一种基于Wiener模型的非线性预测控制

提出了一种基于Wiener模型的非线性预测控制方法.通过引入非线性部分的广义回归网络逆模型,将非线性预测控制转化为线性预测控制,用线性优化算法解决非线性预测控制问题,避免了复杂的非线性优化.仿真实验表明了该方法的有效性.     

改进粒子群算法优化的非线性模型预测控制

针对带有有界随机扰动和概率约束的非线性模型预测控制的优化控律求解问题.采用引入粒子滤波重采样步骤改进的粒子群算法,并与粒子的变异操作相结合来求解非线性模型预测控制优化控制律的方法,提高了算法的收敛速度和控制效果.对概率约束的处理,采用对不满足约束的粒子进行有效替代的方法,进而得到满足概率约束条件的优化控制律.仿真结果表明了提出的改进粒子群算法用于优化求解非线性模型预测控制的优化控制律的可行性和有效性.     

一种滑翔增程弹非线性模型预测控制方法

为实现对某滑翔增程弹滑翔弹道的跟踪控制,以达到增程的目的,采用具有解析形式控制律的非线性模型预测控制方法设计其控制系统。将滑翔增程炮弹控制系统分为质心控制和姿态控制2个回路设计,通过质心控制回路将方案质心位置指令转换成弹道倾角和弹道偏角指令;再由姿态控制回路转换成升降舵偏角和方向舵偏角指令;倾斜稳定控制器将滚转角指令转换成副翼偏角指令。以某滑翔增程弹为例进行仿真计算,结果表明,该控制器具有很好的控制效果,能够克服干扰因素的影响,实现滑翔增程的目的。     

蒸发过程的非线性模型预测控制

针对蒸发过程的六效逆流蒸发系统存在着多变量、非线性且回路间具有较强耦合等特点,基于物料衡算和热量衡算在其稳态工作点附近建立了动态模型,并应用非线性模型预测控制策略进行了仿真研究.为了更好地解决非线性模型预测控制中的优化问题,采用遗传算法来计算其控制序列,并将输出变量的约束作为惩罚项加到目标函数中,以保证求出的控制量可行.与常规PID控制结果比较表明,非线性模型预测控制在控制性能上有了较大改善并起到了节能降耗的作用.     

基于Hammerstein模型和GA的非线性广义预测控制

针对Hammerstein型的非线性系统,给出了一种基于GPC的预测控制方法.分析了使用近似法求解控制量的缺点,据此提出了基于遗传算法的控制量优化求解策略.以一个热交换器作为仿真实例,分别使用遗传算法和两种近似法求取控制量,并比较了3种情况下的控制效果.仿真结果表明基于遗传算法的预测控制器具有良好的性能.     

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。     

PMSM的基于神经网络非线性预测控制

采用三层前向神经网络作为PMSM转速预测模型,对PMSM进行非线性预测控制.先通过离线训练获得初始预测模型,再在线对神经网络模型的权值和阀值进行调整;控制算法是将预测模型处理成线性和非线性两部分,并用一种快速线性预测控制方法求取控制律,大大减小在线计算量和提高控制的实时性.最后仿真结果表明该方法具有良好的动、静态特性和抗干扰能力.     

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。     

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。     

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.     

基于BP网络的一种非线性预测控制算法

提出一种基于BP网络的非线性预测控制算法 .该算法根据被控对象自身的非线性特性 ,采用BP网络建立预测模型 ,并利用先验知识缩小网络的规模 ,提高网络的学习速度 ,然后利用遗传算法这一全局优化搜索方法对控制轨迹进行寻优 ,弥补神经网络容易陷入局部极小值的缺点 .非线性多变量系统友、码仿真 ,结果 ,表明核算法具有加快收效易于实现的特点     

基于改进Elman神经网络的非线性预测控制

为了提高非线性预测控制中预测模型的精度,提出一种基于递归神经网络建模的预测控制方案.采用改进Elman神经网络在线建立预测模型,用递推最小二乘法在线修改神经网络权值,并引入误差补偿环节,从而达到改善预测模型精度的目的,使控制系统的控制性能得到提高.仿真实验表明了该方法的有效性.     

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 .     

基于NARX的SI发动机空燃比非线性模型预测控制

针对SI(Spark Ignition)发动机空燃比(AFR: Air-Fuel Ratio)控制精度低、无法自适应等问题, 提出了基于NARX(Nonlinear Auto Regressive model with eXogenous inputs) 模型的非线性模型预测控制(NMPC: Nonlinear Model Predict Control)方法。利用渐消记忆递推最小二乘(RLS: Recursive Least Squares)算法对NARX 模型进行辨识, 基于NARX 模型对SI 发动机的AFR 进行非线性模型预测控制。该方法辨识精度高, 可通过NARX 模型数学结构直接计算最优控制序列, 从而提高系统的控制精度。同时, 采用Matlab 对均值发动机模型(MVEM:Mean Value Engine Model)进行仿真实验, 并与采用Volterra 模型的PI(Proportional Integral)控制器算法进行对比。仿真结果证明, 该算法控制效果比基于Volterra 模型和传统的PI 控制器的控制效果超调量小, 调节时间短, 更加具有工程实际应用性。     

非线性系统的直接自适应控制及其改进方法

针对非线性系统,提出了一种新的直接自适应控制方法．给出了相应的自适应控制器的设计方法,并分析了所构造的控制器的输出跟踪特性,得到了控制算法收敛的条件．文中还提出了一种改进型控制器——带梯度预报的直接自适应控制器．最后的仿真结果表明了文中结论的正确性及有效性     

基于改进稀疏编码模型的图像分类算法

针对图像表示,提出了一种基于改进稀疏编码模型的图像分类算法.首先,提取表示图像视觉局部特征的SIFT (Scale Invariant Feature Transform) 描述子;然后,利用稀疏编码方法生成基于SIFT描述子的视觉词汇库,将SIFT描述子编成稀疏向量;通过有效稀疏向量的区域融合和空间结合而获取整体的稀疏向量并用于图像表示;最后,采用随机森林多分类器对稀疏向量进行训练和测试.结果表明,与现有的算法相比,该算法的性能更佳,可以有效表示图像的特性并提高其分类的准确率.     

基于改进欧拉法的一类非线性系统的数值控制方法

研究了一类非线性系统的数值控制问题,通过使用数值分析中的改进欧拉方法得到数值控制器,当该控制律作用于系统时,系统的状态是数值稳定的。给出了仿真算例说明该结论的可行性和有效性。     

基于模型预测内模的实时控制算法

对具有滞后性、外界扰动和被控对象参数不确定性、快速性要求高的一类单输入-单输出线性系统的非恒值实时控制的模型预测内模的控制算法进行了进一步的分析研究.从理论上分析了该控制算法的系统稳定性条件、稳态控制误差,研究了在逆变电源控制系统中,该控制算法对负载的鲁棒性和对扰动的抑制能力.算法仿真表明:该控制算法能够克服外界扰动和被控对象参数不确定性,系统具有较强的鲁棒性,稳态控制精度高,动态响应速度快.