几种Smith预测控制的改进方案评述

针对生产过程中存在的滞后问题,讨论了基于Smith预测控制系统的基础上加上附加环节而得到的几种改进的Smith预估器,或同各种其它控制算法相结合而得到一些有实用价值的复合控制策略,从而增加了系统对内外扰动的鲁棒性能,最后介绍了各种改进的Smith预估器的一些实际应用．     

基于干扰观测器的Smith补偿控制方法

针对Smith补偿器控制效果易受外部干扰或模型不确定性影响的问题,利用干扰观测器（disturbance observer-based,DOB）结构改进传统的Smith补偿控制结构,并在综合考虑鲁棒性和控制性能的情况下给出了DOB滤波器和Smith补偿控制器的设计方法。仿真实例表明,改进后的Smith补偿控制效果优于传统方法。     

串级与Smith预估补偿相结合的控制系统研究

针对包含大滞后环节的喷雾干燥炉控制质量不佳的问题,提出廉价的串级控制解决方案,在内环与外环均采用通用的PID控制器。生产实践表明,这种串级控制系统不仅具有低成本的特点而且具有较好的控制效果。     

纯滞后系统的Smith—Fuzzy预估控制

介绍了Ｓｍｉｔｈ预估器存在的问题,采用模糊与Ｓｍｉｔｈ预估器相结合的控制策略仿真结果表明,Ｓｍｉｔｈ－Ｆｕｚｚｙ预估控制器具有较好的控制效果和鲁棒性。     

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.     

广义预测控制性质研究

研究了带有纯滞后系统的广义预测控制的deadbeat性质，通过系数映射关系，分析闭环系统特征多项式系数为零的条件，给出了带有纯滞后的GPC闭环系统具有deadbeat性质所要满足的条件，为研究有纯滞后的GPC的性质提供了一种基于系数空间映射的新思路．     

改进Elman网络在锂离子电池容量预测中的应用

为了准确估算锂离子电池的荷电状态(SOC),在分析影响锂离子电池剩余容量时变特性的基础上,综合国内外几种常用的预测锂离子电池方法,将改进Elman网络应用到锂离子电池的容量预测和模型建立中。实验结果表明:该网络不仅局部泛化能力好,而且有较好的动态性能和逼近能力,能够满足电池容量预测的误差要求。     

基于EMD和Elman网络的人民币汇率时间序列预测

为了改进神经网络的预测性能,更精确地预测人民币汇率,提出一种新的汇率时间序列预测方法,即利用基于经验模态分解(EMD)的Elman网络进行预测.首先对人民币兑美元的汇率序列做了非线性检验和非平稳性检验,然后对该序列进行经验模态分解,将得到的固有模态函数作为神经网络的输入变量,并在确定神经网络的关键参数后进行预测.实证结果表明,利用基于EMD的Elman网络进行人民币汇率预测能够取得更好的效果.     

基于神经网络的Smith补偿PID控制设计

针对工程实践中常见的纯滞后对象,在Ｓｍｉｔｈ补偿控制基础之上,利用人工神经网络的非线性映射功能对控制对象进行在线辨识,达到对时滞补偿预报的目的;利用神经网络ＰＩＤ控制器（Ａｄａｌｉｎｅ网络）代替常规控制器,实现了对时滞复杂对象的在线自适应控制;并根据ＩＴＡＥ性能指标原则对神经网络控制器参数进行整定,得到一组经验公式。仿真结果验证了本文神经网络控制方案的有效性。     

基于Laguerre函数模型的大纯滞后系统预测控制

分析了Laguerre函数模型的特点，将系统的大纯滞后划分为已知和不确定两部分，这会大大减少Laguerre函数模型的参数。给出了基于Laguerre函数模型的自适应单值预测控制算法。仿真结果表明，该算法对大纯滞后系统的控制非常有效。鲁棒性好，仅需要很少的先验信息，计算量小，易于应用。     

Smith-RBF-PID控制算法在工业平缝机脚踏板调速模块中的应用

针对工业缝纫机调速模块的伺服系统普遍存在耦合、大滞后的现象,提出了一种将Smith预估补偿和RBF神经网络算法与PID控制器相结合的Smith-RBF-PID控制算法。该方法利用了Smith预估补偿能克服纯滞后和RBF能处理非线性问题、在线自学习整定PID参数的优点,在调速模块的伺服控制系统中更加有效。     

Wiener型系统基于神经网络的在线训练算法广义预测控制

利用RBF神经网络在训练算法和广义预测控制算法进行了Wiener型非线性模型预测控制的研究，仿真表明这种做法是可行的。     

GA-Elman网络的网络控制系统预测

为了消除网络时延对网络控制系统的影响,采用Elman神经网络预测系统时延采样值,并用遗传算法优化神经网络权值阈值.实验仿真表明:经遗传算法优化后的Elman神经网络具有很好的预测精度及动态性能,能够消除时延的影响,并验证了该方法对时延采样值预测的有效性.     

Smith预估算法在计算机控制系统中的应用

Smith预估控制是一种对被控对象的纯滞后补偿,在工业过程中有着比较广泛的应用。在传统Smith预估算法的理论基础上,采用Smith预估器与PID控制器相结合的方法,推导出相应的控制算法,利用实验室现有的硬件设备,确定控制方案,搭建计算机控制系统。被控对象为电加热管,其对象特性可以通过阶跃响应曲线测得。通过NI公司的LabVIEW软件平台,实现控制算法的软件编制以及相应的控制界面的设计。     

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     

神经元网络智能预测控制

本文基于自学习神经元网络模型，建立了智能预测控制系统，给出了网络系统的算法，阐明了智能控制器的设计以及自学习机理。仿真结果表明，方法具有良好的动态特性和鲁棒性，适用于大滞后系统和非线性系统。     

基于多速率采样系统的网络预测控制算法

针对网络控制系统（NCS）中存在的网络延迟和数据丢包问题,利用提升技术,将预测控制器和网络延迟补偿器相结合,提出了一种基于多速率采样系统的网络预测控制算法．仿真试验表明,该算法对网络延迟和数据丢包具有一定的补偿作用,不仅提高了网络资源利用率,且能保证闭环网络控制系统是渐近稳定的．     

预测函数控制在确定性网络控制系统中的应用

针对网络控制系统具有不确定时滞的特性,通过在节点中设置缓冲区的方法将随机时滞转化为确定性时滞,从而将网络控制系统从随机系统转化为确定性时滞系统;针对这类时滞系统利用预测函数控制算法设计了控制器,以实现基于模型匹配和多步预测的思想来改善控制性能。通过仿真和基于DCS的模拟系统实验,结果均表明了该方法的正确性和有效性。