机理混合自适应时延神经网络建模和控制算法

过程机理和数据驱动模型的结合一直是过程控制中的重点和难点问题。提出了一种新颖的机理混合模型结构。该模型基于自适应时延神经网络,并结合了被控对象的机理模型,因此可以对建模的对象进行预测感知,并可大幅提高神经网络的泛化功能。基于这种模型设计了预测控制算法,并分析了该模型的逼近能力、收敛性以及该控制算法的闭环稳定性。在双容水箱液位控制系统的大量实验结果表明,基于该混合模型的预测控制算法比现有算法具有更好的控制效果,从而验证了该混合模型的优越性。     

水箱液位系统的建模与仿真

应用流体力学原理对三容水箱液位系统进行分析,并在不同的工作点对水箱系统建立机理模型。基于不同的模型结构:线性模型、BP神经网络模型、非线性Hammerstein ARMAX模型,利用测量到的输入输出数据辨识对象的模型参数,对水箱系统建立数学模型,并通过仿真检验模型的有效性。不同的模型结构和相应参数及其辨识方法将对控制系统的设计具有很强的指导意义。     

快速阶梯式非线性预测控制

针对仿射非线性系统,以参考输出轨迹代替预测的未来输出进行多个一步预测,取代了多步预测,提出了快速非线性预测控制算法,计算量小,可获得解析控制律;引入了阶梯式控制思想,进一步降低了计算量,柔化了控制量的变化轨迹。对水箱液位控制系统的仿真和实验研究,获得了良好的控制效果,初步验证了算法的有效性。     

多变量非线性系统的有约束模糊预测解耦控制

针对多变量非线性系统提出了一种带约束输入的广义预测解耦控制算法:首先对多变量非线性系统建立T-S模糊模型,然后在每个采样点对系统进行局部动态线性化,将得到的系统线性化模型进行对角解耦,然后对其设计带输入约束的GPC算法.该算法充分考虑了控制输入及其增量受约束的情况,而且不必求Dio-phantine方程,减小了计算量,且削弱了变量之间的耦合程度.最后的仿真结果说明了该算法对多变量非线性系统的有效性.     

基于自适应模型非线性系统容错控制的研究

针对未知的多变量非线性动态系统,提出了一种新型的自适应故障容错控制方法。该方法首先通过设计一个自适应RBF神经网络模型建立未知过程的动态模型,并利用扩展卡尔曼滤波算法在线调节RBF网络权值学习系统的时变参数和故障动态,然后设计基于此模型的自适应迭代逆模控制算法实现相应的容错控制策略。将容错方法成功应用到一个连续的多变量三水箱过程。     

试验温室温度系统建模与仿真

温室小气候具有强非线性、大时滞、强耦合、强干扰、时变等特点.为更好地设计温室小气候计算机监控系统,需要对其建模和仿真,以便比较控制方案、检验控制算法.在分析温室温度系统机理模型的基础上,选择MISO的ARIMAX模型描述温度系统,根据试验温室实测数据,采用"统计假设检验"和"模型拟合度检验"相结合的方法确定模型结构,通过递推增广最小二乘法估计模型参数,并进行了仿真研究.     

预测控制最新算法综述

随着预测控制在工业过程控制中的广泛应用，预测控制在算法和理论研究上都取得了长足进展。本文系统地总结了模型预测控制算法和非线性模型预测控制算法，并对各种算法的特征进行评述，指出预测控制算法存在的问题和研究方向。     

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.     

变风量空调系统的模型预测控制及仿真研究

采用基于模型预测控制策略的多输入多输出(MIMO)控制器对单通道变风量空调系统的控制问题进行了研究.在分析系统工作机理和系统动力学行为的基础上,建立了内部模型的结构,采用实验确定了模型的参数.通过设定参考轨迹、输入输出约束、控制步长、预测步长及加权矩阵,解决了系统的凸二次型优化问题.通过仿真研究和对实际系统的控制,验证了系统的控制效果.     

基于C-R模糊模型的非线性预测控制

Cao和Ress提出的模糊模型（称为C-R模糊模型）由模糊推理和局部线性解析模型两部分组成，用隶属函数加权局部模型构成系统的全局非线性模型。本文提出了一种新的结构上与阶跃模型相类似的C-R模糊阶跃模型。并用DMC动态矩阵控制算法，求解基于该模型的非线性预测控制问题，得出了预测控制算法的解析形式，该方法克服了一般非线性预测控制算法求解困难的缺陷。     

一类基于神经网络的非线性模型预测控制

在研究非线性对象输入/输出数据的基础上，将对象输出的Taylor级数展开式取线性项作为预测模型，提出一种非线性系统模型预测控制算法，为了保证预测模型的准确性，以神经网络做辩识器估计系统建模误差，对非线性对象进行单频预测控制，理论上已证明三层BP网能任意逼近L2上的非线性函数，本文通过仿真研究也表明了当神经网络逼近系统建模误差时，所提出的预测控制算法对复杂非线性对象能达到良好的控制效果。     

Constrained predictive control based on T-S fuzzy model for nonlinear systems

A constrained generalized predictive control （GPC） algorithm based on the T-S fuzzy model is presented for the nonlinear system. First, a Takagi-Sugeno （T-S） fuzzy model based on the fuzzy cluster algorithm and the orthogonalleast square method is constructed to approach the nonlinear system. Since its consequence is linear, it can divide the nonlinear system into a number of linear or nearly linear subsystems. For this T-S fuzzy model, a GPC algorithm with input constraints is presented. This strategy takes into account all the constraints of the control signal and its increment, and does not require the calculation of the Diophantine equations. So it needs only a small computer memory and the computational speed is high. The simulation results show a good performance for the nonlinear systems.     

并联式运载器上升段广义超螺旋有限时间控制

针对受模型不确定和外部干扰影响的并联式运载器上升段姿态控制问题, 提出了一种基于广义超螺旋算法的自适应滑模有限时间控制方法。首先, 将姿态跟踪控制问题转化为跟踪误差系统的镇定问题, 建立了面向控制的模型。其次, 将单输入单输出(single input single output, SISO)固定时间广义超螺旋算法拓展应用到多输入多输出(multiple input multiple output, MIMO)耦合非线性系统上, 基于该算法设计了固定时间状态观测器和自适应滑模有限时间控制器, 利用Lyapunov稳定性理论证明了闭环系统的有限时间稳定特性。最后, 通过与传统比例-微分(proportional and differential, PD)控制器仿真对比, 验证了该方法具有更优的控制精度和鲁棒性。     

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。     

基于组合非线性反馈机器人控制吸引域评估

在机器人的关节空间轨迹控制跟踪控制中,全局渐近的控制方法在存在驱动器饱和与摩擦扰动时,很难得到理想的控制效果.针对组合非线性反馈与计算力矩相结合的控制方法,研究了机器人驱动器存在输入限制时的吸引域评估方法.用Ricatti方程迭代法设计线性增益,以获得尽量大的吸引域,仿真结果证明了所提方法的有效性.     

考虑输入输出受限的无人机自适应滑模容错控制

针对存在执行器故障、控制输入饱和与状态约束的无人机(unmanned aerial vehicle, UAV)姿态控制系统,提出一种新的基于反步法的具有有限时间收敛的自适应滑模姿态容错控制方法。首先,为了抑制执行器故障以及外部干扰的影响,采用自适应和干扰观测器技术,实现对干扰的双重抑制。然后,设计动态辅助系统与障碍Lyapunov函数,证明在输入饱和与状态约束的条件下,闭环姿态控制系统可以在有限时间内稳定,且系统中所有信号最终是有界的。最后,对于小型无人系统的姿态跟踪问题进行性能仿真与对比仿真研究。仿真结果表明,所提出的容错控制方法能够保证在执行机构发生故障时控制系统的有效性,并且该方法具有良好的性能。     

考虑输入输出受限的无人机自适应滑模容错控制

针对存在执行器故障、控制输入饱和与状态约束的无人机(unmanned aerial vehicle, UAV)姿态控制系统,提出一种新的基于反步法的具有有限时间收敛的自适应滑模姿态容错控制方法。首先,为了抑制执行器故障以及外部干扰的影响,采用自适应和干扰观测器技术,实现对干扰的双重抑制。然后,设计动态辅助系统与障碍Lyapunov函数,证明在输入饱和与状态约束的条件下,闭环姿态控制系统可以在有限时间内稳定,且系统中所有信号最终是有界的。最后,对于小型无人系统的姿态跟踪问题进行性能仿真与对比仿真研究。仿真结果表明,所提出的容错控制方法能够保证在执行机构发生故障时控制系统的有效性,并且该方法具有良好的性能。     

一类非线性时滞系统的模糊预测控制

利用模糊T-S模型对一类输入受限的非线性时滞系统进行建模;在此基础上,提出了模糊预测控制,推导了预测性能指标上界,将稳定性约束,输入约束变换成容易求解的线性矩阵不等式形式。采用了并行分布补偿预测控制器,基于李雅普诺夫函数和线性矩阵不等式方法给出滚动时域优化的充分条件,证明了闭环系统的稳定性,仿真结果验证了所提方法的有效性。