多变量灰色广义预测控制直接算法及仿真

基于多变量灰色系统模型 ,提出了一种MIMO系统的广义预测控制直接算法。该算法利用两个辨识器分别辨识被控对象和闭环系统的参数 ,从而得到控制器的参数。算法在线辨识参数较少 ,又避免了Diophantine方程和逆矩阵的在线求解 ,进一步减少了计算量 ,提高了实时性。仿真结果表明 ,该算法是有效的     

输入受限的隐式广义预测控制算法的仿真研究

本文基于CARIMA模型提出了一种简单的隐式广义预测自校正控制算法。它避免了在线求解Dioaphantine方程;利用并列预测器间的特点,直接辨识输出预测器中的参数,并针对广义预测控制问题,在整个预测时域和控制时域,对输入幅值施加了约束;在此基础上以二次规划作为滚动优化策略,进行计算机仿真,获得预测控制信息和输出信息;然后采用加权控制律,不仅使预测信息得以充分利用,而且使系统的性能得到明显改善。     

广义预测控制的快速算法及其应用

针对工业过程控制中的典型回路 ,一般采用一阶或二阶系统加纯滞后模型的特点 ,提出了一种快速广义预测控制算法 (FGPC) ,与标准的广义预测控制算法相比 ,该算法具有结构简单 ,在线运算量小的特点 ,比较适用于实时控制 ,并讨论了其中的参数计算。最后以典型工业过程系统的控制仿真验证了所提出算法的有效性。     

时滞对象的自适应Smith广义预测控制

针对时滞被控对象提出了一种自适应Smith广义预测控制器方案。在广义预测控制中 ,以Smith预估器建立被控对象预测模型 ,并基于零频率时的模型匹配和有遗忘因子的递推最小二乘算法在线辨识系统参数和时滞 ,不断修正Smith预估器模型和控制器参数 ,有效克服系统参数和时滞变化对系统的影响 ,动态响应快 ,跟踪效果好。仿真结果证明了这种方法的有效性。     

简化稳定广义预测控制算法

讨论了一种简化的无穷广义预测控制算法,算法在被控对象稳定的条件下可以保证闭环系统的稳定性.使用收缩原开环系统极点的方法使原系统稳定,然后针对这个稳定广义系统推导了无穷广义预测控制率,理论分析证明可以保证开环不稳定系统的闭环稳定性.该算法可以得到控制率的显式解,不用递推求解Diophantine方程,大大减小了过程计算量,具有一个意义明确的可调参数,适用于不稳定,非最小相位和纯滞后系统.对几类不稳定过程的数值仿真结果说明了该方法的有效性.     

改进的自适应广义预测极点配置加权控制器

预测控制在应用时，一个值得注意的重要问题是如何减小计算量，保证实时性问题，文献[1]的广义预测极点配置加权控制器在这方面已有改进，但仍要在线求解闭环极点方程，计算量仍较大，本文提出用计算量小的递推算法辨识上述方程参数的新方案，同时推广了文献[1][2]有关Diophantine方程的递推算法，应用表明本文方案的有效性。     

基于预测控制的NCS时延补偿算法

针对网络控制系统(networked control system, NCS)中随机时延导致系统性能下降的问题,利用粒子群优化(particle swarm optimization, PSO)的最小二乘支持向量机(least square support vector machine, LS-SVM)建立NCS中随机时延预测模型,精确预测未来时刻的时延;同时利用该预测算法预测的时延通过快速隐式广义预测控制算法对NCS随机时延进行补偿。仿真结果表明,PSO优化的LS-SVM算法对随机时延具有较高的预测精度,同时快速隐式广义预测控制算法可使系统的输出很好地跟踪参考轨迹,保证系统良好的控制效果。     

一种在线实时快速地判定交通流混沌的组合算法

交通控制的实时性要求高，需要在线实时快速地判定交通流混沌，才可能实现交通流的混沌控制。计算时间序列的最大Lyapunov指数是判定混沌的主要方法。本文提出一种在线实时快速地判定交通流混沌的组合算法。该算法先用关联积分法（C—C方法）确定重构相空间的两个重要参数——嵌入维m和延迟时间τ，再用小数据量方法计算时间序列的最大Lyapunov指数。为检验算法的有效性，首先将算法用于几个最大Lyapunov指数已知的经典混沌系统，比较计算结果；同时对皮埃莱（Bierley）跟驰模型产生的理论交通流时间序列做了仿真试验，计算了其最大Lyapunov指数。实验结果表明这种算法可以用于数据少的交通流时间序列，并且抗噪性好。     

灰色预测模糊PID控制在汽温控制系统中的应用

将灰色预测、模糊控制与常规PID控制三者的设计思想融合起来，提出了一种灰色预测模糊PID控制算法。该算法首先通过建立模糊规则和进行模糊推理来确定PID控制器的参数，然后由PID控制律直接确定控制作用，再将灰色预测在线应用，用其预测结果代替被控对象测量值进行控制运算。仿真结果表明，利用该算法设计的汽温控制系统比应用模糊PID控制设计的汽温控制系统具有更加优良的性能。     

神经网络自适应广义预测解耦控制器的设计

提出了一种神经网络补偿自适应广义预测解耦控制方案，即用神经网络逼近通道间的耦合、非线性及未建模动态，且采用了改进RLS辨识算法及用后能改善辨识效果，从而增进自适应控制的精度与鲁棒性，能解决参数不确定的非线性多变量耦合问题，给出了该算法的实现原理及步骤。理论分析和仿真结果表明，该方案是有效的。     

Global Convergence of Adaptive Generalized Predictive Controller Based on Least Squares Algorithm

Some papers on stochastic adaptive control schemes have established convergence algorithm using a least-squares parameters. With the popular application of GPC, global convergence has become a key problem in automatic control theory. However, now global convergence of GPC has not been established for algorithms in computing a least squares iteration. A generalized model of adaptive generalized predictive control is presented. The global convergebce is also given on the basis of estimating the parameters of GPC by least squares algorithm.     

基于Hammerstein-Wiener模型的广义预测控制

提出了一种新型的基于Hammerstein-Wiener模型的广义预测控制策略。采用基于最小二乘支持向量机的Hammerstein-Wiener模型描述非线性系统动态特性,作为被控对象预测模型。同时,针对现有遗传算法和混沌粒子群优化算法收敛速度慢和精度低等缺点,给出一种拟牛顿信赖域混沌粒子群混合优化算法,作为预测控制的滚动优化策略,函数测试和非线性对象的广义预测控制的滚动优化表明该算法的优越性。最后,对设计的预测控制器进行实例仿真,结果表明它能满足系统实时稳定运行的需求,取得了良好的控制效果。     

The Predictive Control Based on Hammerstein Model with NU=1

ＴｈｅＰｒｅｄｉｃｔｉｖｅＣｏｎｔｒｏｌＢａｓｅｄｏｎＨａｍｍｅｒｓｔｅｉｎＭｏｄｅｌｗｉｔｈＮＵ＝１ＣＵＩＸｉａｏｄｉ；ＬＵＺｈｕｎｗｅｉ；ＸＵＲｏｎｇｌｉａｎｇＴａｉｙｕａｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｔａｉｙｕａｎ０３００２４...     

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.     

隐式广义预测自校正控制算法的混合仿真研究

本文利用广义预测控制与动态矩阵控制的等价性，根据动态矩阵控制中误差校正原理对广义预测控制算法中的开环预测向量ｆ作了修正。并通过模拟仿真仪对该算法进行了混合仿真研究。     

隐式广义预测自校正控制算法的混合仿真研究

利用广义预测控制与动态矩阵控制的等价性，根据动态矩阵控制中误差校正原理，对广义预测控制算法中的开环预测向量ｆ作了修正，并通过模拟仿真仪对该算法进行了混合仿真研究。