system controlled by the aggregation based predictive control strategy is discussed. It is pointed out that the system is asymptotically stable if the terminal state lies in a certain set and the decaying aggregation coefficient satisfies some conditions. The conclusions are verified through a simulation example.     

一类非线性系统的模糊变结构控制方案

针对一类特殊非线性系统的模糊变结构控制及稳定性问题,通过将非线性系统化为多个精确T S模型来建立非线性系统精确的T S模糊模型,将模糊理论与成熟的线性变结构控制理论相结合设计出一种模糊变结构控制器,提出了使全局模糊模型稳定的充分条件,并用Lyapunov稳定性理论证明该控制器能确保模糊动态模型全局渐近稳定,从而使非线性系统稳定。仿真结果表明了该设计方法的有效性。     

Stabilizing model predictive control scheme for piecewise affine systems with maximal positively invariant terminal set

An efficient algorithm is proposed for computing the solution to the constrained finite time optimal control (CFTOC) problem for discrete-time piecewise affine (PWA) systems with a quadratic performance index. The maximal positively invariant terminal set, which is feasible and invariant with respect to a feedback control law, is computed as terminal target set and an associated Lyapunov function is chosen as terminal cost. The combination of these two components guarantees constraint satisfaction and closed-loop stability for all time. The proposed algorithm combines a dynamic programming strategy with a multi-parametric quadratic programming solver and basic polyhedral manipulation. A numerical example shows that a larger stabilizable set of states can be obtained by the proposed algorithm than precious work.     

一种面向成本预测控制的方法研究

成本控制是现代成本管理工作的重要环节,目前成本控制中所分析的信息受财务会计指标的影响,成本控制活动是以会计期间为分析间隔期的,这影响了成本控制的及时性和成本控制系统的有效性.针对成本控制中存在的问题,本文尝试将工程领域的预测控制思想引入成本控制,以小波神经网络作为模型预测算法,CUSUM控制图作为成本预测控制律,建立了成本预测控制模型.该模型有别于传统的成本控制方法,是对成本控制理论的创新性尝试.     

一类非线性系统的新型增益调度变结构跟踪控制

针对一类参数不确定非线性系统的增益调度变结构跟踪控制,以切换函数作为调度变量,同时考虑系统稳态误差的指标要求,对滑动平面系数、边界层厚度以及控制器系数进行调度,得到了一种新型的增益调度变结构控制策略。不仅消除了系统颤振,减少了系统能耗,提高了系统的控制性能,使得系统能够快速进入并获取稳定的滑动模态,而且使跟踪系统能够满足稳态误差指标的要求。仿真算例验证了所提控制策略的有效性。     

Constrained predictive control of nonlinear stochastic systems

The receding horizon control (RHC) problem is considered for nonlinear Markov jump systems which can be represented by Takagi-Sugeno fuzzy models subject to constraints both on control inputs and on observe outputs. In the given receding horizon, for each mode sequence of the T-S modeled nonlinear system with Markov jump parameter, the cost function is optimized by constraints on state trajectories, so that the optimization control input sequences are obtained in order to make the state into a terminal invariant set. Out of the receding horizon, the stability is guaranteed by searching a state feedback control law. Based on such stability analysis, a linear matrix inequality approach for designing receding horizon predictive controller for nonlinear systems subject to constraints both on the inputs and on the outputs is developed. The simulation shows the validity of this method.         

多变量非线性系统的有约束模糊预测解耦控制

针对多变量非线性系统提出了一种带约束输入的广义预测解耦控制算法:首先对多变量非线性系统建立T-S模糊模型,然后在每个采样点对系统进行局部动态线性化,将得到的系统线性化模型进行对角解耦,然后对其设计带输入约束的GPC算法.该算法充分考虑了控制输入及其增量受约束的情况,而且不必求Dio-phantine方程,减小了计算量,且削弱了变量之间的耦合程度.最后的仿真结果说明了该算法对多变量非线性系统的有效性.     

Constrained predictive control based on T-S fuzzy model for nonlinear systems

A constrained generalized predictive control （GPC） algorithm based on the T-S fuzzy model is presented for the nonlinear system. First, a Takagi-Sugeno （T-S） fuzzy model based on the fuzzy cluster algorithm and the orthogonalleast square method is constructed to approach the nonlinear system. Since its consequence is linear, it can divide the nonlinear system into a number of linear or nearly linear subsystems. For this T-S fuzzy model, a GPC algorithm with input constraints is presented. This strategy takes into account all the constraints of the control signal and its increment, and does not require the calculation of the Diophantine equations. So it needs only a small computer memory and the computational speed is high. The simulation results show a good performance for the nonlinear systems.     

基于非线性模型预测控制的火星大气进入智能制导方法

针对火星大气进入精确制导问题,提出了基于非线性模型预测控制(nonlinear model predictive con-trol,NMPC)的智能进入制导方法.首先,考虑了进入制导约束,采用NMPC方法设计制导算法.通过引入衰减记忆滤波器,提出了基于误差信息估计的预测模型修正方法,增强系统对模型误差的鲁棒性,并利用变...     

Adaptive variable structure control for large-scale time-delayed systems with unknown nonlinear dead-zone

The problem of adaptive fuzzy control for a class of large-scale, time-delayed systems with unknown nonlinear dead-zone is discussed here. Based on the principle of variable structure control, a design scheme of adaptive, decentralized, variable structure control is proposed. The approach removes the conditions that the dead-zone slopes and boundaries are equal and symmetric, respectively. In addition, it does not require that the assumptions that all parameters of the nonlinear dead-zone model and the lumped uncertainty are known constants. The adaptive compensation terms of the approximation errors are adopted to minimize the inuence of modeling errors and parameter estimation errors. By theoretical analysis, the closed-loop control system is proved to be semi-globally uniformly ultimately bounded, with tracking errors converging to zero. Simulation results demonstrate the effectiveness of the approach.