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。     

基于NetCon的网络化预测补偿控制算法及其应用

网络控制系统(Net-worked Control Systems,NCS)是指传感器、控制器和执行器通过网络形成的闭环反馈控制系统。介绍了以NetCon控制器为基础的应用于NCS的网络预测控制算法,详细阐述了预测控制算法的设计与实现过程,分别以双容水箱系统和直流电机系统作为控制对象将该算法应用到了实际系统中,实现了网络化控制,证明了该网络预测控制算法的有效性。     

跟踪误差的增量式模型预测控制

针对一类工业生产过程中实时跟踪问题,本文提出一种增量式模型预测控制算法,其基本思想是在预测模型中根据跟踪误差采用速度响应来建立预测模型,并在预测模型中采用控制量的增量软约束和在线滚动优化方法使其二次性能指标达到最优。理论分析和Matlab仿真实验结果表明,该控制算法能获得良好的跟踪性能、平稳的被控对象动态响应以及更强的闭环系统鲁棒性。     

基于学习的自校正控制算法

提出了一种基于学习的自校正控制算法 ,算法中包含一个自适应模型和多个固定模型 ,每一个模型都有一个相对应的控制器 .在每一采样时刻 ,将当前时段内具有最小预测误差的模型对应的控制器的输出作为控制输入 .在该算法中 ,自适应模型和自适应控制器的作用是确保闭环系统的稳定性和输出跟踪误差的渐近收敛性 ,而固定模型和固定控制器的作用是当被控对象的参数发生变化时 ,在自适应模型的参数估计收敛之前 ,暂时担当控制器的角色 ,以改善闭环系统的暂态响应 .证明了闭环系统的稳定性和输出跟踪误差的渐近收敛性 .仿真结果表明算法的有效性     

固体氧化物燃料电池系统仿真分析与控制

固体氧化物燃料电池（SOFC）系统是一个非线性、多变量和强耦合的系统,很难用传统的建模方法来建立。本文基于BP神经网络的方法,利用MATLAB/Simulink平台构建SOFC系统模型,并在该模型的基础上增加PID控制,实现了闭环控制系统的分析。实验结果表明,该模型预测精度高,由预测模型得出的温度数据与实际数据的绝对误差为0.011%,增加的PID控制算法具有很强的抗干扰能力。     

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·     

时滞系统的自抗扰广义预测控制的性能分析

为了实现对时滞系统的高性能控制,提出1种自抗扰广义预测控制算法。首先阐述自抗扰广义预测控制算法的设计原理,得到算法的闭环反馈结构。然后利用频域分析法推导出算法的频域特性,分析并总结时滞系统自抗扰广义预测控制算法的参数整定原则。最后对自抗扰广义预测控制算法以及传统的广义预测控制算法的动态性能进行比较。研究结果表明:自抗扰广义预测控制算法无需在线辨识被控对象精确的数学模型,可以离线求得丢番图方程的解析解,算法的在线计算量大大减少;相比于传统的广义预测控制算法,自抗扰广义预测控制算法具有更好的动态性能。     

风力发电机偏航控制系统的设计

本文首先分析了偏航系统的工作原理,然后以S7-1200 PLC为控制器,触摸屏为监控器,设计了硬件系统。整个硬件系统采用了闭环结构。根据偏航控制要求,设计了自动对风控制算法、自动解缆控制算法、90°背风控制算法。本设计不仅提高了风能利用率,增大了发电效率。而且还保证了整个系统的安全性、稳定性。     

运动控制系统自学习问题研究

研究了运动控制系统在重复运动方式下的自学习问题,设计了开环迭代自学习、闭环迭代自学习和预测自学习三种控制算法和结构,并对比分析了各种自学习控制算法的特点。实验结果表明,学习控制结构简单,计算量小,便于实现,对被控对象的动态模型没有严格的要求,可以明显改善具有周期性输入控制系统的轨迹跟踪精度。     

具有未建模动态系统的鲁棒自适应控制

本文针对一类具有未建模动态的离散线性系统提出了一种新的鲁棒自适应控制算法。此算法由一带有相对死区的最小二乘参数估计方案和一带有模型误差反馈的广义最小方差控制器构成。本文证明了：此算法不仅能保证在有未建模动态存在时闭环系统是鲁棒稳定的，而且还能保证系统的平均跟随误差趋于零。仿真结果表明：采用本文方法即使用低阶模型设计仍能获得满意的控制效果。     

基于PSO算法的HVAC系统LSSVM预测控制

针对暖通空调(HVAC)系统,提出一种基于粒子群优化(PSO)算法和最小二乘支持向量机(LSSVM)的预测控制方法。该方法利用LSSVM建立HVAC系统预测模型并预测系统的输出值,引入输出反馈和偏差校正以克服模型失配等因素引起的预测误差,以此构造加权预测控制性能指标。由PSO算法滚动优化得到系统的最优控制量。利用该控制方法对一个HVAC系统进行仿真实验,结果表明该方法具有较好的控制效果。     

基于ABC-SVM模型的固体氧化物燃料电池预测控制仿真研究

为了满足直流负载电压的稳定性及固体氧化物燃料电池（SOFC）的耐用性和安全性的要求,设计了两个控制回路分别对SOFC的输出电压和燃料利用率进行控制。通过设计一个简单的控制回路来使燃料利用率保持在恒定值,并在此基础上开发了一个非线性模型预测控制器以控制SOFC的输出电压。该非线性模型预测控制器基于改进的支持向量机（SVM）预测模型,首先利用Lipschitz quotients准则确定SVM预测模型的结构,然后通过人工蜂群算法（ABC）优化SVM参数。仿真结果表明,所提的基于ABC-SVM模型的SOFC预测控制算法可以很好地跟踪电压设定值,证明了ABC-SVM模型在SOFC非线性动态建模中的有效性。     

基于神经网络模型和改进最优保留遗传算法的非线性系统多步预测控制

针对复杂工业过程中存在的时滞、慢时变、强干扰等非线性控制对象提出一种利用径向基函数神经网络 (RBFNN)作为预测模型 ,改进最优保留遗传算法 (MEGA)作为滚动优化策略的非线性预测控制算法。仿真结果表明该算法具有较强的鲁棒性和抗时变性能。     

基于神经网络的多变量非线性系统的广义预测控制

为了使广义预测控制的思想成功应用于多变量非线性系统,用神经网络对其进行开环解耦得到单变量非线性系统后,采用一种复合多层前馈神经网络结构作为单变量非线性系统预测模型,利用递推最小二乘法和Davidon最小二乘法作为在线学习算法,建立了一种适合多变量非线性系统的自校正广义预测控制器。     

基于动态BP网络误差修正的广义预测控制

针对建模误差对非线性系统预测控制鲁棒性的影响，提出了一种基于动态Bp网络的广义预测控制算法。该算法运用动态Bp网络对模型预测误差进行在线补偿，以提高预测精度。仿真结果证明了本文提出的广义预测控制算法对于非线性系统是有效的。     

基于人工神经元网络模型的预测控制研究

研究了基于人工神经元网络模型的非线性预测控制，所采用的网络为一种将线性模型与多层前向网络相结合的ＤＬＦ网络，仿真结果表明，该“混合网络”易训练，收敛速度可大大加快，在ＤＬＦ模型的基础上，本文研究了一种非线性预测控制算法，它的显著特点是在线计算量小。对于一非线性过程－球形罐液位的仿真结果表明，基于ＤＬＦ的非线性预测控制效果颇佳。     

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。     

基于KAUTZ模型的预测函数控制及其稳定条件

对模型未知的系统采用Kautz函数逼近得到系统的近似模型.基于所得到的Kautz模型设计了一种预测函数控制器.对该算法进行了稳定性分析,依据Lyapunov稳定性定理得到了保证闭环控制系统稳定的充分条件.仿真实验证明,该算法能够准确逼近真实系统模型,实现自适应控制,得到满意的控制效果.     

基于B—P神经网络的非线性系统预测控制的研究

预测控制是以计算机为手段基于模型预测进行控制的方法,但是已有的预测控制算法通常是针对线性渐进稳定对象的,或者即使针对非线性使用了非线性模型,但由于算法过于复杂不能适用于快速系统,本文对复杂非线性系统提出了一种基于Ｂ－神经网络的预测控制方法,仿真和实际结果表明该方法的有效性和快速性,能够实现对非线性系统的实时智能优化控制。