隐式广义预测自校正控制算法的混合仿真研究

利用广义预测控制与动态矩阵控制的等价性，根据动态矩阵控制中误差校正原理，对广义预测控制算法中的开环预测向量ｆ作了修正，并通过模拟仿真仪对该算法进行了混合仿真研究。     

隐式广义预测自校正控制算法的混合仿真研究

本文利用广义预测控制与动态矩阵控制的等价性，根据动态矩阵控制中误差校正原理对广义预测控制算法中的开环预测向量ｆ作了修正。并通过模拟仿真仪对该算法进行了混合仿真研究。     

灰色广义预测控制系统的稳定性和鲁棒性研究

在文[1]中，针对贫信息，不确定性系统存在的不确定性，随机干扰以主系统特征参数随工作环境的变化而变化的特点，本文作者将具有广阔发展前景的灰色系统理论和广义预测控制理论结合起来，提出了一种新型的计算机控制策略；灰色广义预测控制算法（GGPC），在本文中，我们将应用IMC结构理论，对该算法的稳定性，鲁棒性进行一些初步探讨，并给出了一个生态学方面应用的例子，实例仿真结果表明：GGPC算法具有较强的干扰能力，有较好的鲁棒性以及自适应能力，通过调整参数，可以获得非常满意的动、静态性能。     

广义开环响应控制的改进算法

传统的广义开环响应控制算法调节参数少,难以同时兼顾稳定性、鲁棒性、快速性和抗干扰性。为此提出了两种改进的算法,通过分别引入一个新的调节参数,使其与原有的调节参数具有不同的调节目的,更易于工程实现。仿真结果表明了该算法的有效性。     

一类多输入多输出系统的预测PID控制算法仿真

研究了一类参教未知的多变量系统的广义预测PID参数整定问题。基于广义预测控制(GPC)的思想和γGPC与PID的相互关系，提出了一种新的离散多变量系统PID参数整定方法，其中性能指标包含了稳态误差加权项。PID参数通过γGPC与PID的相互关系递推计算得到。仿真例子说明了该方法的有效性和可行性。     

具有稳定性的新型预测控制算法

提出一种新型的预测控制算法，通过对控制输入进行柔化和滤波处理，使实际实施的控制量为现时和现时对未来控制时域长度预测控制量的加权平均，从而具有较快的响应能力。通过引进广义跟踪误差，并使其终端为零，保证了系统的稳定性。这种新型的预测控制器，具有在线计算量小、无记忆弊端等优点。仿真结果表明了该算法的可行性。     

广义预测控制的快速算法及其应用

针对工业过程控制中的典型回路 ,一般采用一阶或二阶系统加纯滞后模型的特点 ,提出了一种快速广义预测控制算法 (FGPC) ,与标准的广义预测控制算法相比 ,该算法具有结构简单 ,在线运算量小的特点 ,比较适用于实时控制 ,并讨论了其中的参数计算。最后以典型工业过程系统的控制仿真验证了所提出算法的有效性。     

输入受限的隐式广义预测控制算法的仿真研究

本文基于CARIMA模型提出了一种简单的隐式广义预测自校正控制算法。它避免了在线求解Dioaphantine方程;利用并列预测器间的特点,直接辨识输出预测器中的参数,并针对广义预测控制问题,在整个预测时域和控制时域,对输入幅值施加了约束;在此基础上以二次规划作为滚动优化策略,进行计算机仿真,获得预测控制信息和输出信息;然后采用加权控制律,不仅使预测信息得以充分利用,而且使系统的性能得到明显改善。     

基于PID结构的解耦控制器

针对广义学习模型提出了基于PID结构的零极点配置解耦控制算法.广义学习模型由一个线性时变子模型和一个非线性学习模型组成,其中线性时变子模型的参数采用最小二乘方法进行辨识,非线性学习模型由RBF神经元网络近似.通过引入补偿多项式,使得闭环系统的零极点可任意配置,极大的改善了闭环系统的动态性能.在进行控制器参数选择时,PID结构部分参数可根据常规PID控制器选取,零极点配置部分参数可根据系统期望零极点选取.最后,通过对电弧炉电极调节系统的仿真,验证了控制器的有效性.     

基于预测控制的NCS时延补偿算法

针对网络控制系统(networked control system, NCS)中随机时延导致系统性能下降的问题,利用粒子群优化(particle swarm optimization, PSO)的最小二乘支持向量机(least square support vector machine, LS-SVM)建立NCS中随机时延预测模型,精确预测未来时刻的时延;同时利用该预测算法预测的时延通过快速隐式广义预测控制算法对NCS随机时延进行补偿。仿真结果表明,PSO优化的LS-SVM算法对随机时延具有较高的预测精度,同时快速隐式广义预测控制算法可使系统的输出很好地跟踪参考轨迹,保证系统良好的控制效果。