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.     

交流伺服系统串级预测函数控制的仿真研究

根据预测函数控制方法的原理对交流伺服系统进行了三级串级闭环控制的仿真应用研究。在分析预测函数控制方法闭环性能的基础上，给出预测函数控制器的设计方法，建立了交流伺服系统串级预测函数控制的系统结构，讨论了实现串级控制的方法。通过仿真及与PID方法的比较表明，预测函数控制方法能够改善交流伺服系统的控制特性。     

多变量系统预测函数解耦控制

提出一种新的多变量系统预测函数解耦控制(PFC)算法。该算法将多变量系统的PFC分散为若干单变量系统的PFC,使参数设计和算法求解大为简化。此外,利用该算法可得到一个解析的控制量计算方程,控制器参数均可离线计算,因此在线时算法简单、计算量小,可用于解决复杂的耦合控制问题。仿真结果表明了该算法的有效性和可行性。     

基于特征模型的预测函数控制的仿真研究

传统的预测函数控制通常采用一阶的预测模型,该预测模型不能完全表征被控对象,因此使得传统的预测函数控制的鲁棒性受到一定限制。特征模型是一种比动力学模型简单,但能表征被控对象特征的模型。针对预测函数控制算法的缺陷,提出了利用二阶特征模型来构成预测模型。通过与采用一阶预测模型的预测函数控制进行比较,理论分析与仿真实验结果均表明,采用特征模型的预测函数控制具有比一阶预测模型更好的控制效果,该算法在SUPCON-JX300X集散控制系统上实现。     

非线性多模型控制及仿真研究

连续发酵过程是一个强非线性的生化反应过程，其控制已成为一个难点。传统的预测函数控制一般只能处理线性对象。通过对非线性动态过程的多模型建模，提出了基于加权的多模型自适应预测函数控制方法，用于大范围的非线性连续发酵过程控制，实现了多模型之间的无扰切换。仿真结果表明：跟踪性能优良，鲁棒性强，说明了该方法对非线性系统大范围控制的有效性。     

一类多状态时滞不确定系统的鲁棒预测控制

针对一类多状态时滞多面体不确定对象,提出了一种鲁棒预测控制算法。基于参数相关的李亚普诺夫函数,给出了系统稳定的充分条件。通过求解满足若干线性矩阵不等式条件的上界值的最优化问题,获得了约束范围内满足系统鲁棒性能的最优控制律。优化问题的可行性保证了算法的鲁棒稳定性。仿真实例证明了该算法的有效性。     

预测函数控制理论及其在军事上的应用

分析了预测函数控制方法的闭环控制性能 ,对多变量系统预测函数控制方法和非线性系统预测函数控制方法在理论上的进展进行了综述。重点讨论了预测函数控制方法在导弹控制系统设计和火炮炮塔控制等军事领域中的一些应用 ,并提出了需解决的问题和今后的发展方向。     

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。     

蒸发过程的解耦控制仿真实验平台

蒸发过程的强制循环蒸发系统是一个多变量且回路间存在较强耦合的非线性系统,单纯的采用常规PID控制不能满足工业要求.为了从工程角度验证非线性自适应解耦PID控制算法在强制循环蒸发系统的应用,开发了蒸发过程的解耦控制分布式仿真实验平台.该实验平台是由智能控制计算机、DCS系统、模拟现场的对象计算机、仪表与执行机构的虚拟装置以及底层控制回路组成.平台之间的通讯主要是通过OPC技术和DDE协议来实现.实验结果验证了该解耦控制算法应用于强制循环蒸发系统的可行性和有效性.     

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.     

冲突多目标相容预测控制

两层结构的相容控制框架可以解决复杂冲突多目标控制问题,但其需要克服的困难是多目标直接优化、第一层所选区间目标的实现和在线实时优化控制。采用多目标遗传进化算法解决了直接优化多目标的工具问题。为能实现第一层中所选择的控制目标,第二层中设计了不同于第一层中形式的指标,并加入选择函数以反映实际系统的需要。结合预测控制思想的特点,提出了在线迭代遗传算法,解决了在线优化速度问题。以预测控制动态过程中误差、能耗两个目标为例对相容预测算法进行了说明。     

模型预测控制在网络化制造环境下SCM中的应用

针对网络化制造环境下供应链需求不确定的特点,采用模型预测控制技术解决供应链管理中库存的动态优化问题。首先,阐述了模型预测控制的机理及其在供应链动态控制方面的适应性;其次,建立了成本目标优化模型,提出控制法则并给出控制算法;最后,仿真结果表明,模型预测控制技术在预测合理库存水平以及控制动态、不确定的供应链系统是可行的。     

Robust predictive control of polytopic uncertain systems with both state and input delays

A robust model predictive control algorithm for discrete linear systems with both state and input delays subjected to constrained input control is presented,where the polytopic uncertainties exist in both state matrices and input matrices.The algorithm optimizes an upper bound with respect to a state feedback control law.The feedback control law is presented based on the construction of a parameter-dependent Lyapunov function.The above optimization problem can be formulated as a LMI-based optimization.The feasibility of the optimization problem guarantees that the algorithm is robustly stable.The simulation results verify the effectiveness of the proposed algorithm.     

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。     

An Efficient Constrained Model Predictive Control Algorithm Based on Approximate Computation

1 .ＩＮＴＲＯＤＵＣＴＩＯＮＭｏｓｔｓｙｓｔｅｍｓａｒｅｓｕｂｊｅｃｔｔｏｃｏｎｓｔｒａｉｎｔｓａｎｄｔｈｅｄｅｓｉｇｎｏｆｃｏｎｔｒｏｌｌｅｒｓｆｏｒｓｕｃｈｓｙｓｔｅｍｓｉｓａｖｅｒｙａｃｔｉｖｅａｒｅａｏｆｒｅ ｓｅａｒｃｈｎｏｗａｄａｙｓ.Ｉｔｉｓｗｅｌｌ ｋｎｏｗｎｔｈａｔｍｏｄｅｌｐｒｅｄｉｃｔｉｖｅｃｏｎｔｒｏｌ (ＭＰＣ) ,ａｌｓｏｃａｌｌｅｄｒｅｃｅｄｉｎｇｈｏｒｉｚｏｎｃｏｎｔｒｏｌ(ＲＨＣ) ,ｈａｓｂｅｅｎｗｉｄｅｌｙａｎｄｓｕｃｃｅｓｓｆｕｌｌｙａｐｐｌｉｅｄｉｎｐｒｏｃｅｓｓｉ…     

分布式MPC在网络化制造环境下SCM中的应用

针对网络化制造环境下动态供应链管理特点,利用分布式模型预测控制技术解决供应链中动态优化控制问题。首先,阐述动态供应链运行机理,并以此提出完整的随机动态优化控制模型及其控制约束;其次,给出分布式模型预测控制算法,并构建了优化控制序列模型;最后,仿真实例结果表明,利用分布式模型预测控制技术计算供应链中各阶段订货率,可以预测企业各阶段理想库存,从而快速响应市场动态变化,有效控制供应链管理中的不确定性。     

模糊遗传滚动优化的LS-SVM预测控制研究

提出一种基于最小二乘支持向量机(LS-SVM)的非线性系统预测控制算法。该算法通过LS-SVM对非线性系统输入输出数据序列的训练学习建立其预测模型;基于模糊遗传算法完成非线性预测控制的滚动优化过程。仿真结果表明基于该方法的非线性系统预测控制比基于RBF神经网络的预测控制具有更好的控制效果。     

基于在线支持向量机和遗传算法的预测控制

针对非线性系统模型预测控制中预测模型容易失配且目标函数难以求解的问题,本文提出一种基于在线支持向量机建模和遗传算法滚动优化的模型预测控制方法。该方法利用在线支持向量机建立被控对象的非线性模型,在线支持向量机是一种迭代学习的支持向量机训练算法,可以进行在线训练,从而实现模型在线自校正;并且通过遗传算法求解目标函数的最优控制量,完成滚动优化。对非线性系统的仿真研究结果表明,该方法有效且具有良好的自适性。     

基于多Agent粒子群优化的多步SVR模型预测控制

提出一种基于多Agent粒子群优化支持向量回归机（support vector regression, SVR）参数的优化算法,并利用该算法建立多步预测控制模型,对非线性系统进行预测控制。通过预测控制的机理推导出满足滚动优化目标函数的多步预测输出的控制律。将该模型与基于遗传算法优化的RBF神经网络预测控制器、基于粒子群优化的多步SVR模型预测控制器和基于遗传算法优化的多步SVR模型预测控制器进行比较分析,仿真结果表明该预测控制模型优于其他控制器,具有良好的预测性能,可有效的对非线性系统进行预测控制。