改进的GPC算法及其在火电机组的应用

结合实际工业过程模型，通过仿真曲线指出阶梯式广义预测控制算法（SGPC）参数调节的困难，并对其参数进行重新组织，得到了γ增量型阶梯广义预测控制算法（γ-SGPC），仿真结果表明其参教调节的简单直观性。通过在一套600MW火电机组的1：1仿真系统上对其烟气含氧量进行快速平稳的控制，说明γ-SGPC算法的实用性。     

多变量广义预测控制及其在投资决策中的应用

<正> 一、引言 作者提出的多变量广义预测控制算法,用递推的方法,进行多步最优(最小方差)预测,以确定某一性能指标下的最优控制方案。尽管提出这种算法的背景是应用于工业控制,但其基本思想和方法可推广到经济系统的投资决策中。 一般来说,不同部门的经济系统的发展(比如重工业     

多变量广义预测控制及其在投资决策中的应用

一、引言 作者提出的多变量广义预测控制算法,用递推的方法,进行多步最优(最小方差)预测,以确定某一性能指标下的最优控制方案。尽管提出这种算法的背景是应用于工业控制,但其基本思想和方法可推广到经济系统的投资决策中。 一般来说,不同部门的经济系统的发展(比如重工业和轻工业)互相影响、互相制约、互相促进,是一个复杂的系统。而制定经济系统的各个不同部门的产值发展规划及合理安排每年的投资量(资金、劳力、能源等要素)是经济决策的关键一环。 本文首先根据经济系统的特点,对原有的广义预测控制中采用的性能指标、预测模型做了必要的调     

Rossler超混沌系统的多变量广义预测控制

提出了一种改进的自适应多变量广义预测控制算法(β-MGPC),可实现输入输出维数不等时的超混沌控制。控制部分变量可将超混沌系统引导到指定的平衡点,仿真结果表明了该算法的有效性。这种方法无需求解丢番图方程,减少了控制算法的计算量。     

球磨机制粉系统建模及广义预测控制的研究与应用

双进双出球磨机制粉系统作为火电厂里重要的发电设备,具有非线性、多变量、强耦合、大时滞的特点.从机理法出发,建立球磨机的机理数学模型,并在机理数学模型的输入变量加入一定量的扰动,给出阶跃扰动测试,建立出球磨机系统的传递函数模型.结合作为工业过程控制中应用最广泛的基本控制律—PID控制,在一般广义预测控制算法的基础上,将具有比例积分微分结构的广义预测控制算法俨ID-GPC)首次应用到球磨机上,通过对河北龙山某电厂300 MW大型单元机组负压运行球磨机制粉系统的仿真表明,该算法较一般前馈解耦PID控制具有更好的鲁棒性,更宜于工业应用.     

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。     

全局稳定广义预测自校正控制算法与模型参考适应控制算法

本文为时滞未知的确定性线性系统建立了全局稳定广义预测自校正控制算法。同时推出一种新型稳定离散模型参考适应控制算法，把广义预测自校正控制和模型参考适应控制融为一体。     

输入受限的β增量型模型算法控制

在β增量型广义预测控制算法和输入受限解决方案的基础上,提出一种输入受限的β增量型模型算法控制算法.该算法通过在指标函数中引入适当加权多项式来解决输入受限,并通过在输入受限的增量型模型算法控制的控制增量前乘以β因子来提高系统稳定性.理论分析和仿真实验都表明,当模型无失配时,该算法可以通过调整β来确保闭环系统的稳定性;在满足一定条件的失配情况下,该算法具有良好的鲁棒稳定性.     

Fuzzy-Gray预测控制算法及应用

针对大滞后系统的控制 ,本文提出了一种带智能积分的参数自调整 Fuzzy-Gray预测控制算法 .该算法综合 Fuzzy控制、Gray预测的长处 ,对大滞后系统进行控制是有效的 .仿真结果表明该算法能较好地兼顾系统的动、静态特性 ,超调小、响应快 ,稳态精度高 ,在工业控制系统中有实用价值 .     

简化稳定广义预测控制算法

讨论了一种简化的无穷广义预测控制算法,算法在被控对象稳定的条件下可以保证闭环系统的稳定性.使用收缩原开环系统极点的方法使原系统稳定,然后针对这个稳定广义系统推导了无穷广义预测控制率,理论分析证明可以保证开环不稳定系统的闭环稳定性.该算法可以得到控制率的显式解,不用递推求解Diophantine方程,大大减小了过程计算量,具有一个意义明确的可调参数,适用于不稳定,非最小相位和纯滞后系统.对几类不稳定过程的数值仿真结果说明了该方法的有效性.     

复杂工业过程中分布式免疫控制算法的研究

针对工业过程中子系统同构异参难以控制的问题,提出了一种获取控制规则的方法。该方法效仿人工免疫网络维持免疫应答稳定平衡的机理在线学习不同操作工人的控制经验,通过免疫进化和学习来优化已有的控制经验,并对该算法进行了初浅分析,且应用于生物发酵罐的温度控制。仿真和实验表明:该算法具有分布学习的能力,控制效果优于手工控制,能够较好的解决同构异参过程控制问题。     

一类离散非线性系统反步递推黄金分割自适应控制

针对一类含参数不确定的离散时间严反馈非线性系统，提出了反步递推（Backstepping）算法与黄金分割原理相结合的新型控制策略。采用反步递推控制方法处理前n-2阶子系统，利用其结果重构余下的二阶非线性子过程，再通过黄金分割自适应算法对二阶子过程进行控制。该策略一方面解决了单纯反步递推算法在过渡阶段参数失配时，控制量剧烈波动的问题；另一方面减少了反步递推算法的计算量。给出了闭环系统有界稳定性的证明，并通过仿真实例验证了该反步递推黄金分割自适应控制方法的有效性和优越性。     

时滞系统的最优PID控制与仿真

对过程控制领域中两类典型时滞系统在控制能量存在约束时的最优控制问题作了探讨。定义了一个包含跟踪误差和控制能量在内的积分平方性能指标，针对不同系统运用谱分解的方法最小化该性能指标，从而导出相应的PID控制器的参数整定方法，可使系统在控制能量约束条件下具有最优的控制性能。仿真研究进一步说明了所给方法的有效性。     

多变量系统预测函数解耦控制

提出一种新的多变量系统预测函数解耦控制(PFC)算法。该算法将多变量系统的PFC分散为若干单变量系统的PFC,使参数设计和算法求解大为简化。此外,利用该算法可得到一个解析的控制量计算方程,控制器参数均可离线计算,因此在线时算法简单、计算量小,可用于解决复杂的耦合控制问题。仿真结果表明了该算法的有效性和可行性。     

空地导弹对应不同驾驶仪下的中制导高度控制回路设计

使用频率法和根轨迹法设计了姿态驾驶仪内回路对应的高度控制回路;对内回路姿态驾驶仪结构和过载驾驶仪结构分别对应的高度控制回路进行了对比分析.结果表明,两种内回路驾驶仪结构对应的高度控制回路性能基本一样,都是可行的.并在此基础上分析了内回路驾驶仪结构切换对中末制导交班切换的影响.结果表明,驾驶仪结构切换对中末制导交班切换的影响很小,可以考虑将中末制导交班切换时的两个切换同时进行.     

基于神经网络的车辆稳定性悬架阻尼控制仿真

应用神经网络设计了车辆稳定性控制的悬架阻尼控制参数自整定算法。论述了基于神经网络的悬架阻尼控制算法的设计过程,搭建了软件在环仿真平台,针对典型工况进行了仿真研究与分析。结果表明：控制算法通过控制悬架阻尼,能有效抑制车轮载荷变化,实现控制整车横摆的目的,显著改善了车辆操纵稳定性。     

二能级开放量子系统相干保持的最优控制策略

二能级量子系统在开放环境下的相干保持是量子器件实用化的关键.针对二能级开放量子系统的相干保持问题,首先将系统的主方程模型转化为实向量空间上的状态空间模型.然后借助经典最优控制的思想,提出了一种既保证系统控制能量最小,同时又最大程度的减小消相干的最优控制策略.最后就一个典型的二能级开放量子系统仿真实现其相干保持,仿真结果显示了该方案的优越性.     

一种自适应鲁棒跟踪模糊控制新算法

针对一类非线性不确定系统 ,在用T S模糊系统对未知聚拢不确定函数进行逼近的基础上 ,利用系统的耗散理论 ,系统地提出了一种自适应鲁棒跟踪模糊控制新算法。该算法基于一个新的Lyapunov函数 ,不仅可以使控制算法避免其它自适应控制算法中时常存在的奇异问题 ,而且还可以使自适应学习参数的数目减至最少 ,便于工程实现 ,并可确保闭环系统渐近稳定 ,系统的跟踪误差为零。经仿真研究表明 ,所提出的算法是有效的     

Non-Minimum Phase Nonlinear System Predictive Control Based on Local Recurrent Neural Networks

Abstract: After a recursive multi-step-ahead predictor for nonlinear systems based on local recurrent neural networks isintroduced, an intelligent PID controller is adopted to correct the errors including identified model errors and accumulatederrors produced in the recursive process. Characterized by predictive control, this method can achieve a good controlaccuracy and has good robustness. A simulation study shows that this control algorithm is very effective.     

基于LS-SVM的网络化控制系统自适应预测控制

针对网络化控制系统（NCS）中的随机时变时延,提出了一种用最小二乘支持向量机（LS-SVM）预估网络时延的方法。先将网络时延建模为非线性时间序列,再用径向基函数（RBF）作为LS-SVM的核函数,建立了网络控制系统的时延预测模型,然后用该模型预估的时延作为控制器的参数,对网络化控制系统的时延进行补偿和预测控制。仿真结果表明提出的时延预测方法,对网络控制系统的随机时变时延有较高的预测精度,根据该时延设计的控制器能使系统的输出很好地跟踪期望的输出。