基于线性函数型权重的RBF-ARX模型的磁悬浮球系统预测控制

为了充分描述磁悬浮球系统具有非线性、开环不稳定性及响应快速性等特性,建立一个带线性函数权重的RBF-ARX(linear functional weight RBF networks-based ARX model,LFWRBF-ARX)模型。与一般的RBF-ARX模型不同之处在于,它引入1个与工作点状态相关的局部线性结构作为RBF网络输出层的权值。该模型随系统工作点的变化而变化,固定工作点时为局部线性ARX模型,当工作点变化时为全局非线性ARX模型。根据该模型的结构特点,采用结构化非线性参数优化方法(structured nonlinear parameter optimization method,SNPOM)来辨识模型的结构及线性、非线性参数。然后,以辨识的模型为基础,根据模型的局部线性及全局非线性特征设计预测控制器。仿真结果表明:以该建模方法建立的模型能很好地局部和全局描述磁悬浮球系统的动态特性,并能实现小球的稳定悬浮控制,比以一般ARX模型、RBF-ARX模型为基础的控制效果更好。     

基于RBF-ARX模型的短期电力负荷预测

为了提高短期电力负荷预测的精度,提出基于RBF-ARX模型的短期电力负荷循环预测法:将短期电力负荷预测看作非线性时间序列预测问题,并根据历史负荷数据建立电力负荷自回归预测模型(ARX模型),用RBF神经网络逼近ARX模型的参数,并用结构化非线性参数优化法(SNPOM)离线估计模型参数。用该方法对湖南某市电力负荷进行预测,将预测结果与实际负荷值进行比较,结果表明:基于RBF-ARX模型的短期电力负荷循环预测法精度高,可靠性强,具有很好的实用性。     

基于RBF-ARX模型的改进多变量预测控制及应用

针对一类工作点时变的光滑非线性多变量被控对象,采用离线辨识的RBF-ARX模型描述系统的全局非线性动态特性,并在此基础上提出一种具有自适应微分作用的非线性模型预测控制方法。该方法将整个预测时域内模型输出和期望输出的偏差变化率考虑到优化目标中,利用与偏差变化率有关的函数动态修改该优化项的权重,从而能在保证控制器稳态性能的情况下有效地改善系统的动态性能。最后利用该方法对四旋翼飞行器实验装置进行了实际的姿态控制,控制效果验证该方法的有效性。     

基于RBF-ARX模型的高速列车预测控制器设计

针对高速列车在复杂环境运行时,传统预测控制器出现的动力学模型失配、在线辨识实时性不强等问题,提出一种基于RBF-ARX模型的列车预测控制方法.首先,构建RBF-ARX模型作为列车控制器的预测模型,使用SNPOM算法处理列车运行中的大量历史数据,得到预测模型的模型阶次及优化参数,并验证了模型的准确性.然后使用该模型构造预测控制器对列车目标曲线进行在线跟踪仿真.结果表明:基于RBF-ARX模型的高速列车预测控制器不仅解决了动力学模型失配的问题,并且在控制精度及舒适度等方面都优于传统预测控制器.     

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。     

基于全局动态模型的锅炉主汽温GPC优化控制

锅炉主蒸汽温对象的复杂非线性动态特性使得常规设计的固定参数比例-积分-微分(PID)串级控制很难适应工况变化和保证各种环境下的控制品质.为此,采用基于SOM的RBF-ARX模型框架,通过运行数据离线辨识的方法获取主汽温对象全局动态模型参数,在该模型基础上设计具有滚动优化和反馈校正功能的广义预测控制(GPC)器.220 t/h高压煤粉锅炉模型上的仿真结果和130 t/h煤粉炉上的工程应用均显示该方法得到的全局动态模型具有较高的预测精度,设计的GPC控制器具有较强的工况变化适应能力,能够适应多煤种变化和负荷变化.     

基于小波网络的非线性多变量约束预测控制

为了解决非线性多变量系统的建模、控制和优化问题 ,论文扩展基于小波神经网络的单变量系统辨识到多变量系统辨识 ,并用它实现非线性预测控制。对开环稳定过程 ,引入一个具有输入约束的基于小波神经网络模型的区域预测控制方案 ,它的闭环稳定性能够通过适当选择它的预测水平来保证。基于上述动态控制方案 ,提出了一个稳态状态优化方案。通过对一个聚酯生产过程的仿真研究 ,证实了上述方法的有效性。由于能够通过线性最小二乘 (L S)估计方法来辨识 ,该模型易于实现并可用作通用模型。仿真研究的结果表明了该模型的通用性、辨识和控制方法的简单性 ,所提出方案能够被用于过程工业的非线性系统的建模和控制     

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Hammerstein模型的连续搅拌反应釜非线性预测控制

该文针对化工过程中广泛使用的连续搅拌反应釜(CSTR),提出一种基于最小二乘支持向量机Hammerstein模型的非线性预测控制方法。Hammerstein模型的非线性环节采用最小二乘支持向量机逼近,线性环节则采用外因输入自回归模式(ARX)结构。基于此模型结构设计非线性模型预测控制器,将非线性预测控制问题转化为线性模型的预测控制和非线性模型的求逆问题,进而给出了预测控制律以及非线性环节逆模型的构造方法。对CSTR的仿真结果表明:与传统的非线性模型预测控制以及PI控制器相比,该文方法精度更高,能够有效跟踪控制反应物浓度。     

不同基函数对RBF-ARX模型的影响

研究了高斯函数、多二次函数、逆多二次函数、薄板样条函数、三次函数和线性函数对RBF-ARX模型的影响.选取Mackey-Glass混沌方程、Lorenz吸引子和Box-Jenkins煤气炉3种标准时间序列作为测试模型的数据,采用一种快速收敛的结构化非线性参数优化方法辨识RBF-ARX模型.研究结果表明:最优基函数的选择并不一定是最常用的高斯函数,而是与问题相关,因而,在实际建模中,评价各种基函数有助于选择最优结构的RBF-ARX模型.     

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。     

一种基于Wiener模型的非线性预测控制

提出了一种基于Wiener模型的非线性预测控制方法.通过引入非线性部分的广义回归网络逆模型,将非线性预测控制转化为线性预测控制,用线性优化算法解决非线性预测控制问题,避免了复杂的非线性优化.仿真实验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。     

基于非线性系统模糊型的l∞范数预测控制

以非线性系统模糊模型为基础,提出了一种基于l∞范数性能指标的预测控制方法。证明了当子线性模型闭环稳定时,基于模糊模型的l∞预测控制系统是闭环稳定的。将此方法用于连续反应搅拌釜（CSTR）中和过程pH值控制的仿真试验,结果表明其综合控制性能优于基于二次性能指标的预测控制方法。     

基于非线性系统模糊模型的l∞范数预测控制

以非线性系统模糊模型为基础 ,提出了一种基于l∞ 范数性能指标的预测控制方法 .证明了当子线性模型闭环稳定时 ,基于模糊模型的l∞ 预测控制系统是闭环稳定的 .将此方法用于连续反应搅拌釜 (CSTR)中和过程 pH值控制的仿真试验 ,结果表明其综合控制性能优于基于二次性能指标的预测控制方法 .     

基于自校正模型的非线性系统多模型预测控制

针对化工过程某些非线性系统的不对称动态特性，提出了一种基于自校正模型的多模型预测控制算法。在平衡点附近建立线性模型，利用当前工作点，通过二阶泰勒展开校正模型参数，补偿非线性不对称动态特性，形成了非线性系统的自校正多模型描述。以基于模型输出偏差的切换指标函数作为模型切换准则，结合状态反馈预测控制，构成了多模型预测控制器。pH值控制的仿真结果验证了该算法的有效性。     

非线性系统的多模型预测控制方法

提出了一种基于多模型的预测控制方法,用于解决典型非线性对象——污水生化处理过程中的控制问题.首先给出了基于局部模型的多模型建模方法,该方法从积累的大量系统输入输出数据中找出与系统当前模态相匹配的数据集合,利用局部多项式拟合方法建立系统的局部模型,再根据系统模态的变化建立系统的多个模型;将所得多模型与预测控制相结合,提出一种多模型预测控制方法,从而解决了一类结构未知、仅使用大批历史数据工业过程的控制问题.仿真试验说明了该方法的有效性.     

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.     

基于自校正模型的非线性系统多模型预测控制

针对化工过程某些非线性系统的不对称动态特性,提出了一种基于自校正模型的多模型预测控制算法.在平衡点附近建立线性模型,利用当前工作点,通过二阶泰勒展开校正模型参数,补偿非线性不对称动态特性,形成了非线性系统的自校正多模型描述.以基于模型输出偏差的切换指标函数作为模型切换准则,结合状态反馈预测控制,构成了多模型预测控制器.pH值控制的仿真结果验证了该算法的有效性.     

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。