基于非线性PID的连续搅拌反应釜控制方法

连续搅拌反应釜(continuously stirred tank reactor,CSTR)普遍存在高度的非线性、不稳定性和参数不确定性.线性比例-积分-微分(proportion integration differentiation,PID)控制算法难以满足CSTR系统的控制要求.为了提高CSTR系统的控制品质,...     

非线性Hammerstein-Wiener模型辨识预测控制

为解决工业过程控制领域中非线性系统的模型辨识与预测控制问题,提出一种基于BP神经网络模型的预测控制策略,采用一种分段最小二乘支持向量机辨识Hammerstein-Wiener模型系数的方法建立非线性预测控制器.利用BP神经网络训练预测控制输入序列和拟牛顿算法求解非线性预测控制律,从而实现了一种基于支持向量机Hammerstein-Wiener辨识模型的非线性预测控制算法.仿真实验验证了该算法的有效性和可行性.     

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.     

连续搅拌反应釜的自适应模糊辨识与预测控制

化工领域为保证生产安全,对温度、压强、浓度等工艺指标有严格的要求。连续搅拌反应釜属于典型的化工设备,存在较强的非线性和时滞性,传统的建模与控制方法无法满足其精度要求。针对连续搅拌反应釜系统提出一种自适应模糊辨识与预测控制的方法。首先根据模糊划分C均值聚类算法得到模糊隶属度和初始聚类中心,在此基础上采用分层遗传算法进一步优化连续搅拌反应釜T-S模糊模型的参数。其次,采用自适应机制遗忘因子递推最小二乘法来估计T-S模糊模型的后件参数。最后,基于得到的T-S模糊模型,对连续搅拌反应釜进行自适应模糊广义预测控制,仿真结果验证了该算法的有效性。     

基于广义Hammerstein模型的多变量非线性预测控制

将单输入单输出的Ｈａｍｍｅｒｓｔｅｉｎ模型推广至多输入多输出系统,提出了广义Ｈａｍｍｅｒｓｔｅｉｎ模型,并给出了其辨识建模方法．进一步以此模型为基础,提出了一种多变量非线性预测控制算法．该算法利用了线性预测控制的成果,避免了通常非线性模型预测控制所需的在线数值寻优计算,大大节约了在线计算时间、提高了算法的可靠性和稳定性．     

基于支持向量回归的非线性时间序列预测

针对实际系统的高度非线性及复杂动态性,把非线性时间序列建模与预测问题转换为函数回归估计问题.把具有全局最优性、较好泛化能力及训练效率高的最小二乘支持向量回归算法应用到非线性时间序列预测与建模中.最后给出了某市年电力负荷预测的应用实例,与传统支持向量回归算法相比,文章描述的方法具有较好的预测精度.     

基于最小二乘支持向量机的非线性通用模型自适应控制

将模型参考自适应控制方法应用到基于最小二乘支持向量机的通用模型控制策略中,将非线性过程模型应用逆系统的方法可以在控制算法中直接嵌入过程模型,从而克服了通用模型控制器要求过程一阶微分模型应该有显式解的局限性,保证了通用模型控制策略的可实现性.另一方面,加入模型参考自适应环节,提高了该控制器的实时性和鲁棒性,其参数具有明显的物理意义,参数整定方便.仿真实验结果验证了该控制策略的有效性和更好的鲁棒性.     

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。     

基于自适应神经模糊推理系统的连续搅拌反应釜系统的改进广义预测控制

连续搅拌反应釜(continuously stirred tank reactor,CSTR)是典型的非线性、大滞后的化工对象。为克服传统控制方法难以建立其机理模型的难点,基于对实际工业现场采集得到的大量输入输出数据,提出采用自适应神经模糊推理系统(adaptive-network-based fuzzy inference system, ANFIS)的方法,得到CSTR系统较理想的输入输出关系规则库,即CSTR系统的T-S模糊模型。最后,通过改进的广义预测控制(Jin’s generalized predictive control, JGPC)算法对CSTR系统的浓度进行控制,并与常规的广义预测控制(generalized predictive control,GPC)算法、比例-积分-微分(proportion integral differential,PID)控制算法进行对比,仿真结果显示,JGPC算法的控制效果优于GPC算法和PID控制算法,证明了方法的有效性。     

基于自适应最小二乘支持向量机的预测函数控制

提出一种基于最小二乘支持向量机在线建模的自适应函数预测控制算法.该方法提出一种新样本与模型节点的相似性计算方法,结合预测误差与过程先验知识给出控制模型节点的加入准则,使其自适应调整模型的复杂度,保证模型系数的稀疏性,有效地提高建模的精度和速度;给出增加节点和删除最早节点时最小二乘支持向量机模型更新的在线递推形式;基于局部在线最小二乘支持向量机的线性化模型,给出了自适应预测函数控制算法.以pH中和控制作为仿真实例,结果表明该算法的有效性.     

基于有界干扰Hammerstein 模型的化工过程的预测控制

为了控制一类由Hammerstein模型描述的合有输入约束和有界干扰的非线性化工过程,提出一种鲁棒预测控制策略.该策略分为两步,第一步考虑系统状态不可测的情况,对无约束受干扰的线性模型采用鲁棒输出反馈预测控制方法计算中间变量,其中为了处理干扰,采用二次有界技术设计出能够在线更新的估计误差集合的方法使得系统有界收敛.第二步通过中间变量求解非线性代数方程和采用解饱和的方法得到满足约束的实际控制输入.为了验证方法的有效性,对聚丙烯牌号切换过程进行控制仿真.结果 表明,应用本文的控制策略,不仅能够保证优化问题的递推可行性也能保证闭环系统的鲁棒稳定性.     

分层多目标非线性预测控制

为避免加权系数方法和字典序方法各自在多目标动态优化中的缺点,提出了基于分层思想的多目标非线性预测控制器框架结构,并以改进的遗传算法实现了该控制器。为降低在线非线性多目标优化的计算量,控制器采用了阶梯式控制策略。以双容水箱为对象的仿真控制实验,结果验证了该控制器在多目标非线性控制中的性能。     

一种滑翔增程弹非线性模型预测控制方法

为实现对某滑翔增程弹滑翔弹道的跟踪控制,以达到增程的目的,采用具有解析形式控制律的非线性模型预测控制方法设计其控制系统。将滑翔增程炮弹控制系统分为质心控制和姿态控制2个回路设计,通过质心控制回路将方案质心位置指令转换成弹道倾角和弹道偏角指令;再由姿态控制回路转换成升降舵偏角和方向舵偏角指令;倾斜稳定控制器将滚转角指令转换成副翼偏角指令。以某滑翔增程弹为例进行仿真计算,结果表明,该控制器具有很好的控制效果,能够克服干扰因素的影响,实现滑翔增程的目的。     

蒸发过程的非线性模型预测控制

针对蒸发过程的六效逆流蒸发系统存在着多变量、非线性且回路间具有较强耦合等特点,基于物料衡算和热量衡算在其稳态工作点附近建立了动态模型,并应用非线性模型预测控制策略进行了仿真研究.为了更好地解决非线性模型预测控制中的优化问题,采用遗传算法来计算其控制序列,并将输出变量的约束作为惩罚项加到目标函数中,以保证求出的控制量可行.与常规PID控制结果比较表明,非线性模型预测控制在控制性能上有了较大改善并起到了节能降耗的作用.     

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。     

离散非线性系统模糊双模预测控制算法

针对一般离散非线性系统,将模糊系统对非线性系统的逼近能力与预测控制算法相结合,提出一种基于模糊系统逼近的双模预测控制算法·在吸引域外,以模糊系统为预测模型计算控制量,并施加于实际系统;在吸引域内,切换至一个渐进稳定的线性控制器·在满足一定条件下,给出预测模型与非线性系统性能指标间的关系,分析了闭环系统的稳定性·最后以一个仿真例子说明了算法的有效性·     

一种基于非线性Laguerre模型的预测控制算法

利用Laguerre正交函数逼近非线性动态系统的各阶Volterra级数核 ,建立了系统的Laguerre非线性模型 ,在此基础上推导出基于该模型的非线性系统预测控制算法 ,对一类Wiener非线性系统的控制 ,进行了仿真研究。     

伺服系统Hammerstein非线性模型及参数辨识方法研究

在伺服系统建模中,针对线性模型无法表达系统在低速、运动换向条件下摩擦与死区等非线性现象的问题,采用包含静态非线性部分和动态线性系统的Hammerstein模型来代替线性模型对伺服系统进行了描述.根据静态非线性模型逼近伺服系统的非线性特性,非线性模型采用分段非对称多项式基函数来解决摩擦在运动中存在的非对称特性.对于多频率正弦输入信号和伺服系统的速度输出信号,由迭代最小二乘方法来估计模型的参数.通过辨识实验中的线性模型和Hammer-stein模型的输出,说明采用Hammerstein模型方法能有效地对系统非线性部分建模,Hammer-stein模型的输出误差比线性模型的输出误差约减少90%,因此显著地提高了系统的模型精度,实现了对系统非线性动态行为的精确预测.     

制导炮弹姿态非线性模型预测控制仿真分析

为实现对某制导炮弹攻角、侧滑角和速度倾斜角指令的快速跟踪控制,应用具有解析控制律的非线性模型预测控制方法设计其控制器.将制导炮弹控制器分成内、外两个回路来设计,通过外回路控制器将攻角、侧滑角和速度倾斜角指令转成弹体角速度指令,再由内回路控制器转成舵偏角指令.仿真分析了非线性模型预测控制参数(控制阶数和预测时域)对制导炮弹控制器的影响,得到其对控制效果影响的定性规律.仿真结果表明,合理选取控制阶数和预测时域组合,可使该控制器具有良好的控制效果,系统控制响应快,基本实现无差控制.     

基于改进Elman神经网络的非线性预测控制

为了提高非线性预测控制中预测模型的精度,提出一种基于递归神经网络建模的预测控制方案.采用改进Elman神经网络在线建立预测模型,用递推最小二乘法在线修改神经网络权值,并引入误差补偿环节,从而达到改善预测模型精度的目的,使控制系统的控制性能得到提高.仿真实验表明了该方法的有效性.