An Approach of the Fuzzy Weighted Inputs to the Generalized Predictive Control

1　 IntroductionAs the representative of a kind of advanced computer control algorithm,generalizedpredictive control (GPC) is of many applications in various domains[1 ] .But to ourdisappointment,it is difficult to establish precision models,which makes GPC algorithmhave only limited robustness since GPC algorithm is still model based algorithm and thereexist such factors as nonlinearity,indefinity,etc,in some real systems.To improve the robustness of GPC algorithm and avoid the weakness …     

一种基于滑模的广义预测控制新算法

将广义预测控制和滑模控制结合起来，提出一种新的广义预测控制方法。通过对系统输出预测得到切换函数值，求解开环优化求得控制律。并将当前时刻的控制作用于对象，下一时刻重复此过程。该方法具有预测控制在线处理约束及滑模控制对于干扰的不变性的优点，最后分析了零终端滑模约束的广义预测控制的稳定性。     

辽宁省人才需求量预测

本文研究了采用Ｈａｍｍｅｒｓｔｅｉｎ模型对辽宁省２０００年的人才需求量进行预测的方法及在市场经济条件下对该模型的修正，同时还提出了在小样本条件下Ｈａｍｍｅｒｓｔｅｉｎ模型是一个非线性模型，它可以预测出当前到目标年度辽宁省的逐年人才需求量．     

On the stability of two-step predictive controller based on state observer

1.INTRODUCTIONCompared with MPCs based-on input/output model,i mpulse response model and step response model,MPCs based onstate-space model have attracted moreattention in recent years.This is mainly due to thefact that the state-space model can describe a largernumber of systems and cope with much more realproblems.For state-space MPCs,the control lawhasa formof(explicit or i mplicit)state feedback.If thestate is i mmeasurable,state observer is adopted[1,2].References[3~5]haveinvesti…     

Global Convergence of Adaptive Generalized Predictive Controller Based on Least Squares Algorithm

Some papers on stochastic adaptive control schemes have established convergence algorithm using a least-squares parameters. With the popular application of GPC, global convergence has become a key problem in automatic control theory. However, now global convergence of GPC has not been established for algorithms in computing a least squares iteration. A generalized model of adaptive generalized predictive control is presented. The global convergebce is also given on the basis of estimating the parameters of GPC by least squares algorithm.     

基于Hsia算法的Hammerstein模型辨识

针对采用广义最小二乘法（GLS）辨识Hammerstein模型时反复滤波，计算效率不高的问题，提出了利用Hsia算法进行Hammerstein模型辩识的策略．谈法不需滤波，克服最小二来解有偏性的同时，消除了Hammerstein模型中非线性增益的阶次对计算效率降低的作用，鳊程简单，计算快速．仿真及试验研究证明谈法省时明显，值得推广。     

热线式空气质量流量传感器Hammerstein模型结构辨识

利用稳态和动态校准信息,辨识了基于Hammerstein模型的热线式空气质量流量(MAF)传感器模型结构.模型辨识采用两步法,在用多项式逼近静态非线性特性的基础上,动态线性环节分别选取ARX模型、输出误差(OE)模型和Box-Jenkins(BJ)模型,采用交叉准则法进行参数估计和阶次选择,模型的残差分析和用验证数据对模型交叉检验的结果表明,最终输出误差(FOE)准则和最终预报误差(FPE)准则选择的阶次一致,基于预测误差法的3阶OE和BJ模型均可用于热线式MAF传感器Hammerstein模型动态线性环节的建模.     

基于Hammerstein模型的非线性自适应预测函数控制

传统的预测函数控制对非线性和多变性的实际对象控制效果不佳.采用基于Hammerstein模型的预测函数控制(PFC)内部模型辨识方法来拟合实际对象的非线性.针对实际时象的多变性,不断辨识对象,校正内部模型参数,增强控制系统适应对象变化的能力.选取正弦多项式形式的基函数并介绍了滚动优化的办法.优化性能指标选取双值指标,计算量小,精度高.整个算法线性寻优,不需要非线性模型预测控制的非线性滚动优化,输出可以应用模型参数直接计算.实验表明该方法比PID控制效果更好而且对模型失配具有很好的自适应性能.     

基于Hammerstein-Wiener模型的广义预测控制

提出了一种新型的基于Hammerstein-Wiener模型的广义预测控制策略。采用基于最小二乘支持向量机的Hammerstein-Wiener模型描述非线性系统动态特性,作为被控对象预测模型。同时,针对现有遗传算法和混沌粒子群优化算法收敛速度慢和精度低等缺点,给出一种拟牛顿信赖域混沌粒子群混合优化算法,作为预测控制的滚动优化策略,函数测试和非线性对象的广义预测控制的滚动优化表明该算法的优越性。最后,对设计的预测控制器进行实例仿真,结果表明它能满足系统实时稳定运行的需求,取得了良好的控制效果。     

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.     

GPC隐式算法及其在供热控制中的仿真研究

基于理论研究和工程应用的需要，提出了广义预测隐式算法。首先介绍了具有滤波器的模型已知的基本广义预测控制（GPC）算法，然后给出了两种隐式自适应算法，一种是已知对象阶跃响应前P个参数的算法，这种算法既不需要在线递推求解Diophantine方程，也不需在线求逆；另一种是一次辨识控制器参数的算法。最后以集中供热热力站热交换过程为应用背景，对基本算法和两种隐式算法进行仿真研究，其结果证明了算法的有效性。     

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.     

基于小波基函数和Hammerstein模型的预测函数控制

针对实际对象的多变性和传统的预测函数控制只能对预测时域内有限的几个拟合点进行拟合,而未考虑整个预测时域整体逼近误差性能优化的问题,提出一种基于小波基函数和Hammerstein模型的预测函数控制方法.内部模型参数通过不断辨识,进行自适应校正.利用小波的紧支局部性和多尺度分析特性,既保证了整体误差性能的优化,又突出了重要拟合点的逼近要求,并实现了优化变量的集结.理论分析和仿真应用表明,该方法有更好的快速性和抗模型失配性能.     

参数未知随机系统的最小方差对偶自适应控制

针对参数未知随机系统的自适应控制问题,研究了最小方差对偶自适应控制。分析了由于未知参数的不确定性,使得运用动态规划原理求解最优控制律时存在着困难,转而寻求次优控制律;给出了差分方程转换成状态空间模型的方法,将未知参数在一个确定的模型集中取值,运用动态规划原理得到各模型的控制律,通过各模型后验概率加权获得次优对偶控制律。给出了算例,以验证此算法的有效性,表明所得到的控制律既有调节作用,又有学习作用。     

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。     

基于Elman网络的鲁棒型广义预测控制方法研究

提出一种基于Elman动态回归神经网络模型的鲁棒型广义预测控制(GPC)．该算法首先用EIman网络对非线性系统进行辨识，建立预测模型，然后在控制中将模型输出值与测量输出值进行综合，代替量测输出用于控制中，从而降低辨识器与控制器对未建模动态的敏感性，加强控制器的适应能力和鲁棒性．仿真结果证明：将本算法应用于非线性系统预测控制，对未建模动态具有很强的鲁棒性和很好的控制能力。     

典型Weiener模型和Hammerstein模型数学模型辨识方法

本文介绍的非线性动态系统中的典型Weiener模型如“线性—限幅”系统,“线性—死区一限幅”系统和典型Hammerstein模型如“死区—线性”系统,“滞环—线性”系统参数辨识方法,是在只知道系统输入和输出,而不知道中间变量任何信息的情况下,利用频谱分析方法,辨识出系统中线性和非线性部分全部参数的。最后,还对非线性特性辨识结果进行确认性检验。     

模糊-GPC串级控制在网络时延控制中的应用

为了解决网络闭环非线性控制系统中的时延问题,本文提出了一种在模糊神经网络控制的基础上结合广义预测控制(GPC)处理非线性系统网络时延的方法,建立了网络控制系统的结构模型,并分析了此模型对处理非线性网络控制系统中时延问题的有效性。在MATLAB环境下对网络控制倒立摆系统进行了仿真,通过对比模糊神经网络控制与模糊-GPC串级控制的控制效果,进一步证实了此方法对非线性网络控制系统能够实现稳定控制。     

基于Riccati方程的导弹自适应姿态控制

针对存在参数不确定性的非线性弹体模型,提出基于状态相关Riccati方程的模型参考自适应状态控制方法。首先,针对弹体标称模型,建立特定形式下的Riccati方程,并求得其解析解,获得一种全局渐近稳定的次优控制律。然后,考虑到实际模型与标称模型之间存在的参数偏差会造成控制效果恶化,以标称模型下设计的闭环系统为参考模型,设计自适应控制律通过在线辨识参数使得实际模型趋向于参考模型,并保证跟踪误差和辨识误差有界。仿真结果表明,该控制律能够克服参数不确定性的影响,有效跟踪参考模型下的响应。     

Parameter estimation for dual-rate sampled Hammerstein systems with dead-zone nonlinearity

The identification of nonlinear systems with multiple sampled rates is a difficult task.The motivation of our paper is to study the parameter estimation problem of Hammerstein systems with dead-zone characteristics by using the dual-rate sampled data.Firstly,the auxiliary model identification principle is used to estimate the unmeasurable variables,and the recursive estimation algorithm is proposed to identify the parameters of the static nonlinear model with the dead-zone function and the parameters of the dynamic linear system model.Then,the convergence of the proposed identification algorithm is analyzed by using the martingale convergence theorem.It is proved theoretically that the estimated parameters can converge to the real values under the condition of continuous excitation.Finally,the validity of the proposed algorithm is proved by the identification of the dual-rate sampled nonlinear systems.