污水处理过程中模糊自适应广义预测控制方法

污水处理是一个复杂的生化反应过程,具有高度非线性、强耦合、不确定性等特点.本文以基于活性污泥1号模型(ASM1)的污水处理benchmark为研究对象,采用模糊模型描述污水处理过程,利用自适应辨识策略提高模型的精确度,以模糊自适应模型作为预测模型,提出了污水处理过程模糊自适应广义预测控制方法.仿真结果表明:采用的模糊自适应预测控制方法能有效地控制出水水质.     

基于模糊RBF神经网络整定的航空发动机多变量解耦控制

为解决航空发动机控制变量之间的强耦合性,构造了基于模糊RBF神经网络整定的航空发动机多变量解耦控制系统.设计了基于模糊RBF神经网络的多变量解耦控制器,在线调整PID控制器的参数并根据Delta学习规则对网络权值进行修正以达到最佳控制;针对某型航空发动机含未建模动态和噪声等随机干扰的非线性模型进行了多变量解耦控制系统仿真.结果表明:系统具有满意的动态性能和解耦特性,该方法不需要知道发动机的精确数学模型,对航空发动机的非线性和不确定性具有较强的自适应能力.     

模糊—自适应神经元解耦控制在VAV中的应用

采用模糊控制器和自适应神经元解耦补偿器的解耦控制技术，对耦合强烈的具有变风量空调系统传递函数矩阵形式的4维传递函数矩阵系统进行解耦控制。通过解耦系统仿真研究，为变风量空调系统的解耦控制提供了有效的方法。     

模糊-自适应神经元解耦控制在VAV中的应用

采用模糊控制器和自适应神经元解耦补偿器的解耦控制技术 ,对耦合强烈的具有变风量空调系统传递函数矩阵形式的 4维传递函数矩阵系统进行解耦控制。通过解耦系统仿真研究 ,为变风量空调系统的解耦控制提供了有效的方法     

基于广义预测自适应控制的电力系统稳定器

电力系统稳定器自20世纪60年代提出以来,在电力系统的稳定运行中发挥了至关重要的作用,但是传统电力系统稳定器的缺点在于缺乏改变系统运行状态的适应能力,提高控制与调节电力系统自适应能力的控制方法成为电力系统研究的热点话题。该文分析了广义预测自适应控制的特征,并以实例分析了基于广义预测自适应控制的电力系统稳定器,以供参考。     

航空发动机鲁棒自适应反演控制

针对航空发动机非线性和不确定性的特点,提出了一种基于神经网络的多输入多输出反演控制方法。采用径向基神经网络逼近系统中的不确定性,在控制中引入自适应鲁棒项,以克服系统中不确定性的影响。在递推过程中,虚拟控制量和实际控制量的求取始终基于Lyapunov稳定性原理,从而保证了闭环系统的一致渐近有界。最后针对某型涡扇发动机非线性模型设计了转速控制器,仿真结果验证了该方法的有效性。     

基于准确预报的自适应广义预测控制器

基于受控系统多时域输出预测误差的历史信息，对未来输出预测值进行在线修正。提出了一种能抑制模型对控制器产生影响的准确预报广义预测控制器及相应的自适应算法。理论分析及仿真结果表明了该算法具有较强地鲁棒性．     

模型参考自适应解耦控制研究

针对多输入，多输出耦合对象的参数在一定范围内变化的情况，研究了解耦控制与自适应控制问题，通过建立系统的参考模型，提出了按参数自适应律自动调整解耦网络和调节器参数的设计方法，对参数可变的２个输入２个输出的耦合对象进行了自适应解耦控制设计与控制系统计算机仿真，仿真结果表明，解耦网络和调节器能数固定时系统运行失控，实现参数自适应调整后系统运行正常。     

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。     

基于神经网络的车用发动机广义预测控制

为了改善具有非线性特性的发动机燃油控制效果,以达到高效率、低污染的要求。利用一种前向神经网络作为非线性系统的模型,并将其分为线性部分和非线性部分。其中非线性部分用单隐层的BP神经网络对其建模,采用学习速度较快的Davidon最小二乘法在线调整网络权值;线性部分采用受控自回归积分滑动平均(CARIMA)模型作为其数学模型,用递推最小二乘法(RLS)作为其参数辨识的方法。每步将所得非线性系统的网络模型线性展开,得到线性回归模型,并以非线性前馈增益方式补偿建模误差,建立了一种适合非线性系统的自校正广义预测控制器。仿真结果表明该算法收敛速度快,控制动作平稳,控制效果理想。     

MIMO非线性系统基于I／O扩展解耦线性化的预测控制算法

研究MIMO非线性系统基于I/O扩展解耦线性化的预测控制算法。这是一种分层的控制策略。首先设计一个静态的非线性状态反馈以获得I/O扩展解耦及线性的闭环系统;然后对此闭环系统设计一组单变量的线性预测控制算法以获得良好的动态特性。文中对一个实例进行了仿真运算。     

热连轧活套系统的解耦补偿预测控制

针对热连轧活套系统的强耦合特性,提出一类基于预测原理的交叉解耦控制策略.将一个两输入两输出的强耦合系统分解成两个相互影响的单输入单输出的子系统.基于预测控制原理,在一个周期内,顺序更新每个子系统的控制律,并保留未来的预测控制信息,补偿子系统之间的耦合影响,然后开始新的循环.基于H∞原理,将预测值与实际值的误差作为扰动处理,降低子系统之间的耦合影响,提高控制精度,简化控制器设计,减轻计算机的负担.仿真结果证实了该方法具有较好的解耦效果和控制性能.     

多变量系统模糊自适应解耦控制方法综述

介绍了多种模糊自适应解耦方法,主要是传统自适应理论与模糊控制的结合以及糊神经网络解耦方法,并着重介绍了各方法的优点和局限性．最后对模糊自适应解耦研究领域的前景进行了展望。     

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。     

带有参数自调整机构的多变量系统模糊神经网络解耦控制

在文献[1]的基础上,引入模糊神经网络和参数自调整算法,改善系统的智能,使系统具有自学习和自调整模糊规则的能力.仿真结果表明,该方法能实现静态解耦,并提高了系统的抗干扰能力和鲁棒性,改善了系统的性能.     

神经元网络智能预测控制

本文基于自学习神经元网络模型，建立了智能预测控制系统，给出了网络系统的算法，阐明了智能控制器的设计以及自学习机理。仿真结果表明，方法具有良好的动态特性和鲁棒性，适用于大滞后系统和非线性系统。     

自适应模型预测控制的车道保持控制策略

建立车辆侧向动力学模块、车辆传感模块、道路曲率预瞄模块.在传统模型预测控制(MPC)算法的基础上,利用辛普森法则,结合车道保持优化性能指标和系统约束,设计基于自适应模型预测控制的车道保持控制策略.在Simulink环境下,将其与基于传统模型预测控制器进行比较分析.仿真结果表明:相较于模型预测控制,自适应MPC能够在各控制周期实现车辆模型更新,在强非线性工况下具备较好的鲁棒性,进而能够保证行车安全的前提下,获取较好的乘坐舒适性.     

基于粒子群寻优的汽车自适应巡航预测控制

为进一步提升多目标自适应巡航系统预测控制精度,提出一种基于粒子群寻优的汽车自适应巡航预测控制算法.首先建立一种包含前车加速度扰动的自适应巡航系统车间纵向运动学模型,并对其线性离散化;其次综合车距误差、相对车速、自车加速度和冲击度,设计二次型多目标优化性能指标函数和多参数约束条件,构建自适应巡航预测控制优化命题;最后为便于问题求解,将目标函数和约束条件推导转化为以预测控制增量为优化变量的规范形式,并基于粒子群优化算法求解自适应巡航预测控制的最优控制律.通过Matlab/Simulink多工况仿真结果表明,粒子群算法求解的最优控制律能够控制自车保持更好的跟踪性和自适应性.      

基于大时滞特性预估补偿的模型辨识及模糊控制方法

对具有大迟延特性的对象采用径向基神经网络辨识其预测控制模型,在不需要知道被控对象的精确物理解析数学模型,也不需要知道对象的脉冲激励响应模型和阶跃激励响应模型的情况下,可以实现对系统响应特性的在线辨识.采用分级模糊建模的思想,设计一种分级模糊控制器,可以极大地减小模糊规则基的规模,在分级模糊控制器的设计中,采用共生进化遗传算法对参数寻优,提高了进化速度.仿真试验证明,该方法的效果很好.