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．     

基于FLS的一种广义预测控制器的设计

将模糊逻辑与广义预测控制相结合,提出了一种基于FLS(FuzzyLogicSystems)的广义预测控制器的设计方法,并推导出基于BP算法的参数修正公式·仿真结果表明该方法的有效性·     

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。     

基于改进粒子群算法的约束广义预测控制算法

摘 要：提出了一种基于PSO-Powell算法的广义预测控制算法,利用PSO与Powell进行二次搜索来求取广义预测控制的最优控制率。将PSO-Powell算法引入到广义预测控制的滚动优化过程中,约束条件函数和适应度函数一起判断最优解的优劣。该算法可以有效地处理约束并找到全局最优解。最后通过仿真验证该方法的有效性。     

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。     

改进的鲁棒广义预测控制器

通过模型补偿方法提高预测精度，提出了一种便于实时计算的广义预测控制算法，理论分析及仿真该算法对建模误差具有抑制能力，从而增强了控制系统的鲁棒性。     

基于准确预报的自适应广义预测控制器

基于受控系统多时域输出预测误差的历史信息，对未来输出预测值进行在线修正。提出了一种能抑制模型对控制器产生影响的准确预报广义预测控制器及相应的自适应算法。理论分析及仿真结果表明了该算法具有较强地鲁棒性．     

输入受限的广义预测控制算法的鲁棒性

针对输入受限的广义预测控制问题，将其数学表达式转化为系统框图，并根据内模原理求出了系统的特征方程；在此基础上对输入受限的广义预测控制算法的鲁棒性进行了讨论分析，最后进行仿真验证。     

一种误差修正鲁棒广义预测控制算法

本文为模型补偿方法提高预测精度，提出了一种新的便于实时计算的广义预测控制算法，理论分析及仿真表明．该算法可以克服建模误差的影响．增强控制系统的鲁棒性．     

一种改进的广义预测控制方法

为了改善建筑结构控制效果,在模型不精确的前提下达到振动控制的目的.采用实际测量和预测相互结合的广义预测控制算法,通过引入相对稳定性矩阵和可调增益参数的办法来改进原控制算法,提高在地震作用时主动控制系统的稳定性.数值仿真表明:单纯附加相对稳定性矩阵来设计控制器虽然可以提高控制系统的稳定性,但控制效果不能保证,只有引入可调增益参数方可保证振动控制的效果;可调增益参数应该根据实际控制的效果进行调整,而相对稳定性矩阵可根据原系统矩阵来选取,最好取对角矩阵;其对角元素选取以改善原控制系统的极点分布为目的.     

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．     

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。     

具记忆状态反馈的输入受限时滞系统模型预测控制器

针对一类具有输入约束的离散线性不确定时滞系统,提出了一种具有记忆状态反馈的模型预测控制器.首先,定义时滞系统的鲁棒性能指标,在考虑时滞状态影响的条件下设计了包含时滞状态的记忆状态反馈控制律,在线优化时将当前控制量作为独立优化变量,与其它作为反馈控制的时域控制序列分开处理,以降低算法保守性,提高可行性.然后,给出了基于线性矩阵不等式凸优化的控制策略以及系统稳定的充分条件.最后,通过仿真实验验证了该控制算法的有效性.     

一类工业过程广义预测控制的闭环稳定性

分析一类常见工业过程采用具有前置滤波器的ＧＰＣ的闭环稳定性和鲁棒性，给出模型参数失配的允许范围．     

基于BP神经网络的非线性广义预测控制

广义预测控制在理论上已经有了很深的研究,并在工业控制中获得了应用,但广义预测控制存在着模型失配和系统不确定等缺陷.为克服上述缺陷,本文提出基于BP神经网络建立一个对象模型,用修正的误差预测值对输出预测值进行补偿,从而实现对被控对象的预测控制.通过Matlab仿真,表明神经网络预测控制对非线性系统具有较好的控制效果.     

含电压稳定裕度约束的模型预测电压控制器设计

本文提出一种基于模型预测控制的新型电压控制器设计方案,当系统发生扰动导致电压下降时,该控制器通过调节发电机参考电压设定值和无功补偿点的电容器投切量,使故障后系统电压恢复并满足给定的电压稳定裕度。该滚动优化模型中,目标函数综合考虑了电压偏移和控制成本,其等式约束为系统微分代数方程式,并将电压稳定裕度约束引入到不等式约束条件中。为了提高求解效率,采用直接动态优化方法将该动态优化模型转化为非线性规划问题,并采用AMPL优化建模软件提供的内点算法求解。以新英格兰39节点系统为基础构造的算例表明了所提方法的有效性。     

基于差分型思维进化算法的受限广义预测控制

针对广义预测控制(GPC)的滚动优化对受限控制量求解的复杂性,笔者提出一种基于差分型思维进化算法的受限广义预测控制方法(DMEAGPC)。用差分型思维进化算法处理带约束的非线性优化问题,以此作为滚动优化策略,求得最优控制律。并将该算法应用于电厂再热汽温系统,仿真结果验证了该算法的有效性和可靠性。     

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。