非线性大滞后系统的单神经元模糊预测控制

提出一种单神经元模糊预测PID控制策略,无需对复杂控制过程建立数学模型,只要检测过程的实际输出和期望输出,通过模糊预测控制修正单神经元PID控制规则,即可对非线性大滞后系统实现自适应控制.对于大滞后扰动系统,在稳定性、快速性、鲁棒性方面明显优于常规单神经元PID控制器.仿真结果表明,该方法应用于非线性大滞后系统具有良好的控制品质.     

一类非线性滞后系统的广义预测控制

对将线性系统的广义预测控制算法推广应用到非线性系统的控制问题进行了研究,即在每个控制周期内,递推预测非线性滞后系统在将来时刻的工作点,在工作点附近对非线性系统进行线性化,根据得出的线性化模型进行广义预测控制,并采用动态寻优的方法逐步逼近最优控制,仿真结果表明:非线性系统的广义预测控制算法能快速有效地跟踪系统的设定值,控制效果良好.     

基于独立模型的非线性时间序列多步超前预测

提出一种非线性时间序列的多步超前独立预测方法. 对比逐步递归方法和独立预测方法, 分析了积累误差对多步超前预测性能的影响. 采用递归神经网络(RNN)实现了独立预测方法, 建立了城市轨道交通能耗预测模型. 通过MATLAB训练和测试该模型, 比较了两种方法下的多步超前预测输出. 结果表明,独立预测方法的误差优于逐步递归方法. 最后指出了独立预测方法的优缺点及适用范围.     

一类非线性滞后系统的自整定PID控制

针对采用传统PID控制一类非线性滞后系统,难以获得满意的控制效果,提出基于RBF神经网络的PID控制参数自整定的方法.利用具有在线能力的最近零聚类学习算法,训练RBF神经网络,从而自适应调整系统的控制参数.仿真结果证明了,该控制策略不仅能使非线性滞后系统具有良好的动态跟踪性能,而且具有很好的抗干扰能力.     

基于多步预测的PID型神经网络控制

提出了一种基于多步预测的ＰＩＤ型神经网络控制方案,其控制机理类似于位置递式ＰＩＤ控制,但所产生的控制量是误差信号的比例、积分和微分量的一种非线性组合,可以有效地克服常规ＰＩＤ控制存在的快速性和超调的矛盾。通过利用多步预测误差对ＰＩＤ型神经网络控制器进行训练,可以弥补单步预测存在的控制信号波动较大的缺陷。仿真实验表明,基于多步预测的ＰＩＤ型神经网络控制系统有效随机干扰,具有较强的适应性和鲁棒性。     

基于Laguerre函数模型的大纯滞后系统预测控制

分析了Laguerre函数模型的特点，将系统的大纯滞后划分为已知和不确定两部分，这会大大减少Laguerre函数模型的参数。给出了基于Laguerre函数模型的自适应单值预测控制算法。仿真结果表明，该算法对大纯滞后系统的控制非常有效。鲁棒性好，仅需要很少的先验信息，计算量小，易于应用。     

一种克服大纯滞后的预测控制方法

针对一般工业过程中存在的大纯滞后问题,提出了一种克服大纯滞后的预测控制方法.首先由神经网络辨识出非线性系统的纯滞后时间参数,再用构建的神经网络预测模型预测出未来相应时刻的系统输出,然后用该输出来调整当前时刻的控制量,从而达到预期的控制目的,仿真结果验证了该方法的有效性.     

加入滞后时间削弱器的大滞后系统的最优模糊PID控制

首先给大滞后系统加入滞后时间削弱器,将大滞后的对象演变成小滞后的对象,然后基于模糊控制原理、极小值原理和PID控制理论,设计一种最优模糊PID控制器对小滞后对象进行自适应控制.仿真结果表明,加入滞后时间削弱器能使大滞后系统更容易控制;最优模糊PID控制器比模糊PID控制器具有更好的抗干扰性和鲁棒性,且系统响应的上升时间和调节时间明显缩短.     

大纯滞后对象的智能控制方法

讨论了1种基于大纯滞后对象的智能控制方法,并针对工业热处理炉研究了该算法的应用.     

基于Laguerre函数模型的大纯滞后系统预测控制

分析了Laguerre函数模型的特点 ,将系统的大纯滞后划分为已知和不确定两部分 ,这会大大减少Laguerre函数模型的参数。给出了基于Laguerre函数模型的自适应单值预测控制算法。仿真结果表明 ,该算法对大纯滞后系统的控制非常有效 ,鲁棒性好 ,仅需要很少的先验信息 ,计算量小 ,易于应用     

非线性摄动时滞系统时滞变化率最大化鲁棒控制

针对连续时滞系统提出了一类新的更一般的非线摄动模型，研究了在已知非线性摄动范围下的时滞变化率最大化的鲁棒控制问题，建立了相应的线性矩阵不等式(LMT)约束下线性凸优化的可行性判据以及鲁棒控制器设计方法，一个数值例子阐明了本文方法的可行性。     

一类不确定非线性扰动离散时滞系统的鲁棒状态反馈控制

研究了具有非线性扰动的离散不确定带有状态时滞和输入时滞系统的鲁棒稳定性问题.以线性矩阵不等式的形式给出了可设计系统状态反馈控制律的充分条件,当条件满足时设计出系统状态反馈控制律,从而使闭环系统渐近稳定.     

不确定非线性时滞切换系统的鲁棒容错控制

研究了一类结构参数不确定性和未知非线性扰动的非线性时滞切换系统的鲁棒容错控制问题.利用凸组合技术,设计出状态反馈控制器和相应的切换策略,使得闭环系统是全局渐近稳定的.同时当系统的执行器失效时,通过预先给定的失效集,对于所有发生在给定失效集的执行器失效的情况下,使得闭环系统均是全局渐近稳定的.最后通过仿真算例验证了所设计方法的可行性和有效性.     

基于LMI技术求解非线性不确定时滞系统的鲁棒控制

研究了一类具有非线性不确定时滞独立系统基于观测器的鲁棒控制器的设计问题,将被控对象由线性不确定时滞系统扩展到非线性不确定时滞系统.在非线性不确定函数增益有界的情况下,通过构造增广系统,利用Lyapunov稳定性定理,获得了该不确定系统存在状态观测器和基于观测器的鲁棒控制器的充分条件.通过求解3个LM I方程,可解得黎卡提方程的解Po,Pc,进而求得状态观测器增益和控制器增益,解决了在利用R iccati方程求解时依赖于参数调整的问题.     

一类不确定非线性时滞系统的鲁棒控制

研究了一类带有不确定非线性时滞系统的鲁棒渐近稳定问题.利用李亚普诺夫稳定性定理和线性矩阵不等式工具,得到了此类系统鲁棒渐近稳定的充分条件,并给出相应的鲁棒状态反馈控制器设计.最后仿真示例表明了该方法的有效性.     

Robust Predictive Control of Uncertain Systems with Time-delay Using Tight Sets of Predicted States

A robust model predictive control （MPC） algorithm for discrete time linear systems with time-delay （RPC.TDS） subjected to constrained input control is presented, where the polytopic uncertainties exist in state matrices and input matrices. In the algorithm the standard optimization of quadratic objective function has been transformed into optimization of sum of N ＋ 1 upper bounds of the quadratic objective function with respect to N control moves and a state feedback control law, where N is the control horizon. The feasibility of the optimization problem guarantees that the algorithm is robustly stable. The simulation results verify the effectiveness of the proposed algorithm.     

非线性扰动的关联时滞广义大系统的二次稳定与H∞控制

针对非线性扰动的关联时滞广义大系统,研究了其二次稳定性及H∞状态反馈控制器的设计问题。假设其中的不确定性是范数有界的,通过构造改进的Lyapunov泛函,给出了其二次稳定性及H∞状态反馈控制器存在的条件。仅通过求解相应的线性矩阵不等式（linear matrix inequality,LMI）就可得到鲁棒H∞控制器,设计的控制器对所有容许的不确定性不仅使得相应的闭环系统渐进稳定,也能保证闭环系统满足一定的H∞性能指标,达到抑制干扰的效果。最后,用数值算例及仿真验证了所给方法的有效性。     

非线性系统的神经网络逆模型控制

利用神经网络逼近任意非线性的能力 ,将其与非线性逆系统相结合 ,对非线性系统的逆模型进行建模 ,对实现的伪线性系统设计自适应控制进行综合 ,动态神经网络在线消除系统的近似逆误差和正向模型的辨识误差 ,设计权值调整规律为 w∧·=-λ·eTPbΦ(r ,r· ,v)‖e‖ p >E0‖e‖ p >E,仿真结果表明其有效 .     

非线性时滞系统的周期间歇同步控制方法

提出了一般非线性时滞系统周期间歇控制时滞同步控制方案。给出了在周期间歇反馈控制下实现指数同步的充分条件．在此结论的基础上,得出几个相关的推论,并与现有控制方案进行了比较．该方案更具一般性,应用范围更广。最后,通过数值仿真证实了方案的有效性．     

基于递归神经网络的多变量系统预测控制

针对线性PID控制器系数难以整定的问题，构造了一种用神经网络实现的非线性PID控制器．多个具有相同结构的非线性PID控制器并联，对多变量系统实现解耦控制器．结合预测控制的思想，提出两种控制方案．第一种是在递归多步预测的基础上，在广义最小方差目标函数下实现控制，第二种利用多步预测目标函数在线修正解耦控制器的权值．仿真实验表明这两种方法的有效性．