新型的预测函数控制

针对预测函数控制中模型失配影响的情况 ,提出了用模糊推理对控制量进行补偿的解决方案。并将基于模糊补偿的新型预测函数控制应用于锅炉燃烧控制系统。连续系统仿真结果表明 ,这种控制器具有较强的鲁棒性。     

基于模糊补偿的预测函数控制的仿真研究

针对预测函数控制中模型失配的影响的情况，提出了用模糊推理对控制量进行补偿的解决方案。并将基于模糊补偿的预测函数控制应用于锅炉燃烧控制系统，通过连续系统仿真，结果表明这种控制器具有较强的鲁棒性。     

基于纳什优化的多变量系统的解耦预测函数控制

针对状态反馈控制系统，提出多输入多输出系统的解耦预测函数控制算法设计。利用预测函数控制算法的特点，引入基函数增加了设计的自由度，减少了在线计算量。通过采取分散优化策略代替整体优化，基于纳什优化实现系统的解耦控制。仿真结果表明该方法具有很好的控制效果。     

基于深度学习的时间角度控制制导律

针对考虑导弹气动力的时间角度控制制导问题，设计了一种基于深度学习的时间角度控制制导律；设计预测模块对考虑气动力的飞行器剩余飞行时间进行预测，预测模块引入前馈环节融合深度学习方法与理论模型，使用理论模型估计剩余飞行时间，使用深度神经网络估计理论模型的预测误差，提高剩余飞行时间预测精度；将精确剩余飞行时间引入时间角度控制制导律，使飞行时间误差收敛至零附近，最终实现飞行时间和攻击角度的共同控制。通过仿真试验验证了所设计的制导方法能够实现时间角度控制，相对于基于常值速度假设提出的制导律具有更好的制导性能。     

基于短期AGC指令的负荷系统预见预测控制

针对目前火力发电单元机组负荷增减频繁、扰动因素较多的情况，在充分利用自动发电挂制(AGC)的负荷指令资源的基础上，提出一种协调控制系统的负荷预见预测控制方案。该方法以多变量预测控制为核心，将预见控制思想融入到预测控制的设计之中，从而构成一种新的负荷协调控制策略。仿真结果表明，该方法集预测控制、预见控制二者的优点，使得机组负荷具有良好的跟踪性能，主蒸汽压力也具有很好的系统动、静态调节品质，而且控制量变化非常平稳，在对象动态特性较大范围内变化的情况下，系统具有较强的鲁棒性。     

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。     

基于混沌神经网络模型的模糊预测控制及应用

由于混沌时间序列内部确定的规律性，其重构出混沌吸引子的相空间具有高精度短期预测性，为此，本文根据非线性，大时滞系统的时间序列及所得的Lyapunov指数规律，计算出系统的饱和嵌入维数和可预报尺度，并以此为指导，采用混沌神经网络重构混沌时间序列相空间，该混沌神经网络即便在网络输入不完整或发生变异的情况下，仍能对系统作高精度预测，在此基础上，又将预测模型与模糊控制相结合，提出了一种新型的模糊预测控制决策，实现了非线性，大时滞系统高精度的自适应控制，将该控制应用在单元机组负荷控制中，仿真表明该控制具有实时性，容错性和鲁棒性。     

城市水资源有效供给的鲁棒控制

鉴于城市水需求管理的重要性，针对城市水需求具有增长性和周期性及难以准确预测的特点，建立城市水有效供给的连续时间控制系统模型。在预测城市水需求的基础上，通过合理控制城市水供给的投资，使城市水供给能满足城市水需求。从保持高效率供应的角度出发，城市的剩余供水能力也应有周期性。由于城市水管理系统参数估计值可能具有不确定性和时变性，为使此情形下仍能有效满足城市水需求，对系统实施了鲁棒控制，使在城市水有效供给的基础上，城市的剩余供水能力逐渐准确逼近给定目标值。     

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。     

基于控制历史的延迟系统模糊控制及其仿真

通过对传统模糊控制器的改进，提出一种新型的适合于变延迟系统的控制方法。在对控制对象动态特性的研究的基础上，将控制历史引入控制器的决策过程，设计出了一种基于控制历史的延迟系统模糊控制器。与传统的模糊控制器相比，该模糊控制器用历史的控制信息代替偏差变化率作为模糊控制的决策依据，能够及时地反映出被控制量的变动趋势。仿真结果表明，所提出的控制方法可以明显地改善对延迟对象的控制效果，并具有较强的适应性。     

Introducing System Identification Strategy into Model Predictive Control

As system identification theory and model predictive control are belonged to two different research fields separately, so one gap exists between these two subjects. To alleviate this gap between them, one new idea proposed in this paper is to introduce system identification theory into model predictive control. As the most important element in model predictive control is the prediction of the output value for a nonlinear system, then the problem of deriving the prediction of the output value can be achieved by system identification theory. More specifically, a Bayesian approach is applied for the nonparametric estimation by modeling the prediction as realizations of zero mean random fields.Through comparing this kind of prediction corresponding to this Bayesian approach and the former direct weight optimization identification for nonlinear system, the authors see that if the unknown weights are chosen appropriately, these two approaches are equivalent to each other. Based on the obtained prediction of the output value, the authors substitute this prediction of the output value into one cost function of model predictive control, and then a quadratic programming problem with inequality constraints is formulated. When to solve this quadratic programming problem, a detailed process about how to derive its dual form is given. As the dual problem has a simple constraint set, it is amenable to the use of the common Gauss-Seidel algorithm, whose convergence can be shown easily.Finally, one simulation example confirms the proposed theoretical results.     

高精度陀螺稳定跟踪系统神经网络预测控制

针对高精度陀螺稳定跟踪系统，提出了一种基于小波基函数神经网络的非线性系统的一步超前预测控制算法。该方法利用小波网络学习非线性系统，利用小波神经网络模型作为系统的预测模型，控制信号直接通过极小化期望输出值与预测输出值之间的偏差来获得。通过对陀螺稳定跟踪控制系统的仿真，表明该算法具有优良的控制品质。     

Using RBF Neural Network for OptimumControl of a Cold Storage

1. INTRODUCTIONThe predictive optimum control of cold storage temperature has found a wide applicationin agricultural engineering, especially for keeping fruits and vegetables fresh by cold storage.All of the currently-used temperature control units face the problems on how to choose theoptimum temperature as the controlled object, how to predicte the temperature variation ofthe refrigerating storehouse and how to realize the optimum control. A lot of study effortshave been made. The earl…     

数据挖掘中一种新的预测模型——基函数拟合预测及其在股市中的应用

探讨了数据挖掘的一种新模型——伯恩斯坦(Bernstein)基函数拟合预测模型,借助该模型的凸包性,对上证指数这一稠密时序资料进行了分阶段移动预测模拟,并分析了实际拟合模型和预测模拟的误差,取得了较好的结果.实践表明该模型对稠密数据集的研究有较明显的效果.     

Study on the Unequal Weight Moving Average Predition Model Based on the Neur

ＳｔｕｄｙｏｎｔｈｅＵｎｅｑｕａｌＷｅｉｇｈｔＭｏｖｉｎｇＡｖｅｒａｇｅＰｒｅｄｉｔｉｏｎＭｏｄｅｌＢａｓｅｄｏｎｔｈｅＮｅｕｒａｌＮｅｔｗｏｒｋＴＡＯＹｏｕｄｅ；ＹＡＮＧＨｏｎｇｚｈｉ（ＸｉｎＹａｎｇＴｅａｃｈｅｒｓＣｏｌｌｅｒｅ，ＨｅＮａｎ４６４...     

基于ANN预报模型的快速学习算法

提出了一种基于预报模型的变目标函数的前向神经网络快速学习算法。首先推导出一种综合目标函数从而实现极值点附近收敛速度的提高,然后导出变目标函数的局部化递扒最小二乘算法,该方法与现有同类的算法相比,可以提高收敛速度和预报精度,适用于需快速学习的系统辨识和其他应用。系统辨识的仿真实例表明了算法的优良性能。     

TF/TA~2 trajectory tracking using nonlinear predictive control approach

1 .INTRODUCTIONThei mportance of terrain-following,terrain-avoid-ance ,andthreat-avoidance (TF/TA2) guidance forcruise missiles and aircraft is a well-recognized as-pect of military operations . Typically , the TF/TA2guidance system development consists of twomajor steps : (1) opti mal trajectory generationwithin maneuvering constraints considering ter-rain,obstacles and threats toincrease both surviv-ability and mission effectiveness ; (2) control lawdevelopment to followthe opti mal t…     

多变量非线性系统的直接自适应模糊预测控制

对一类多变量非线性系统提出了直接自适应模糊预测控制方法,此方法首先对被控对象提出了线性时变子模型加非线性子模型的预测模型,然后直接利用模糊系统设计预测控制器,并基于时变增益自适应律对控制器中的未知向量和逼近误差估计值进行自适应调整。证明了此方法可使跟踪误差收敛到原点的一个邻域内,仿真结果验证了此方法的有效性。