多变量非线性系统模糊直接广义预测研究

对参数未知多变量非线性系统提出一种模糊直接广义预测控制算法．该算法将多变量非线性系统转化为多变量时变线性系统,然后利用模糊系统来逼近控制增量表达式,对控制器参数向量即网络权值向量中的未知向量基于跟踪误差进行自适应调整．     

基于遗传算法的多变量增量型广义预测控制

针对多变量增量型广义预测控制算法增量系数难于根据系统特性选择的问题,提出基于遗传算法的多变量增量型广义预测控制算法.多变量增量型广义预测控制算法通过将求解出来的控制增量分别乘以相应的增量系数,来提高系统的鲁棒性和稳定性,同时采用阶梯式的控制策略降低多变量广义预测控制算法的计算量,运用改进的遗传算法优化整定多变量增量型广义预测控制的增量系数增强系统的跟踪特性.通过原油常压塔的侧线产品质量控制的仿真,验证了该方法有较好的鲁棒牲和抗干扰性.     

多变量广义预测控制及一种简化算法

推导了多变量广义预测控制算法，该算法能有效地处理过程的不稳定性和非最小相位特性，并具有良好的解耦性能。同时提出一种处理纯滞后对象的新方法，即将近似法和广义预测控制相结合解决时滞的方案。这种方法可以解决通道之间时滞不同的对象，并且针对广义预测控制算法的复杂性对其简化算法（多变量单值广义预测控制算法）进行了研究。通过仿真研究表明，多变量单值广义预测控制算法在跟踪性、鲁棒性、抗干扰能力等方面都得到很好的控制效果。     

基于动态BP网络误差修正的广义预测控制

针对建模误差对非线性系统预测控制鲁棒性的影响，提出了一种基于动态Bp网络的广义预测控制算法。该算法运用动态Bp网络对模型预测误差进行在线补偿，以提高预测精度。仿真结果证明了本文提出的广义预测控制算法对于非线性系统是有效的。     

气体分馏装置多变量预测函数控制方法

针对气体分馏工业过程中存在的多变量、强耦合、大滞后等系统特性,设计了一种预测时域可调的多变量预测函数控制算法.该方法结合单变量预测函数控制及Simith预估器的特点,通过对预测时域进行分段设定,以期达到较好的快速性和稳定性.以气体分馏装置的脱丙烷塔为例,依托现场的实测模型,对提出的算法进行了验证.结果表明,所提出预测时域可调的多变量预测函数控制算法调节时间短,跟踪效果好.     

一类非线性系统的广义预测控制

将广义预测控制应用于Hammerstein模型描述的非线性系统,得到了一类非线性系统的广义预测控制算法.仿真结果表明,该算法具有较强的鲁棒性.     

多变量间接自适应控制算法及全局收敛性分析

提出了可以控制具有任意交互矩阵的随机多变量系统的间接自适应控制算法并进行了稳定性和收敛性分析。首次表明:该算法无论用于开环不稳定或非最小相位系统,系统的输入输出以概率1采样均方有界,广义输出误差的条件均方取得整体最小值;参数估计强相容。     

基于BP神经网络的广义预测控制算法的研究与应用

本文提出了1种基于BP神经网络的广义预测控制算法,其实质是利用BP神经网络来求取广义预测控制的最优控制律.神经网络选用了具有良好逼近性能的BP结构.该算法对广义预测控制算法进行了简化,使其可以应用于快速系统的控制.最后,选用倒立摆系统作为研究的对象,将新算法应用于倒立摆的控制,取得了较好的控制效果.     

非线性系统的自适应广义预测控制算法

将非线性系统的广义预测控制推广到自适应情况,得到了一类用Hammerstcin模型描述的非线性系统的自适应广义预测控制算法.讨论了该算法的收敛性与稳定性.     

基于广义Hammerstein模型的多变量非线性预测控制

将单输入单输出的Ｈａｍｍｅｒｓｔｅｉｎ模型推广至多输入多输出系统,提出了广义Ｈａｍｍｅｒｓｔｅｉｎ模型,并给出了其辨识建模方法．进一步以此模型为基础,提出了一种多变量非线性预测控制算法．该算法利用了线性预测控制的成果,避免了通常非线性模型预测控制所需的在线数值寻优计算,大大节约了在线计算时间、提高了算法的可靠性和稳定性．     

基于神经网络的多变量非线性系统的广义预测控制

为了使广义预测控制的思想成功应用于多变量非线性系统,用神经网络对其进行开环解耦得到单变量非线性系统后,采用一种复合多层前馈神经网络结构作为单变量非线性系统预测模型,利用递推最小二乘法和Davidon最小二乘法作为在线学习算法,建立了一种适合多变量非线性系统的自校正广义预测控制器。     

一类时滞多变量连续系统的广义预测控制

针对多变量连续时间广义预测控制提出了一种新的时滞解决方案及其参数递推计算方法(MDCGPC).在多变量子子模型的基础上采用时滞预测机制,通过参数恒等式变换,将时滞补偿环节引入到预测输出中,通过求解二次性能指标获得控制律的显式解.避免了模型时滞近似方法带来的误差和非最小相位特性,可以处理各路时滞不相同的情况,通过对参考轨迹的调节,可以具有一定的解耦能力.同时参数的递推计算方法简化了多项式数学运算的难度,减小了计算负荷和复杂性.仿真结果验证了所提出算法的有效性.     

预测补偿动态矩阵控制在电加热炉中的应用

针对电加热炉多变量系统存在大惯性、慢时变、非线性及交叉耦合严重等特点，提出采用基于非参数模型的动态矩阵控制方法，并用预测补偿的思想进行解耦设计，使解耦设计大为简化。实时控制表明这种算法对多变量系统是有效的。     

啤酒发酵温度多变量解耦控制算法

针对工业过程中常见的多变量时滞输入输出系统,基于常规PID控制和Smith补偿控制算法在处理大时滞、强耦合、多变量、不确定性对象的控制时效果不好的情况,提出了一种多变量解耦控制器的设计方法,该方法以控制器或者补偿器来消除系统各输入输出间的相互耦合和关联,是解决多变量控制问题的有效工具。用该方法针对多变量强耦合的啤酒发酵温度控制系统进行了设计和仿真研究,仿真结果证明了该方法的有效性。     

基于递归神经网络的多变量系统预测控制

针对线性PID控制器系数难以整定的问题，构造了一种用神经网络实现的非线性PID控制器．多个具有相同结构的非线性PID控制器并联，对多变量系统实现解耦控制器．结合预测控制的思想，提出两种控制方案．第一种是在递归多步预测的基础上，在广义最小方差目标函数下实现控制，第二种利用多步预测目标函数在线修正解耦控制器的权值．仿真实验表明这两种方法的有效性．     

基于改进的隐式广义预测控制在燃气发电锅炉主汽压中的应用

针对燃气发电锅炉主汽压控制系统存在非线性、模型参数不确定等问题,提出了一种改进的隐式广义预测控制策略。首先,使用遗忘因子递推最小二乘法进行模型参数辨识,建立主汽压的离散数学模型;其次,在常规广义预测控制理论基础上建立主汽压的隐式广义预测控制系统,简化控制算法,通过在目标函数中增加PI结构,提高系统的鲁棒性。仿真结果表明,相比串级PID和常规隐式广义预测控制,所提控制策略在模型适配时调节时间最多减少20 s,模型失配时超调量最多减少5.08%,调节时间最多降低36 s,系统鲁棒性和抗干扰能力增强;工程应用表明,使用所提策略后主汽压控制偏差在±0.2 MPa之间,控制精度显著提高。改进的隐式广义预测控制较好地满足了工业生产中对主汽压的控制要求,具有较高的研究和应用价值。     

Feed-Forward-Like Decoupling Control in Coagulation Bath of Carbon Fiber Precursor

The coagulation bath system of carbon fiber precursor is a complicated and multivariable coupling system. Based on the model of industrial production, the full dynamic decoupling control of the coagulation bath system of carbon fiber precursor is achieved in combination with multivariable feed-forward-like decoupling and proportional-integral-differential （PID） control. Compared with the conventional PID decoupling control, the experiment results show that the proposed method has a better control effect. The use of the controller can achieve complete decoupling of three parameters from coagulation bath system. The method should have great applications.