GPC隐式算法及其在供热控制中的仿真研究

基于理论研究和工程应用的需要，提出了广义预测隐式算法。首先介绍了具有滤波器的模型已知的基本广义预测控制（GPC）算法，然后给出了两种隐式自适应算法，一种是已知对象阶跃响应前P个参数的算法，这种算法既不需要在线递推求解Diophantine方程，也不需在线求逆；另一种是一次辨识控制器参数的算法。最后以集中供热热力站热交换过程为应用背景，对基本算法和两种隐式算法进行仿真研究，其结果证明了算法的有效性。     

An Adaptive Identification and Control Scheme Using Radial Basis Function Networks

1.INTaODUCTIONThemultilayerfeedforwardneuralnetworks(MFNN)hasbeenwidelyappliedinmanyfieldssuchaspatternrecognition,nonlinearoptimization,systemidentificationandcontrol.Thesimpleback-propagation(BP)learningalgorithmisusuallyadoptedtoupdateitsweights.TheBPalgorithm,however,suffersdrawbacksofslowconvergenceandunpredictablesolutionsduringlearning.Althoughmailyapproachessuchasvariablestepsize,conjugategradient,pseudo-Newtonmethods[4]andothermethods[3,10],havebeendevelopedtoovercometheproble…     

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。     

并联式运载器上升段广义超螺旋有限时间控制

针对受模型不确定和外部干扰影响的并联式运载器上升段姿态控制问题, 提出了一种基于广义超螺旋算法的自适应滑模有限时间控制方法。首先, 将姿态跟踪控制问题转化为跟踪误差系统的镇定问题, 建立了面向控制的模型。其次, 将单输入单输出(single input single output, SISO)固定时间广义超螺旋算法拓展应用到多输入多输出(multiple input multiple output, MIMO)耦合非线性系统上, 基于该算法设计了固定时间状态观测器和自适应滑模有限时间控制器, 利用Lyapunov稳定性理论证明了闭环系统的有限时间稳定特性。最后, 通过与传统比例-微分(proportional and differential, PD)控制器仿真对比, 验证了该方法具有更优的控制精度和鲁棒性。     

自适应FIR高精度时延估计研究

从最小二乘原理出发,结合参量模型时延估计方法,提出了一种使得时延引起的输入信号与参考信号之间实现最小二乘的自适应FIR高精度时延估计方法。与广义互相关法、相位谱法和自适应最小均方(leastmean square,LMS)时延估计方法相比,该方法具有算法简单、运算量小、精度高、收敛快的优点。计算机仿真实验和消声水池试验结果均验证了该算法的有效性。     

基于输入匹配的广义预测自校正控制算法——白噪声情况

本文为随机线性系统建立了全局收敛广义预测自校正控制算法，处理的是白噪声情况，给出了完整而严格的收敛性证明。在通常假设条件下使用这种算法，能使适应控制器和最优控制器的输出之差在样本均方意义下收敛到零。     

一种基于滑模的广义预测控制新算法

将广义预测控制和滑模控制结合起来，提出一种新的广义预测控制方法。通过对系统输出预测得到切换函数值，求解开环优化求得控制律。并将当前时刻的控制作用于对象，下一时刻重复此过程。该方法具有预测控制在线处理约束及滑模控制对于干扰的不变性的优点，最后分析了零终端滑模约束的广义预测控制的稳定性。     

Hammerstein系统自适应神经网络控制算法的收敛性分析

对一类确定性Hammerstein系统,给出了基于神经网络的自适应控制算法。考虑到神经网络的非线性特点,特别是其自适应学习能力,控制系统采用两个神经网络分别作为估计器和控制器,通过在线训练网络的权重来获得模型参数和控制输入。神经网络的训练用Widrow-Hoff学习规则。对算法的全局收敛性进行分析表明系统具有总体收敛性,输入输出有界。     

基于聚类方法和神经网络的非线性系统多模型自适应控制

针对具有参数跳变的非线性系统,联合聚类算法和神经网络提出新的多模型自适应控制方法。首先对系统的输入输出数据进行模糊聚类,然后基于递推最小二乘法建立多个固定模型。为提高系统的暂态性能,同时建立两个自适应模型,并在此基础上设计鲁棒自适应控制器。此外,为了补偿系统的非线性部分,建立非线性预测模型,并设计非线性神经网络自适应控制器。所提方法可使控制切换系统具有稳定性保证。最后,通过性能指标对控制器进行平滑切换。仿真结果表明,所提方法能够保证系统具有良好的控制性能。     

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.     

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。     

遗传算法在模糊系统优化设计中的应用研究

在模糊系统的变节点自适应模糊神经网络实现的基础上,提出一种混合GA优化算法。该算法采用混合编码策略,利用GA对模糊规则和隶属函数同时优化,而对结论参数则用最小二乘法估计。算法综合了GA强大空间搜索能力和传统优化方法的快速收敛和高精度的优点,在保证全局优化能力的条件下,综合考虑了模糊控制器的复杂程度、训练速度和控制精度。仿真结果及应用表明了该算法的有效性。     

异结构不确定混沌系统的广义投影同步

针对一类参数随时间变化的不确定混沌系统,用鲁棒自适应方法实现异结构混沌系统的广义投影同步和参数辨识。基于李亚普诺夫稳定性理论,设计了鲁棒自适应控制器和参数自适应律。通过改变广义投影同步的比例矩阵,获得所有状态变量任意比例于原驱动系统的混沌信号,并辨识出系统所有未知参数。以R-ssler超混沌系统和Lü超混沌系统为例,数值仿真验证了所设计方法的有效性和可行性。     

少控制参数的分层式骨干粒子群优化算法

针对传统粒子群优化易于早熟的缺点,提出一种少控制参数的改进骨干粒子群优化算法.该算法利用关于粒子全局和个体极值点的高斯分布更新粒子的位置,无需设置惯性权重和学习因子等控制参数;利用混沌扰动策略产生粒子的全局极值点,提高了粒子群的多样性;为改善算法的全局探索能力,依据收敛速度动态分配每个粒子的变异概率,设计了一种自适应跳离算子;为均衡算法的局部开发和全局探索能力,给出了一种分层式粒子更新公式.最后,将所提算法用于多个典型测试问题,并与三种典型算法进行对比,实验结果证明了它的有效性.     

一种新的变步长LMS自适应滤波算法及性能分析

研究了自适应最小均方误差(least mean squares,LMS)滤波算法的步长选取问题。在详细分析现有变步长LMS算法的基础上,给出一种以双曲正切函数的改进形式为变步长的LMS算法。讨论了步长参数的选取原则及其对算法收敛性、抗干扰性和稳态误差的影响。该算法不但具有较快的收敛速度和跟踪速度,而且能获得更小的稳态失调。理论分析和仿真结果表明,该算法具有更好的稳态性能。     

Neural Network inverse Adaptive Controller Based on Davidon Least Square

1.IWTaoDUCTIONInrecedeyears,therisingofneuralnetworkcolltrolsuppliesanovelandeffectivemeansforthecontrollingoftheplatwhichhasstrongnonlinearproperty.Thereillto,theneuralnetworkinversecoDtrollersucceededincolltrollingofrobotisasakindofAnportatcolltrolstructure.Battheinversecolltrolschemecannotbeusedincolltrollingofnon-~mumphasesystemduetothenon-stabilityofinversemodelofit.Inaddition,attheaspectofneuralnetworktrainalgorithm,thetraditionalbed-propagationalgoritlunconvergesveryslow.Thesefacto…     

基于随机邻域策略和广义反向学习的自适应差分进化算法

全局探索和局部开发能力之间的平衡以及对控制参数的整定是影响差分进化(differential evolution, DE)算法性能的主要因素。针对这两个问题, 提出一种基于随机邻域策略和广义反向学习的自适应DE算法。首先, 在每一代进化过程中, 算法从当前种群为每一个体随机选择相应的邻域, 其中最优个体作为基向量执行变异操作, 邻域中个体数量随进化动态更新。其次, 采用基于历史存档的自适应参数整定方法, 进化进程中根据“精英”信息动态更新算法各参数。最后, 在初始化和每一代进化结束阶段, 执行基于广义反向学习策略的种群初始化和种群“代跳”操作。通过基于27个标准测试函数的3组仿真实验, 验证了所提算法具有寻优精度高、收敛速度快、鲁棒性强的优点。     

基于Delta算子的QR分解LMS算法

针对基于Delta算子的自适应滤波问题,提出了Delta算子描述的QR分解LMS(Delta-QR-LMS)算法。首先给出后向Delta算子模型的另一种表示形式,并利用该变换公式推导出Delta-QR-LMS算法的具体迭代步骤。通过仿真算例表明,Delta-QR-LMS算法比传统的LMS算法具有更好的滤波性能和更快的收敛速度。     

An Approach of the Fuzzy Weighted Inputs to the Generalized Predictive Control

1　 IntroductionAs the representative of a kind of advanced computer control algorithm,generalizedpredictive control (GPC) is of many applications in various domains[1 ] .But to ourdisappointment,it is difficult to establish precision models,which makes GPC algorithmhave only limited robustness since GPC algorithm is still model based algorithm and thereexist such factors as nonlinearity,indefinity,etc,in some real systems.To improve the robustness of GPC algorithm and avoid the weakness …     

瑞利噪声环境中水下目标辐射信号增强算法

提出了基于高阶累积量广义函数迭代的自适应滤波算法，证明了该算法的收敛性，给出了广义函数的几种具体表示式。用该算法对瑞利噪声环境中水下目标辐射信号谱增强进行了仿真研究。结果表明：该算法具有很强的抑制瑞利(白或色)噪声的能力。因此，该算法在提高水下探测系统对水下目标的检测能力方面有重要的应用价值。