基于Hammerstein模型的非线性自适应预测函数控制

传统的预测函数控制对非线性和多变性的实际对象控制效果不佳.采用基于Hammerstein模型的预测函数控制(PFC)内部模型辨识方法来拟合实际对象的非线性.针对实际时象的多变性,不断辨识对象,校正内部模型参数,增强控制系统适应对象变化的能力.选取正弦多项式形式的基函数并介绍了滚动优化的办法.优化性能指标选取双值指标,计算量小,精度高.整个算法线性寻优,不需要非线性模型预测控制的非线性滚动优化,输出可以应用模型参数直接计算.实验表明该方法比PID控制效果更好而且对模型失配具有很好的自适应性能.     

阶梯式有约束非线性预测控制及其应用

非线性预测控制需要在每个采样周期内求解非凸非线性规划。针对在线求解的计算复杂性,提出基于阶梯控制的非线性预测控制算法,在每个采样周期,采用阶梯式控制策略,精确求解当前控制量,减少非线性规划决策变量的维数,降低了在线计算量,减少计算时间,提高了算法的快速性。仿真和实控结果表明,本算法具有良好的可行性和控制效果。     

神经网络非线性预测优化控制及仿真研究

针对暖通空调等一类时变多输入多输出非线性过程控制系统，采用神经网络作为优化反馈控制器求解优化反馈解，并利用预测控制滚动优化能够克服干扰和不确定性影响的优势，采用基于Hamilton-Lagrange方法和预测滚动优化算法训练多层前向神经网络，同时对系统中某些不能直接测量且受到多种因素影响、计算复杂的时变参数也利用神经网络进行预测，以实现对象特性的实时预测。利用该控制方法对某变风量暖通空调模型进行了仿真，优化指标取舒适性指标和耗能量之和。仿真结果表明，采用此方法，在模型不确定和存在外在干扰的情况下可以得到较好的控制效果。     

空间飞行器姿态机动预测跟踪控制技术

针对空间飞行器大角度机动调整的非线性控制方面问题,从空间飞行器的非线性动力学模型出发,主要讨论了空间飞行器的一种对动力学模型要求较为宽松的自适用跟踪滤波模型和利用自适用跟踪滤波对飞行器进行一步无控预报方法,以及探讨了利用跟踪滤波的一步无控预报信息对空间飞行器进行解耦控制的预测控制技术。同时,通过仿真计算,结果表明此解耦控制方法收敛快,跟踪精度高,稳定性好,控制信息量连续等特点。     

基于Elman网络的鲁棒型广义预测控制方法研究

提出一种基于Elman动态回归神经网络模型的鲁棒型广义预测控制(GPC)．该算法首先用EIman网络对非线性系统进行辨识，建立预测模型，然后在控制中将模型输出值与测量输出值进行综合，代替量测输出用于控制中，从而降低辨识器与控制器对未建模动态的敏感性，加强控制器的适应能力和鲁棒性．仿真结果证明：将本算法应用于非线性系统预测控制，对未建模动态具有很强的鲁棒性和很好的控制能力。     

一种有约束的神经网络预测控制方法

针对非线性系统的控制问题，提出了一种采用黄金分割法的神经网络预测控制算法。该算法以神经网络作为预测模型，以黄金分割法用于优化控制器，其中以系统输入的约束条件作为黄金分割法的动态搜索区间。该算法解决了控制量的范围和变化速度受约束的情况下，未知非线性系统的预测控制问题，通过仿真研究证明了该算法计算速度、稳定性和杭扰动能力。     

二级倒立摆的摆起控制

以往对非线性系统主要是采用线性化的方法进行控制，提出了一种基于专家系统及变步长预测控制的实时非线性系统控制方法。用变步长一步预测避开复杂的非线性推导，结合专家系统对控制参数进行修正，从而实现对复杂非线性系统的实时控制。利用这种方法，实现了二级倒立摆的摆起及稳定控制。     

基于分段线性逼近网络的直接自适应控制

对一类单输入单输出系统的控制问题进行了研究 ,设计了对这类系统的直接自适应控制方案。控制方案的一部分是采用分段线性逼近神经网络逼近给定的非线性系统 ,利用已经发生的实际数据对网络的权值进行训练 ;另一部分是结合神经网络的一步预测输出和系统的参考输出 ,通过梯度优化器计算得到系统的控制输入。数值仿真结果表明 ,控制效果比较理想     

基于多Agent粒子群优化的多步SVR模型预测控制

提出一种基于多Agent粒子群优化支持向量回归机（support vector regression, SVR）参数的优化算法,并利用该算法建立多步预测控制模型,对非线性系统进行预测控制。通过预测控制的机理推导出满足滚动优化目标函数的多步预测输出的控制律。将该模型与基于遗传算法优化的RBF神经网络预测控制器、基于粒子群优化的多步SVR模型预测控制器和基于遗传算法优化的多步SVR模型预测控制器进行比较分析,仿真结果表明该预测控制模型优于其他控制器,具有良好的预测性能,可有效的对非线性系统进行预测控制。     

基于先验知识和神经网络的非线性建模与预测控制

神经网络模型是模拟非线性系统的有力工具，它的缺陷是难以利用已有的先验知识。利用通用学习网络的建模方法，提出了一种利用先验知识和神经网络建立非线性系统模型的方法，具有简化神经网络结构、减小计算量的优点。基于这种模型利用改进的遗传算法进行优化计算，从而实现了基于先验知识和神经网络的非线性建模和预测控制。对一个悬吊系统的仿真实验说明了该算法的有效性。     

灰色预测模糊PID控制在汽温控制系统中的应用

将灰色预测、模糊控制与常规PID控制三者的设计思想融合起来，提出了一种灰色预测模糊PID控制算法。该算法首先通过建立模糊规则和进行模糊推理来确定PID控制器的参数，然后由PID控制律直接确定控制作用，再将灰色预测在线应用，用其预测结果代替被控对象测量值进行控制运算。仿真结果表明，利用该算法设计的汽温控制系统比应用模糊PID控制设计的汽温控制系统具有更加优良的性能。     

基于聚类方法和神经网络的非线性系统多模型自适应控制

针对具有参数跳变的非线性系统,联合聚类算法和神经网络提出新的多模型自适应控制方法。首先对系统的输入输出数据进行模糊聚类,然后基于递推最小二乘法建立多个固定模型。为提高系统的暂态性能,同时建立两个自适应模型,并在此基础上设计鲁棒自适应控制器。此外,为了补偿系统的非线性部分,建立非线性预测模型,并设计非线性神经网络自适应控制器。所提方法可使控制切换系统具有稳定性保证。最后,通过性能指标对控制器进行平滑切换。仿真结果表明,所提方法能够保证系统具有良好的控制性能。     

基于自适应灰色预测的虚速率算法

虚速率(VRC)算法是近年来新兴的一种基于速率的主动队列管理算法,本文将灰色预测、自适应控制与虚速率算法三者的设计思想融合起来,提出一种新的基于自适应灰色预测的虚速率算法。将二次型性能指标引入到VRC算法中PID控制器的整定过程中,按照性能指标的负梯度方向修改加权系数,实现了PID的自适应最优控制。同时将自适应PID与灰色预测器相结合,用预测结果代替被控对象测量值,克服了网络时滞和干扰给系统带来的负面影响,并进行了稳定性分析。仿真结果表明,该算法具有优良的性能。     

非匹配非线性系统多滑模模糊控制

针对一类非匹配非线性系统,提出一种多滑模自适应模糊控制算法。通过将参数光滑投影算法,带饱和层的滑模面设计技术以及积分型李雅普诺夫设计技术集成起来,使得算法提高了系统在抑制参数漂移、抖振现象、控制器奇异等方面的能力。算法保证闭环系统所有信号的有界性且使得跟踪误差收敛于任意设定的饱和层内。仿真结果进一步说明了算法的有效性。     

基于成长遗传算法的非线性模型预测控制及仿真

非线性预测控制在每个控制周期需要求取控制量,其实质为非线性优化问题。标准遗传算法时间消耗较大,难以用于控制周期较小的系统。首先证明了基于种子策略和精英保存策略的遗传算法能够保证闭环控制系统的渐进稳定性;继而模拟自然界成长过程,利用成长算子改进算法框架,并用爬山法进行实现。在具有强烈非线性的连续搅拌釜式反应器模型上进行仿真试验。试验结果表明,在不损失控制效果的情况下,成长遗传算法有效的降低了时间消耗。     

不确定滞后系统的灰色预测神经元控制

针对不确定滞后系统建模和控制方面的困难,提出了利用神经网络对不确定滞后系统的滞后时间进行辨识,并在此基础上采用变步长灰色预测方法对不确定滞后系统的行为进行预测,同时结合单神经元控制器克服辨识误差、预测误差、系统干扰等不确定因素带来的影响,从而提高系统的自适应性。仿真结果表明,控制系统运行平稳,受不确定因素的影响较小,说明这种方法对于不确定的时变滞后系统具有良好的控制效果。     

基于支持向量机的自修复飞行控制及仿真研究

针对多输入多输出非线性耦合系统的控制问题,提出一种多输入多输出函数的支持向量机回归方法和一种基于支持向量机的逆控制方法。采用该回归算法对多输入多输出非线性耦合系统的逆系统进行辨识,再与原系统复合而成为一个伪线性系统,就可完成对非线性耦合系统的线性化解耦系统,最后设计相应的PID控制器以获得优良的动、静态特性与抗干扰能力。对一个两输入两输出非线性耦合系统的仿真结果表明该逆控制方法是一种较神经网络逆控制方法更为有效的控制律重构方法。

Abstract：

An algorithm of SVMs regressing to a multivariable inputs and multivariable outputs （MIMO） function and a inverse control based on SVMs were proposed for controlling MIMO nonlinear correlative systems. The inverse system of MIMO nonlinear correlative system was identified by MIMO SVMs regressing algorithm. The original system connected with the inverse system will become linear and irrelated. PID controller will be designed to improve the dynamic and static capability of the system. Simulation results show that SVMs inverse control is a more valid way of control reconfiguration than BP neural networks.     

一类非线性系统的自适应模糊滑模控制

针对一类非线性系统的控制,把模糊自适应和滑模控制相结合,设计了一种新型的全局滑模控制器,以全局模糊滑模面为滑模控制器的输入,通过模糊推理处理了非线性和减少了抖振,基于Lyapunov函数的稳定性分析,求出模糊控制规则的自适应律,构成一个全局模糊控制器,有效解决了传统滑模控制中,需要确定参数摄动和外部干扰上确界的问题,同时削弱了系统得抖振,仿真结果显示了该方法的有效性。     

非线性双容水箱建模与预测控制

应用流体力学理论对双容水箱液位系统进行力学分析，采用机理建模方法，建立非线性数学模型。应用实测数据拟合模型参数，采用三组仿真，实测阶跃响应曲线，验证了机理模型．采用有约束一步非线性预测控制算法，并考虑了控制工程中多种实际约束问题，对双容水箱液位系统进行了实际控制。实验结果初步验证了控制算法，并进一步验证了模型的有效性。