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.     

基于即时线性化的Wiener非线性系统预测控制

采用一种Laguerre网络与SBP神经网络构成的组合模型和即时线性化方法实现了对Wiener非线性系统的自适应预测控制策略。组合模型无需动态系统的阶次和时延的结构先验知识；即时线性化，即是在线依据每个控制周期由模型获得的系统未来各步预测输出yo(k i)|k,(i=1,…，P）对非线性模型进行线性化，进而利用线性化模型进行控制优化求解，即时线性化避免了非线性控制优化求解的困难。文中还给出了实现即时线性化的算法，最后仿真表明所提的算法与策略是有效的。     

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。     

基于LS-SVM的多模型非线性主动预测容错控制

针对具有故障先验知识的非线性系统,在基于BP神经网络多模型预测的主动容错控制方法中,存在建模所需样本多、网络结构难以确定、收敛速度慢、易陷入局部极值及非线性预测控制计算复杂等缺点,提出一种基于LS-SVM的多模型主动预测容错控制方法.首先基于LS-SVM建立系统正常或已知故障模式的动态模型库,实际运行时依据对系统性能容忍度指标与模型失配度指标的实时计算分析,判断系统所处的不同运行模式,既而采用对LS-SVM非线性核函数的线性化近似表示方法求取对应系统不同运行模式的局部线性预测控制律以实现对系统故障的主动容错.以一非线性系统实例仿真验证所述方法的可行性和有效性.     

基于T-S模型的模糊广义预测控制

对非线性系统建立了T－S模糊模型,并用正交最小二乘法（OLS）对模糊规则的后件参数进行辨识,然后在每一个采样点对系统进行局部动态线性化,根据得到的系统线性化模型对系统采取广义预测控制（GPC）方法得到当前的控制动作,仿真的结果表明了该方法的有效性。     

催化裂化装置的非线性预测控制

基于反馈线性化方法,提出了一种有输入、输出约束条件的多入多出非线性系统的预测控制方法。催化裂化装置(FCCU)的反应再生部分是一个典型的非线性系统,基于FCCU的机理模型,采用该控制方法设计了非线性预测控制器,并对其跟踪能力和稳定性进行了仿真分析。仿真结果表明,所设计的控制器具有良好的跟踪性能和稳定性。     

催化裂化装置的非线性预测控制

基于反馈线性化方法,提出了一种有输入、输出约束条件的多入多出非线性系统的预测控制方法。催化裂化装置(FCCU)的反应再生部分是一个典型的非线性系统,基于FCCU的机理模型,采用该控制方法设计了非线性预测控制器,并对其跟踪能力和稳定性进行了仿真分析。仿真结果表明,所设计的控制器具有良好的跟踪性能和稳定性。     

Rucklidge系统的反馈线性化控制

为了控制混沌Rucklidge系统的不稳定平衡点,本文首先采用数值分析的方法对该系统的混沌特性进行研究,结果表明Rucklidge系统具有十分丰富的动力学行为;然后根据微分几何理论,对Rucklidge系统进行全状态反馈线性化控制器的设计,实现对该系统不稳定平衡点的有效控制,并对比近似线性化方法设计的控制器效果。结果表明反馈线性化方法具有一定的优越性。     

基于收费数据的高速公路站间旅行时间预测

针对高速公路断面检测数据密度不足现状,采用收费数据预测收费站间车辆旅行时间。首先,研究收费数据实时修正处理方法,改进平均旅行时间计算模型;其次,引入分段线性插值方法构建卡尔曼滤波模型,以减小卡尔曼滤波线性化产生的模型误差问题;接着,依据旅行时间预测业务逻辑开发应用系统,实时主动预测高速公路站间旅行时间。示范路段应用表明,插值后预测算法在正常、事故、小长假三种交通流状态下所有周期平均相对误差控制在10%内,事故周期平均相对误差控制在13%内。插值后算法预测精度有效提高,可为高速公路公众出行提供时间参考。     

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。     

基于模糊推理和广义预测的组合控制

针对具有纯时滞和非线性的复杂系统，提出一种推广广义预测控制和模糊反馈校正相结合的控制策略，目的在于抑制模型失配的影响，增强广义预测控制的鲁棒性，建立了一种适于实时生产过程的控制方法，仿真结果验证了这一算法的有效性。     

非线性大滞后系统的单神经元模糊预测控制

提出一种单神经元模糊预测PID控制策略,无需对复杂控制过程建立数学模型,只要检测过程的实际输出和期望输出,通过模糊预测控制修正单神经元PID控制规则,即可对非线性大滞后系统实现自适应控制.对于大滞后扰动系统,在稳定性、快速性、鲁棒性方面明显优于常规单神经元PID控制器.仿真结果表明,该方法应用于非线性大滞后系统具有良好的控制品质.     

大滞后非线性系统PID型多步预测控制

简要概述了基于神经网络的大滞后非线性系统多步预测器的实现,在分析直接多步预测中的误差自关联问题的基础上,提出一种较为准确的去误差直接预测方法,引用鲁棒性好的PID型多步预测目标函数对滞后非线性系统实现预测控制.在控制中,采用适用于动态系统的递归神经网络.仿真实验表明了所提方法的有效性.     

神经元网络智能预测控制

本文基于自学习神经元网络模型，建立了智能预测控制系统，给出了网络系统的算法，阐明了智能控制器的设计以及自学习机理。仿真结果表明，方法具有良好的动态特性和鲁棒性，适用于大滞后系统和非线性系统。     

基于B—P神经网络的非线性系统预测控制的研究

预测控制是以计算机为手段基于模型预测进行控制的方法,但是已有的预测控制算法通常是针对线性渐进稳定对象的,或者即使针对非线性使用了非线性模型,但由于算法过于复杂不能适用于快速系统,本文对复杂非线性系统提出了一种基于Ｂ－神经网络的预测控制方法,仿真和实际结果表明该方法的有效性和快速性,能够实现对非线性系统的实时智能优化控制。     

一类非线性系统基于LS-SVM的自适应滑模控制

针对一类具有不确定性和外部扰动的非线性系统,研究了一种基于李雅普诺夫函数和最小二乘支持向量机的自适应滑模控制方案。该方案利用LS-SVM回归的逼近能力设计反馈线性化控制器,并推导出控制器权值参数向量的自适应律。通过滑模控制技术提高系统对外部干扰和逼近误差的鲁棒性。利用李雅普诺夫函数方法证明了整个闭环系统的稳定性。仿真研究验证了所提控制方案的可行性和有效性。     

大时滞过程基于幅值和相角裕量的系统整定

带有大时滞的单容过程是常见的工业过程,也是较难控制的一类过程。本文针对大时滞的单容过程,采用内模预测控制系统结构,给出了在希望的幅值和相角裕量下PI控制器参数的整定方法。设计例子与仿真结果表明:根据该方法整定的系统有比较理想的稳定性和鲁棒性。     

μ Synthesis Method for Robust Control of Uncertain Nonlinear Systems

μ synthesis method for robust control of uncertain nonlinear systems is propored, which is based on feedback linearization. First, nonlinear systems are linearized as controllable linear systems by I/O linearization,such that uncertain nonlinear systems are expressed as the linear fractional transformations (LFTs) on the generalized linearized plants and uncertainty.Then,linear robust controllers are obtained for the LFTs usingμsynthesis method based on H∞ optimization.Finally,the nonlinear robust controllers are constructed by combining the linear robust controllers and the nonlinear feedback.An example is given to illustrate the design.