基于遗传算法的约束广义预测控制

广义预测控制要求控制对象必须是线性无约束的，优化的性能指标也必须是二次型形式，因此，广义预测控制的工业应用存在很大局限性．本文尝试用遗传算法来解决存在约束的广义预测控制的优化问题，给出了基于遗传算法的广义预测控制算法的实现方法，并通过工业过程对象的仿真，验证了该方法的有效性，且控制效果良好．     

广义预测PID控制算法

本文根据广义预测控制(Generalized Predictive Control,简写GPC)与PID控制控制律结构的相似性,通过对广义预测控制性能指标函数中控制加权序列Qj(z-1)的配置给定,导出了具有PID算法结构的广义预测控制律。从而借助广义预测控制算法参数的递推关系链,自动优化整定PID调节参数,并实施广义预测PID控制。     

纸张定量的自校正广义预测控制

本文提出采用自校正广义预测控制的方法实现纸张的定量控制，推导了有色噪声情况下的广义预测控制算法，利用增广最小二乘参数估计实现纸张定量的自校正广义预测控制，经对纸机不同工况的模型仿具计算，得到了鲁棒性强，控制性能好的满意结果。     

实时广义预测控制器在冷连轧机张力控制系统中的应用

针对广义预测控制在冷连轧张力中受到的实时性限制,直接给 出Diophantine方程的求解公式及证明,以避免其在线递推求解,大大减少了广义预测控制 器的运算负荷,有利于其在快速系统中的应用.仿真研究表明,该方法能大大缩短在线运行时间,进一步体现了广义预测控制的应用潜力.     

柔性机械臂控制方法的研究

针对柔性机械臂的控制难点,在纵观柔性机械臂控制现状的基础上,提出了利用广义预测控制方法对柔性机械臂进行控制。实验结果表明,广义预测控制方法对柔性机械臂的控制是有效的。为柔性机械臂的进一步研究提供了理论指导及重要的前提条件。     

基于δ算子的广义预测极点配置控制器

研究δ算子描述的线性离散系统的广义预测极点配置问题。综合利用δ算子、预测控制极点配置的特性，提出基于δ算子的广义预测极点配置控制器（DGPP），克服了q算子广义预测控制的某些不足，并给出系统参数的选择方法。仿真结果表明本文算法的有效性。     

一类非线性滞后系统的广义预测控制

对将线性系统的广义预测控制算法推广应用到非线性系统的控制问题进行了研究,即在每个控制周期内,递推预测非线性滞后系统在将来时刻的工作点,在工作点附近对非线性系统进行线性化,根据得出的线性化模型进行广义预测控制,并采用动态寻优的方法逐步逼近最优控制,仿真结果表明:非线性系统的广义预测控制算法能快速有效地跟踪系统的设定值,控制效果良好.     

联合粉磨系统基于T-S模糊模型广义预测控制

针对磨机负荷多变量、强耦合、大滞后的控制难题,利用磨机电流的历史数据进行T-S模糊建模,对所建模型设计广义预测控制器,采用对控制器模糊加权的方法调节控制器输出,通过Matlab进行仿真比较。结果表明:广义预测控制达到稳态所需时间约为25 s,而PID控制需要约90 s,广义预测控制跟踪设定值的快速性更好,能更快达到控制要求;该方法避免了反复求解不同丢番图方程的繁琐过程,简化了控制器运算步骤。     

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.     

6-(P-2P-S)并联宏动平台的轨迹跟踪控制

提出了一种新型6-(P-2P-S)并联宏动平台,应用凯恩方法建立了该机构的刚体动力学模型.采用分散控制策略对各分支独立控制,建立了单通道驱动关节空间的CARIMA模型,并针对广义预测控制(GPC)计算量大的缺陷,提出了一种模糊自适应直接广义预测控制(FDGPC)方法,该方法利用模糊逻辑系统直接设计预测控制器,并基于广义误差估计值对控制器参数θu和广义误差估计值中的未知向量θe进行自适应调整,轨迹跟踪控制仿真结果验证了该方法具有很强的鲁棒性,可实现并联宏动平台的高速高精度定位.     

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。     

附加法向信息的三维网格预测编码

为提升三维网格的压缩性能,提出了一种网格法向与几何帧内-帧间预测编码方法.该方法充分利用法向数据内部分量间（帧内）及几何与法向数据间（帧间）的相关性,实现附加法向信息的三维网格压缩,有效保持解码后三维网格的几何特性.实验结果表明,提出的预测编码方法相比分别压缩三维网格法向与几何数据,能够显著提高附加法向信息三维网格的压缩效率.      

一种静态和动态分支预测的组合方法研究

随着指令发射宽度和流水线深度的增加,分支预测成为影响现代微处理器性能的重要因素.传统分支预测策略的静态和动态分法并未充分利用二者各自的优点.提出了一种将静态分支预测和动态分支预测策略相组合的分支预测方法,然后用SPECint95基准程序对其性能进行了评估,仿真实验结果表明,提出的分支预测方法比传统的gshare预测器具有更高的预测准确率,并且与许多其它动态预测器相比,其硬件开销要小得多.     

HEVC帧间编码的快速CU尺寸和PU模式决策算法

为了进一步降低高效视频编码(HEVC)帧间编码的复杂度,提出一种快速的编码单元(CU)尺寸和预测单元(PU)模式决策算法.首先,利用SKIP和平均运动矢量提前结束CU分割过程.其次,根据统计的阈值,实现概率较小的PU模式计算过程的跳过.算法在随机方向(RA)和低延时(LD)配置下,编码时间分别平均降低42.2%和36.3%,造成的BDBR(bjentegaard delta bitrate)损失仅为0.624%和0.264%.实验结果表明:CU尺寸和PU模式决策算法在编码质量基本不变的前提下,能正确地决策出最佳CU尺寸和PU模式,有效地提高HEVC的编码效率.     

Forecasting Orders with ARMA in Household Electric Appliance Enterprises Based on Mobile Agent

Forecasting orders accurately plays a crucial role for household electric appliance (HEA) enterprises keeping low inventory level.In order to reduce the influence of bullwhip effect,sales data are applied to forecast orders of the next period instead of ordering data.Mobile agent is applied to achieve the sales data from retailers in the data preparation.And the converting approach from sales data of retailers to prediction data is proposed.Autoregressive and moving average (ARMA) model is introduced to forecast orders and a comparison amongst final prediction error ( FPE ),Akaike information criterion(AIC),Bayes information criterion(BIC) and Akaike's corrected information criterion(AICC) criterion is shown.The sample test verifies the superiority of AICC; therefore it is applied to identify ARMA order.Forecasting architecture is established and then the prototype system is tested,at last a case shows the orders prediction of the next quarter and verifies the effectiveness of the proposed method.     

HEVC帧内预测块尺度的快速选择方法

针对高效视频编码(High Efficiency Video Coding,HEVC)中帧内尺度模式选择计算复杂度高的问题,提出了一种HEVC帧内预测块尺度的快速选择方法。基于图像的纹理复杂度,通过提前检测帧内预测块的绝对误差均值,选择预测块尺度类型,减少穷尽搜索代价计算过程。实验结果表明,该方法能够有效降低帧内预测块尺度模式选择的计算复杂度,在比特率平均提高3.09%的情况下,编码时间能平均减少29.87%,峰值信噪比平均提高0.031%。     

基于GWO-CNN-BILSTM的超短期风电预测

在未来高渗透率风电场景下,超短期风电功率预测研究对于实现电力系统优化运行具有重要意义。为此,提出一种基于GWO-CNN-BiLSTM的超短期风电预测方法。首先,搭建基于卷积神经网络(convolutional neural network, CNN)与双向长短期记忆神经网络(bidirectional long short term memory, BiLSTM)的组合模型,然后,为提升风电预测结果的精度,通过灰狼优化算法(grey wolf optimizer, GWO)对组合模型进行优化,使该组合模型参数能实时适应风电历史数据。最后,仿真结果验证了所提出方法的有效性和优越性。     

ACTPred： Activity Prediction in Mobile Social Networks

A current trend for online social networks is to turn mobile.Mobile social networks directly reflect our real social life,and therefore are an important source to analyze and understand the underlying dynamics of human behaviors （activities）.In this paper,we study the problem of activity prediction in mobile social networks.We present a series of observations in two real mobile social networks and then propose a method,ACTPred,based on a dynamic factor-graph model for modeling and predicting users＇ activities.An approximate algorithm based on mean fields is presented to efficiently learn the proposed method.We deploy a real system to collect users＇ mobility behaviors and validate the proposed method on two collected mobile datasets.Experimental results show that the proposed ACTPred model can achieve better performance than baseline methods.     

基于GERBF神经网络非线性预测的ADPCM算法控制系统中的应用

用神经网络建立非线性预测模型对语音信号进行处理,采用后向预测建模,不增加传输码率。采用一种改进的广义径向基函数网络(GERBF),利用正交最小二乘法训练速度快的优点,降低算法的复杂性。实验表明:基于GERBF预测器的语音编码系统在嵌入维数很少时亦能较好地去除语音信号相关性,其恢复语音质量优于CCITT,建议G.721中的ADPCM算法。     

小样本贫信息条件下高炉冶炼烧结终点组合预测法

由于烧结过程具有不确定性、多变量耦合、时变时滞的特点,并且烧结终点受多种因素的影响,采用传统控制方法难以将烧结终点控制在要求的范围内,提出应用支持向量机优良的时序预测性能,以及贝叶斯理论能够利用样本信息和先验知识来简化预测模型和优化参数的特性,建立了贝叶斯支持向量机烧结终点的预报模型。首先对烧结终点的机理分析,后分别叙述贝叶斯框架理论和LS-SVM算法,并将贝叶斯证据框架应用于最小二乘支持向量机模型参数的自动选择,建立起时间序列的烧结终点非线性预测模型。在贝叶斯推断的第一层,进行模型参数的选择;在贝叶斯推断的第二层,进行模型超参数的选择;在贝叶斯推断的第三层,估计模型核参数,然后利用贝叶斯最小二乘支持向量机算法(LS-SVM)对烧结终点进行预测,并在此基础上构造了烧结终点的贝叶斯最小二乘支持向量机模型。仿真结果和多种模型比较表明,本模型能在小样本贫信息条件下对烧结终点做出比较准确的预测,并具有预测精度高、所需样本少、计算简便等优点,取得了令人满意的结果。