基于伪输出的鲁棒PI型广义预测自校正控制器

本文提出了一种新型的广义预测自校正控制器。由于在控制器的设计中，所用输出序列为量测输出与基于辨识模型的输出综合而成的，并且控制器采用了ＰＩ型目标函数，因此该控制器对未建模动态具有较强的鲁棒性。     

广义预测自校正控制器的内模结构及全局收敛性

给出了基于ＣＡＲＩＭＡ模型的广义预测控制器的内模结构，分析了其闭环特性和鲁棒性，并证明了显式自交正算法的全局收敛性。     

自校正PID控制器及其在制胶反应釜温度控制中的应用

研究了一种自校正ＰＩＤ控制器，该算法不仅在于对象变化时有较好的适应性，而且能较好地克服负荷扰动．经制胶反应釜温度控制应用表明，该算法效果良好．     

一种改进的隐式广义预测自校正控制算法

本文基于CARIMA模型提出了一种简单的隐式广义预测自校正控制算法。它避免了在线求解Dioaphantine方程;利用并列预测器问的特点,直接辨识输出预测器中的参数;并利用GPC与DMC控制律的等价性来直接推求开环预测向量。数字仿真与混合仿真结果表明了这种控制器性能良好。该算法具有算法简单、使用范围广,鲁捧性强等特点。     

基于GA参数优化整定的PI型广义预测控制

针对PI型广义预测控制比例因子和积分因子参数整定困难,提出了基于遗传算法参数优化整定的PI型广义预测控制(GAPIGPC)。PI型广义预测控制(PIGPC)采用预测技术克服时变时滞,用PI(PID)控制技术加强系统的鲁棒性,极大程度地减少了模型失配的影响。由于其参数的优化设计是一个组合优化问题,而遗传算法是一类可用于复杂系统优化计算的鲁棒性算法,并为组合参数整定及优化提供了一个有效的手段。仿真实例表明,该算法具有较好的鲁棒性和抗干扰性。     

PID型大范围预测自校正控制器的设计与实现

本文通过对一般的大范围预测控制中目标函数的改进，导出了具有ＰＩＤ结构的新型大范围预测自校正控制计算法，使得控制器的动态性能及鲁棒性得到加强。本文还给出了这种方法的实现步骤，进行了数值仿真实验。仿真结果验证了该项控制器的有效性。     

基于神经网络的非线性前馈补偿广义预测自校正控制器

采用多层前馈网络结构进行动态建模,并用Ｄａｖｉｄｏｎ最小二乘法作为在线学习算法,将辨识后得到的模型进行线性化．基于线性化模型设计广义预测控制器。将其与非线性前馈相结合,建立了一种适合于非线性系统的前馈补偿广义预测自校正控制器．仿真结果验证了本控制器对非线性系统控制的有效性     

一种自校正广义预测控制算法

本文运用自适应原理,在广义预测控制(GPC)算法的基础上,设计了一种自校正GPC算法。该算法具有计算量小,鲁棒性较强的特点。文未给出了仿真实例。     

基于神经元网络的非线性系统间接自校正预测控制器

提出了一种使用神经元网络的非线性系统间接自校正预测控制器。这一控制方法是基于两个神经元网络,一个用于动态过程的建模,另一方面用于获取控制信号。控制器的优化目标基于过程输出的向前多步预测。两个网络在线学习均采用了非线性最小二乘法。     

基于内模原理的简单PID自校正预测控制器

论述了ＰＩＤ自校正预测控制器的一种简单设计方法。其主要内容有：内模控制原理；基于内模原理构成ｄ步超前预测控制器；根据ｄ步超前预测信号，设计了ＰＩＤ自校正预测控制器。仿真结果表明，这种控制技术是有效的。     

基于模糊约束模拟的广义预测控制器参数调整

针对广义预测控制算法在控制时域中求得的M个控制量,利用系统预测控制量的信息,通过模糊模拟技术对系统的约束进行检验,不断修正目标函数中控制量的加权系数λ,增强了系统的鲁棒性,并满足系统的约束。     

一种自整定最优PI控制器

提出了一种实用有效的 PI自整定控制器 .该控制器引入两个连续的继电反馈实验 ,从而辨识出一个在复平面的重要频段上能很好地反映实际过程对象的二阶加纯滞后模型 ,并基于鲁棒性能指标和积分误差指标最优确定 PI参数 .该自整定控制器对于多数的被控对象都能获得满意的控制效果 .仿真结果表明了该控制器的有效性和适应性     

非线性系统的非结构模型和基于它的广义预测控制器

利用离散Laguerre函数的有关性质,给出了一类离散非线性系统的一个非结构模型;将之用于非线性过程广义预测控制器的设计,得到了一个适用于该类非线性过程的广义预测控制算法,并举例说明该算法的有效性。     

基于模糊模型的预测PID控制器的参数整定

提出一种基于模糊模型的预测PID控制器（PPID）的参数整定方法，PPID采用广义预测控制的控制策略，控制算法简单，容易在单片机、PLC和仪表上实现，且有比普通的PID更优良的性能，参数整定分两阶段进行，首先基于初始模型对PPID离线进行整定，然后在系统运行后利用对象的输入输出数据对模糊模型和PPIDR的参数再次进行离线整定，整定算法均采用批处理方式的梯度下降法。     

PID控制器参数整定

介绍了PID控制工作原理和方法,综述了PID控制参数整定方法,探讨了PID控制的发展方向。     

一种带约束的广义预测控制器

传统的广义预测控制算法,计算量大,求解复杂,对有约束的控制问题,求解更是麻烦.本文针对这一问题,提出一种带约束的广义预测控制算法,通过对未来控制序列的离线近似计算以及考虑到约束情况来精确求解当前时刻的控制量.该算法简单,避免了求解Diophantine方程及逆矩阵,大大减小了计算量,仿真结果表明,该算法控制性能良好.     

基于遗传算法优化因子的灰色PI预测控制

针对灰色PI预测控制比例因子和积分因子参数整定困难,提出了基于遗传算法参数优化整定的PI型灰色广义预测控制(GPIPC)。灰色PI预测控制(GPIGPC)采用灰色预测控制技术克服时变时滞,用PI(PID)控制技术加强系统的鲁棒性,运用遗传算法在线优化整定灰色PI预测控制的比例因子和积分因子,增强了系统的跟踪特性和抗恒值扰动特性,极大程度地减少了模型时延失配和模型增益失配的影响。仿真实例表明,该算法具有较好的鲁棒性和抗干扰性。     

基于广义预测控制的对角递归神经网络控制器

提出一种基于广义预测控制的对角递归神经网络控制器，并给出该神经网络控制器和辨识器的学习率范围．仿真实验表明，所采用的神经网络控制结构适合于带纯时延的未知的非线性被控对象的广义预测控制，同时能有效地改善神经网络学习的收敛性．     

基于BP神经网络预报的动态矩阵预测控制

提出了一种基于BP神经网络预报的动态矩阵预测控制新算法 ,在该算法中 ,先用BP神经网络辨识对象模型 ,同时预测对象的未来输出 ,然后用动态矩阵控制算法进行滚动优化和反馈校正。该方法解决了非线性、时变对象难以建模及控制的问题 ,仿真结果验证了这一新型算法的可行性     

一类大时滞过程的预测PI控制器

针对较为常见的一类大时滞过程,提出了一种预测PI控制器.该控制器把PI控制器参数与Smith预估器参数有机结合起来,减少了控制器参数,从而避免了这些参数在整定时的相互影响,使得控制参数易于整定.仿真和应用结果均表明,该预测PI控制器在一类时滞过程控制中具有优良的性能.