基于多模型广义预测控制器的DRTO双层结构

针对动态实时优化(DRTO)与模型预测控制器(MPC)结合的双层结构中由于DRTO与MPC的模型不一致影响优化效果的问题,本文将多模型广义预测控制器(GPC)引入到DRTO双层结构中,设计了基于DRTO双层结构的多模型GPC控制器。上层结构为DRTO层主要解决经济目标函数的优化问题,采用动态过程模型实时优化更新输出对象的最优设定值轨迹。下层结构采用多模型GPC控制器替代原先的单模型MPC控制器,主要是抑制过程中的快速干扰追踪DRTO层得到的最优设定值轨迹。多模型GPC控制器采用多个固定模型和自适应模型来并行辨识系统的动态特性,减小由于上下层模型不一致造成的误差的同时可以提高系统暂态性能和模型参数跳变时系统的调节能力,最后通过仿真验证了该方法的可行性和有效性。     

双层结构预测控制计算复杂度分析

在大规模系统在线实施中,双层结构预测控制计算存在复杂度较高、在线求解时间较长的缺陷,从而限制了它的求解效率。通过对稳态目标层和动态控制层的计算复杂度理论分析以及仿真验证,得出影响算法求解效率的主要因素为系统控制输入数和控制时域,且算法的时间复杂度正比于控制输入数和控制时域乘积的三次方。为双层结构预测控制在工程设计中的应用提供了有益的参考。     

基于自适应事件触发的交通网络预测控制

为了降低网络控制系统的通信资源占用率,提出了一种自适应事件触发模型预测控制策略,实现自适应状态传输并保证系统稳定.在自适应机制下,只有当满足触发条件时,系统状态和控制器控制律才由无线网络发送,自适应触发参数决定当前采样数据发送的频率.设计了一种鲁棒的预测控制器,保证网络控制系统的闭环稳定性.通过仿真实例验证了本文方法的...     

基于模型的网络化控制系统事件触发控制

研究了事件触发通讯机制下基于模型的网络化控制系统鲁棒H_∞控制问题。通过构造一个依赖于对象和模型采样状态的事件触发传输方案,并考虑网络诱导时延的影响,将闭环系统建模为一个带有区间时变时延的增广系统。利用Lyapunov-Krasovskii泛函方法,以线性矩阵不等式的形式给出了系统的鲁棒H_∞性能判据和控制器的设计方法。最后,通过一个数值仿真例子验证所提方法的有效性。     

基于RBF-ARX模型的预测控制

基于RBF-ARX模型的预测控制是针对非线性系统而提出的一种控制方法。本文介绍了基于RBF-ARX模型的预测控制器的结构和预测控制策略,证明了该方法在非线性系统建模和辨识中的有效性。     

带有量化的事件触发预测控制

针对存在量化的网络控制系统,提出了一种基于事件触发机制的预测控制设计方法,其中,信号从传感器传送到控制器和从控制器传送到执行器时需要被量化。建立了带有事件发生器的网络化模型,设计了事件触发机制,给出了预测控制律的设计方法,分析了闭环系统稳定性条件。最后,通过数值仿真验证了本文方法的有效性。     

基于动态事件触发机制的双通道时延网络预测控制

本文针对传感器-控制器通道和控制器-执行器通道均存在时延的网络控制系统(NCSs),研究了在动态事件触发机制(DETM)下基于模型的网络预测控制(NPC)问题。通过在静态事件触发机制(SETM)中引入一个内部动态变量,设计了双通道动态事件触发机制,采用龙伯格观测器对系统状态进行估计,提出了基于模型的网络预测控制方法主动对双通道网络时延进行补偿,根据Lyapunov稳定性理论,给出了网络控制系统渐进稳定的充分条件,通过数值仿真验证了所提方法的有效性。     

基于神经网络的预测控制模型研究

本文研究基于生产过程输入输出数据建立系统的神经网络模型问题，训练好的神经网络可作为预测模型，实现非线性系统的预测控制；这对一大类过程控制系统的建模与控制具有启发意义。     

基于特征模型的预测函数控制

传统的预测函数控制通常采用一阶的预测模型,该预测模型不能完全表征被控对象,因此使得传统的预测函数控制的鲁棒性受到一定限制．特征模型是一种比动力学模型简单,但能表征被控对象特征的模型．该文针对预测函数控制算法的缺陷,提出利用二阶特征模型来构成预测模型．通过工程建模获取了被控对象的特征模型,实现了基于特征模型的新型预测函数控制,并通过与采用一阶预测模型的预测函数控制进行比较．理论分析与实验结果均表明,采用特征模型的预测函数控制具有比一阶预测模型更好的控制效果,该算法在SUPCON-JX300X集散控制系统上实现．     

基于神经网络的预测控制模型研究

本文研究基于生产过程输入输出数据建立的神经网络模型问题。训练好的神经网络可作为预测模型，实现非线性系统预测控制；这对一大类过程控制系统的建模与控制具有启发意义。     

基于预测偏差的模型算法控制

提出了一种基于预测偏差的模型算法控制方法。计算了系统的预测稳态差和产生稳 态差的参考轨迹。这种算法的计算量与单步ＭＡＣ相当，但不经修改就可直接用于非最 小相位系统及迟延系统，并具有良好的控制特性。     

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。     

基于模型预测控制的航空发动机传感器容错控制

针对航空发动机传感器的硬故障和软故障,在模型预测控制（model predictive control,MPC）的基础之上,提出了一种调整参考轨迹的主动容错控制（fault tolerant control,FTC）方法。首先,该方法使用故障诊断（fault detection and diagnosis , FDD）单元诊断出故障信息;然后,监控决策机制根据故障信息在线的调整参考轨迹;最后,控制器通过调整控制量使得输出跟踪新的参考轨迹,从而实现传感器故障的主动容错控制。同时,对CMPASS-90K涡扇发动机进行了主动容错控制仿真,验证了所提方法的有效性,并分析了容错效果的影响因素。     

基于预测的模型参考自适应逆控制

由于纯延迟离散系统仅存在延时的逆模型,因而对该系统进行自适应逆控制时,扰动消除会产生一定的延迟误差。为此,提出了一种基于非线性预测的模型参考自适应逆控制方法,实现了扰动的实时消除,从而无延迟误差,使系统控制性能得到改善。仿真结果表明了新方法的有效性。     

基于简化模型预测控制的鲁棒性分析

用鲁棒稳定性判据分析基于简化脉冲响应模型预测控制器的鲁棒性，得到了一般性鲁棒稳定性的结论，给出了建模误差的界。     

基于人工神经元网络模型的预测控制研究

研究了基于人工神经元网络模型的非线性预测控制，所采用的网络为一种将线性模型与多层前向网络相结合的ＤＬＦ网络，仿真结果表明，该“混合网络”易训练，收敛速度可大大加快，在ＤＬＦ模型的基础上，本文研究了一种非线性预测控制算法，它的显著特点是在线计算量小。对于一非线性过程－球形罐液位的仿真结果表明，基于ＤＬＦ的非线性预测控制效果颇佳。     

基于模型预测控制的电动轮车辆横摆控制

为提高电动轮驱动车辆对不同路面的适应能力,基于模型预测控制提出一种将驱动电机的饱和输出力矩作为控制输入约束、将质心侧偏角作为输出约束的汽车横摆控制方法。建立2自由度的车辆状态空间模型作为预测模型,在线计算出跟踪理想横摆角速度所需的附加横摆力矩,通过调节相应驱动轮的驱动力来完成高效、简易的直接横摆力矩分配。将本文算法应用于四轮驱动的8自由度整车模型进行控制仿真,结果表明,该方法能够保证车辆在良好路面及湿滑路面上紧急转向和换道的操作稳定性,并能改善车辆循迹能力。     

基于云模型的城市轨道交通车站客流控制触发判别方法

根据车站三级客流控制的特点分析了城市轨道交通车站设施设备的类别及乘客聚集程度判断指标,研究了城市轨道交通车站各主要设施设备客流状态级别的划分.然后,基于云模型的合成理论,构建了车站主要设施设备不同客流状态级别对应的模板云模型和实测设施设备客流状态合成指标云模型,通过计算两者之间的相似程度,提出了一种基于云模型的城市轨道交通车站客流控制触发判别方法.最后,以一级客流控制触发判别的关键观测点——站台为例,验证所提方法的有效性.结果表明,利用该方法能够准确地判别当前客流状态,有助于管理者根据客流状态及时采取相应的客流控制措施.     

多晶铁电薄膜的双层结构模型

实验观察发现：多晶钛酸铅铁电薄膜的表面层与体内层有不同的结晶和相变特性。根据实验结果，可假设多晶铁电薄膜具有与铁电微粉类似的特征，将表面层描述为小晶粒低应变层；体内层描述为大晶粒高应变层；所有晶粒均被一薄的非铁电层覆盖。     

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.