用广义预测控制算法进行过程控制的仿真

本文介绍一种简化的广义预测控制算法,并说明用汇编语言实现的细节,最后应用于实验模型的控制,将控制效果与PID算法进行比较。     

广义预测控制算法及其在水表装置中的应用

本文在详尽论证广义预测控制算法（GPC）的基础上，研究了它在水表装置自动控制过程中的应用，仿真结果证实了文中给出的GPC－PI串级切换控制系统对检定过程的良好适应性。     

广义预测控制在液位控制系统中的应用研究

研究广义预测自校正控制算法在液位控制系统中的设计方案，建立被控对象CARIMA模型，讨论算法优化性能指标中的参数选择．针对基本的最小二乘法产生的对象模型参数估计不准的问题，在参数的递推估计、参数估计的收敛速度、参数估计的在线检验以及对象输入输出数据的处理4个方面给出相应的改进方法．实验结果表明，所采用的设计方法合理可行，具有一定的实用价值．     

一种误差修正鲁棒广义预测控制算法

本文为模型补偿方法提高预测精度，提出了一种新的便于实时计算的广义预测控制算法，理论分析及仿真表明．该算法可以克服建模误差的影响．增强控制系统的鲁棒性．     

一种改进的广义预测控制算法

广义预测控制（GPC）在大纯滞后过程控制中仍有不足．本文通过调整GPC的参考轨迹，对GPC算法做了改进，提高了GPC的稳定性和鲁棒性，仿真结果表明此算法控制效果具有良好的应用价值．     

广义预测控制算法鲁棒性的频域分析

通过对广义预测控制算法的结构分解，建立了在频域分析ＧＰＣ算法稳定鲁棒性的方法，并证明了广义控制器在满足一定的边界条件下，如果能使系统开环稳定，则必能使系统闭环稳定，最后由仿真结果进一步说明了结论的正确性。     

模糊预测控制原理及其实现方法

模糊预测控制是近十几年发展起来的一类新型控制算法,是模糊控制与预测控制相结合的产物。本文从过程预测信息处理和模糊决策优化两个大方面,对现有模糊预测控制原理及其实现方法作一综述。     

基于改进粒子群算法的约束广义预测控制算法

摘 要：提出了一种基于PSO-Powell算法的广义预测控制算法,利用PSO与Powell进行二次搜索来求取广义预测控制的最优控制率。将PSO-Powell算法引入到广义预测控制的滚动优化过程中,约束条件函数和适应度函数一起判断最优解的优劣。该算法可以有效地处理约束并找到全局最优解。最后通过仿真验证该方法的有效性。     

基于BP神经网络的广义预测控制算法的研究与应用

本文提出了1种基于BP神经网络的广义预测控制算法,其实质是利用BP神经网络来求取广义预测控制的最优控制律.神经网络选用了具有良好逼近性能的BP结构.该算法对广义预测控制算法进行了简化,使其可以应用于快速系统的控制.最后,选用倒立摆系统作为研究的对象,将新算法应用于倒立摆的控制,取得了较好的控制效果.     

基于预测状态空间实现的前馈GPC及其应用

在ＣＡＲＩＭＡ模型基础上，推导出预测状态空间实现．建立了预测状态与系统模型结构参数之间的直接关系，并据此得出前馈ＧＰＣ控制律，形成递推算法     

MAC预测控制及其在生产中的应用

以分量豆蛋白的生产过程控制为例,介绍模型启发预测控制ＭＡＣ算法的实现过程,这种控制方法适用于被控对象无法用精确数学 模型描述的,参数不确定的复杂控制过程。     

广义预测控制矩阵求逆的快速算法研究

为提高广义预测控制系统的实时性,基于Toeplitz变换提出了广义预测控制(GPC)逆矩阵的快速算法.在预测时域N和控制时域M相等与不相等两种情况下,将控制律求逆部分变换成Toeplitz形式,采用Trench-Zohar求逆算法快速求取变换后的逆矩阵.分析表明,该算法计算量比常规求逆计算低一阶,并且步骤简便,容易编程实现.     

广义预测控制及其在干燥塔中的应用

将预测控制中广义动态矩阵控制与前馈 -反馈控制相结合 ,构成一种新的控制方案 ,称为广义预测控制 ,它与前馈 -串级控制结构相近 ,但在设计思想和参数整定方面有所不同 ,它既能有效克服主要干扰 ,同时又保持了预测控制的鲁棒性及良好的跟踪性能。本文介绍了这种方案在干燥塔温度控制中的应用     

广义预测控制在特殊Wiener型非线性系统的应用研究

广义预测控制是一种基于被控对象参数模型的控制算法,适用于复杂的、数学模型难以精确建立的控制系统。现研究了该算法,并对一个被控对象模型进行了仿真。结果表明,广义预测控制算法响应速度快,无超调,控制效果理想。     

多变量广义预测控制系统的闭环稳定性分析及其在造纸过程中的应用

本文导出了多变量广义预测控制系统的闭环结构，并分析了闭环系统的稳定性，为设计多变量广义预测控制系统提供了理论依据。     

基于改进的隐式广义预测控制在燃气发电锅炉主汽压中的应用

针对燃气发电锅炉主汽压控制系统存在非线性、模型参数不确定等问题,提出了一种改进的隐式广义预测控制策略。首先,使用遗忘因子递推最小二乘法进行模型参数辨识,建立主汽压的离散数学模型;其次,在常规广义预测控制理论基础上建立主汽压的隐式广义预测控制系统,简化控制算法,通过在目标函数中增加PI结构,提高系统的鲁棒性。仿真结果表明,相比串级PID和常规隐式广义预测控制,所提控制策略在模型适配时调节时间最多减少20 s,模型失配时超调量最多减少5.08%,调节时间最多降低36 s,系统鲁棒性和抗干扰能力增强;工程应用表明,使用所提策略后主汽压控制偏差在±0.2 MPa之间,控制精度显著提高。改进的隐式广义预测控制较好地满足了工业生产中对主汽压的控制要求,具有较高的研究和应用价值。     

基于PSO-SVM的多阶段产品质量预测控制方法研究

本文以钢铁产品为例,在分析多工序多阶段产品质量预测控制特点的基础上,建立了多控制点递阶SVM预测控制模型,在模型的求解过程中,提出了基于粗集理论和主成分分析法的数据预处理与模型简化,并利用带约束的PSO算法分别优化了SVM的核超参数和相关影响因素的决策范围,实现了多阶段产品质量预测和相关过程参数的全局优化,为生产过程的质量改进提供了科学的决策依据。     

基于粒子群优化的BP神经网络预测方法及其应用研究

本文提出了一种基于粒子群优化的BP神经网络预测方法.该方法利用粒子群优化算法全局搜索BP神经网络的权值和阈值,并利用优化后的BP网络建立预测模型对经济指标进行预测.仿真实验结果表明,该方法克服了传统BP神经网络本身所存在的局部最小值和训练速度慢等不足,能够较好应用于定量经济指标预测,有效提高了预测的精度.