非线性系统的分层优化预测控制

提出了一种基于分层优化策略和动态最优控制解法的非线性系统预测控制算法，该方法大大减小了在线计算最，使实时控制成为可能，给出了详尽的理论推导，以一个仿真例证明了算法的正确，可行与有效性。     

一类非线性系统的广义预测控制

对一类非线性系统的广义预测控制进行了研究。采用动态寻优的方法减小线性化过程中被舍弃的非线性项引起的误差，仿真结果表明了算法的有效性。     

酸性废水pH值的分层优化非线性预测控制

钢铁厂废酸处理中pH中和反应是一个具有滞后和严重非线性的过程,一般的线性控制器无法对它进行控制.该文采用分层优化的非线性系统预测控制算法来解决这一难题,对系统硬件配置和参数做出了具体说明,并给出了仿真结果.     

一类非线性系统的广义预测控制

对一类非线性系统的广义预测控制进行了研究。采用动态寻优的方法减小线性化过程中被舍弃的非线性项引起的误差,仿真结果表明了算法的有效性。     

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。     

一类非线性系统的广义预测控制

将广义预测控制应用于Hammerstein模型描述的非线性系统,得到了一类非线性系统的广义预测控制算法.仿真结果表明,该算法具有较强的鲁棒性.     

非线性系统的广义线性化预测控制

提出一种非线性系统预测控制的分层设计方法。首先采用广义线性化状态反馈得到具有指定动态的线性化系统,然后采用基于状态方程的预测控制算法,以获得良好的跟踪性和鲁棒性。最后以仿真例子证实了这种控制方案的有效性。     

一类非线性系统加权自适应预测控制

对一类双线性系统，建立了多步极小化性能指标的预测控制算法，用加权预测控制律代替一步预测控制律，能适用非最小相位的双线性系统，仿真实验证实了本算法的有效性。     

高阶SISO非线性系统的分层模糊滑模控制

为了解决高阶SISO(单输入单输出)非线性系统模糊控制中出现的"维数灾"问题,采用典型模糊控制单元,构造了"增一型"分层模糊控制器。提出了分层模糊滑模控制方法,并证明了分层模糊滑模控制系统的全局渐近稳定性。该方法设计参数少,设计步骤简单,并且控制器的设计参数只需要满足一定的比例关系即可使整个分层模糊滑模控制系统全局渐近稳定,从而减小了模糊控制器的设计工作量和难度。用一个仿真例子验证了该方法的有效性和优点。     

基于Lagurre函数的一类非线性系统预测控制

采用有限级Ｌａｇｕｅｒｒｅ级数构成Ｈａｍｍｅｒｓｔｅｉｎ型非线性系统近似模型,并给出基于该模型的Ｈａｍｍｅｒｓｔｅｉｎ型非线性系统的自适应预测控制算法。仿真实验表明,这种自适应控制算法,对系统的时延和阶次以及非线性特性变化有较强的鲁棒性。     

一类非线性系统的自适应广义预测控制

利用Hammerstein模型描述一类非线性系统，提出了一类适用于非线性系统的自适应广义预测控制算法（NAGPC），该算法将整个控制系统分解成线性和非线性两部分考虑；在线性部分中，根据广义预测控制（GPC）算法中控制增益阵F的特点导出了一种速度较快，计算量不大的GPC改进算法。非线性部份利用插值原理给出了一种便于计算机实时计算的根值解法，并将其解作为整个系统的控制输入。仿真结果表明，NAGPC算法计算速度快，鲁棒性较强，稳定性较好。     

可分非线性系统的自校正广义预测控制

对一种可分非线性系统,采用Hammerstein模型的基本框架,用神经网络对非线性部分建模,线性部分采用受控自回归积分滑动平均模型.对此模型的线性部分设计广义预测控制器,得出线性部分的控制量.根据此控制量,引入一逆神经网络.结合原来的神经网络模型,通过对逆神经网络权值的调整,使神经网络模型的输出为线性部分的控制量,同时得到逆神经网络的输出,即非线性系统的控制量.文章提出的模型克服了Hammerstein模型中非线性部分的反函数存在性和唯一性的问题.仿真结果验证了该设计的有效性.     

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·     

一种可分非线性系统的自校正广义预测

对一类可分非线性系统,采用Hammerstein模型的基本框架,用神经网络对非线性部分建模,线性部分采用受控自回归积分滑动平均模型。对此模型的线性部分设计广义预测控制器,得出线性部分的控制量。根据此控制量,引入一逆神经网络,结合原来的神经网络模型,通过对逆神经网络权值的调整,使神经网络模型的输出为线性部分的控制量,同时得到逆神经网络的输出,即非线性系统的控制量。克服了Hammerstein模型中非线性部分的反函数存在性和惟一性的问题。仿真结果验证了该设计的有效性。     

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。     

电力系统的可控制动电阻的非线性预测控制

电力系统的可控制动电阻（TCBR）对电力系统的鲁棒性有很重要的作用，本文中提出了一种新的TCBR控制顺的设计方法，并通过对单机无穷大系统的计算，验证了所提出的结构的正确性。     

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.     

增强系统阻尼并保持电压精度的静止无功补偿器非线性最优预测控制

以增加系统阻尼和维持电压水平为目的,基于非线性最优预测控制理论,设计出具有闭合形式解析控制律的SVC控制器．该控制器避免了非线性预测控制在线优化计算带来的大量计算负担,从而可满足实时控制的要求,且设计参数只有滚动预测时间及控制阶,因而便于工程实现及调试．仿真的结果表明,该控制器可有效地阻尼系统的振荡并能维持SVC接入点的电压水平．