多变量广义预测控制系统的鲁棒稳定性

根据非自适应下广义预测控制（ＧＰＣ）与线性二次型高斯（ＬＱＧ）最优控制间的一致关系,利用ＬＱＧ／ＬＴＲ技术对ＧＰＣ鲁棒稳定性作了分析,从而为ＧＰＣ中观测器矩阵的选取给出理论基础。     

热连轧厚度系统的多目标鲁棒预测控制

针对热连轧厚度控制系统模型(AGC),提出基于线性矩阵不等式的多目标鲁棒预测控制算法,有效处理了液压厚度控制系统的参数不确定性、扰动以及约束等问题. 由于所得结果以非线性矩阵不等式形式给出,采用锥补线性化思想将控制器的设计转化为一个受线性矩阵不等式约束的非线性规划问题,求解线性矩阵不等式,根据其可行解构造控制器,实现系统的多目标优化控制策略. 仿真结果表明,该方法有效并具有较好的控制性能.     

鲁棒线性规划在预测控制中的应用

研究了在稳态模型不确定情况下有约束的多变量预测控制系统的稳态目标计算问题。根据统计学的原理考虑模型参数的变化，确定出系统稳态益阵可能变化的最大范围，将原来的线性规划问题转化成鲁棒线性规划问题，并利用求解二次锥规划问题的方法解决新的规划问题。在Shell塔模型上的仿真实验证明，稳态目标计算采用鲁棒线性规划的控制系统更加稳定可靠，而且能够满足经济优化要求。     

城市路网的鲁棒预测控制

针对模型不确定的城市路网系统,设计了使闭环系统渐近稳定的鲁棒预测状态反馈控制器.首先,将"存储与向前"路段线性模型扩展为城市路网拓扑模型.同时考虑实际情况中路况变化、测量误差等因素引起的饱和流量、车辆数的不确定性的影响,提出了具有不确定参数的城市路网系统模型.然后,采用线性矩阵不等式处理方法求解一个具有约束的凸优化问题,给出了状态反馈控制器设计方法.最后通过Matlab仿真验证了所提方法能有效缓解城市交通拥堵和优化信号灯.     

采用反馈的鲁棒系统设计方法

基于多变量系统鲁棒理论和反馈可以减小对象参数变化对输出影响的思想，本提出一种鲁棒系统设计方法和设计内反馈增益矩阵的算法。用该方法对一实际工业对象设计了鲁棒控制系统，结果令人满意。理论分析和实际系统设计结果表明，该方法设计的系统比串联补偿鲁棒设计的系统具有更好的鲁棒稳定性和鲁棒性能。     

鲁棒线性规划在预测控制中的应用

研究了在稳态模型不确定情况下有约束的多变量预测控制系统的稳态目标计算问题。根据统计学的原理考虑模型参数的变化 ,确定出系统稳态益阵可能变化的最大范围 ,将原来的线性规划问题转化成鲁棒线性规划问题 ,并利用求解二次锥规划问题的方法解决新的规划问题。在Shell塔模型上的仿真实验证明 ,稳态目标计算采用鲁棒线性规划的控制系统更加稳定可靠 ,而且能够满足经济优化要求     

离散系统的鲁棒自适应控制

本文提出一种鲁棒间接自适应极点配置控制器，它利用相对死区技术使得控制器对一类未建模动态误差和恒定了界扰动具有鲁棒性。文中详细地分析了闭环系统的稳定性和收敛性，找到了保证佤渐近稳定的充分条件。     

输入受限网络控制系统的鲁棒模型预测控制

针对一类带有随机时延的输入受限多面体不确定网络控制系统,提出了一种鲁棒模型预测控制算法．假设随机网络时延为Markov链,并考虑Min-Max无穷时域性能指标,用线性矩阵不等式方法给出了依赖于模态的状态反馈控制器．基于Lyapunov方法,得到了保证可行性和鲁棒随机稳定性的条件．仿真结果验证了算法的有效性．     

基于回路成形法的鲁棒控制器设计

在对信号和系统范数以及鲁棒性描述的基础上介绍一种鲁棒控制器的图形设计方法──回路成形法,它能有效地解决被控对象的不确定性和外部干扰问题．最后,针对一设计实例用 Ｍａｔｌａｂ的动态仿真工具 Ｓｉｍｕｌｉｎｋ对设计出来的控制器进行系统仿真,成功地验证了回路成形法的有效性．     

成本控制下考虑多商品物流配送线路安排的鲁棒优化模型

考虑单位运输成本具有不确定性条件下,基于总成本控制的目的,研究了多商品物流配送线路安排问题的鲁棒优化模型,并运用鲁棒优化思想,通过对含有不确定性的约束条件进行松弛后,获得了计算上可处理的鲁棒对应模型.     

基于AEPSO优化的神经网络多步预测控制

为提高神经网络预测控制的性能,提出了基于自适应扩展粒子群优化的神经网络预测控制方案。基本PSO算法中,每个粒子的更新受粒子个体极值和局部极值的影响,为了提高其全局收敛性,采用多粒子策略,使每个粒子的更新受更多其他粒子的影响;为提高收敛速度,采用自适应策略,对参数c0进行自适应调整,使c0随着迭代次数的增加而逐渐减小,这样,在PSO算法的搜索过程中,随着迭代次数的增加,搜索区域会越来越小,从而加快PSO算法收敛速度。运用该算法实现神经网络预测控制中的滚动优化,在有限时域内对控制序列进行寻列,给出基于粒子群优化的神经网络预测控制系统的稳定性证明。仿真结果表明,基于粒子群优化的神经网络预测控制系统具有良好的跟踪性能。     

基于改进广义预测算法的精轧宽度控制方法

为了提高热连轧带钢成材率和宽度精度,在精轧末机架后一般配置了测宽仪,利用机架间张力对宽度动态控制,达到调整带钢宽度目的;由于精轧末机架中心线到测宽仪的距离较远,使得系统具有大滞后性及时变性等特点,很难建立精确的数学模型.采用对模型要求宽松的广义预测控制方法,基于广义误差估计值对控制器参数进行自适应调整,直接辨识控制律参数,省略Diophantine方程的求解、矩阵的求逆,缩短在线计算的时间,适用于快速的轧钢过程.仿真结果表明,该方法对精轧宽度这一大时滞、不确定性系统有较好的控制效果.     

粒子群优化算法在非线性模型预测控制中的研究应用

提出了一种基于粒子群优化算法(PSO)的非线性模型预测控制（NMPC）。作为NMPC重要组成的滚动优化部分对控制效果的好坏起着关键的作用,因而寻求一种可靠的优化算法十分必要。PSO算法是一种群集智能方法,通过粒子之间的合作与竞争及进化实现对多维复杂空间的高效搜索,属于一类随机全局优化技术,已成功应用于各科学和工程领域。本文在滚动优化部分应用粒子群优化算法来求解预测控制律,对非线性系统施加优化控制,此外,对常规线性递减加权因子ω策略进行了讨论,提出了非线性递减策略,可进一步缩短优化时间和优化精度。仿真实验效果良好,验证了这种优化算法的正确性和有效性。     

基于可行扰动的非线性预测控制实时迭代算法设计

针对非线性模型预测控制中滚动优化问题在线求解的困难,提出一种基于可行扰动的实时迭代优化算法。将可行扰动策略引入滚动优化中,保证算法快速收敛且具有提前终止能力。通过对运动小车以及连续搅拌反应釜的仿真研究,验证了该算法的有效性。     

传动柔性提升机神经网络鲁棒控制及振动抑制

为了提高物料提升机的位置控制精度和抗冲击能力,设计一种神经网络鲁棒控制和振动抑制方法。将传动链、谐波驱动装置等传动部件的关节柔性简化为无惯量线性扭(弹)簧并引入物料提升机模型中,利用拉格朗日方法建立系统刚-柔耦合动力学方程。基于奇异摄动理论将系统降阶分解为快、慢两个子系统,并设计混合控制器,其中,表征柔性振动的快变子系统采用关节速度差值反馈来直接抑制振动,而表征刚性运动的慢变子系统则采用基于HJI理论和RBF神经网络的鲁棒控制,通过神经网络对系统参数误差进行自适应调整。仿真结果表明,所设计的控制器能克服系统参数误差及外界扰动的影响,实现物料提升机位置的精确控制,并能有效抑制柔性关节的振动,保持系统的稳定性。     

时滞网络预测PI控制算法鲁棒稳定性分析

针对网络中存在的时滞给主动队列管理算法性能带来的不利影响,将Smith预估补偿器与达林算法相结合,提出了一种预测PI控制算法,既利用Smith预估器克服了大时滞给系统性能带来的影响,也减少了控制器参数整定数量.利用控制理论分析了该算法中Smith预估模型与实际对象模型分别存在增益、时间常数和时延失配情况下系统的鲁棒稳定性,并分别给出了保持系统稳定的失配参数条件.理论分析表明,通过适当选择期望闭环传递函数时间常数和预估模型参数,可以使系统获得较强鲁棒性和较快响应速度.仿真试验验证了理论分析的正确性.     

操作变量与前馈变量转换对模型预测控制可行域影响机制

模型预测控制因其解耦性和强鲁棒性得以在过程控制中广泛使用.在实际生产过程中,因操作需要常常放开控制器对部分操作变量的控制,此部分操作变量则转化为前馈变量.变量之间的转换将使系统的结构在方系统、胖系统和瘦系统之间发生转换.对于瘦系统,操作变量的维数少于被控变量,其控制效果往往低于其他结构的系统.同时,原操作变量不被控制器控制后,转换为前馈变量,也会影响对系统的控制效果.可行域能直接反映系统控制效果.在对状态空间模型进行多步预测推导的基础上,将部分控制变量与前馈变量进行转换,用空间几何映射表示变量转换,并分析转换对系统可行域的影响.最后,针对实际生产过程中放开部分控制变量的情况,提出预判机制,以保证系统可控.