SOFC的支持向量机(SVM)辨识建模

为了便于固体氧化物燃料电池(SOFC)的性能预测和控制方案设计,提出一种基于支持向量机(SVM)的建模方法,用具有RBF核函数的SVM建立了SOFC电池堆的非线性模型.应用仿真对所建SVM模型的有效性和精度进行了检验,并与BPNN模型的辨识效果进行了比较.仿真结果证明与BPNN模型相比,SVM模型具有较高的建模精度.该SVM辨识模型的建立,对SOFC系统的控制策略研究具有一定的实用价值.     

连续时间广义预测控制在纵向飞行控制中仿真

导弹的飞行主要是通过姿态稳定和调节实现的。当导弹在大空域内进行飞行时,系统存在着严重的非线性和复杂性等不确定性因素,采用离散的控制算法进行控制,在高采样速率情况下,产生控制抖动问题。提出了连续时间控制方案,通过以小扰动模型为基础的导弹动力学特性分析,设计了导弹纵向飞行通道的全空间串级控制结构,并且以连续模型作为预测控制的被控对象,弹道外回路和姿态内回路均采用连续时间广义预测控制算法。仿真结果表明,该控制方案能实现高精度的控制要求,并且有效的克服了控制抖动。     

基于奇异谱分析的我国航空客运量集成预测模型

针对时间序列包含噪声以及单一模型可能存在预测表现不稳定的问题,本文提出了一个基于奇异谱分析(SSA)的集成预测模型,并将其运用于我国年度航空客运量的预测中.首先,采用SSA方法对原始时间序列进行分解和重构,得到一个剔除噪声的时间序列,然后将其作为单整自回归移动平均模型(ARIMA)、支持向量回归模型(SVR)、Holt-Winters方法(HW)等单一模型的输入并进行预测,接着再采用加权平均集成预测方法(WA)将三种单一模型的预测结果进行综合集成.通过与各单一模型、基于经验模态分解方法(EMD)的模型以及简单平均集成预测方法(SA)的预测结果进行对比发现,本文所建模型具有较高的预测精度和较稳定的预测表现.最后,采用本文的模型对我国2014-2016年年度航空客运量进行了预测.     

支持向量机控制与在线学习方法研究的进展

支持向量机以其模型结构简单、较好的推广能力和全局最优解等特点已经被用来进行智能控制的研究,主要包括采用支持向量机回归的非线性时间序列的建模与预测、系统辨识等建模方面的研究以及优化控制、学习控制和预测控制等方面的研究以及采用支持向量机的故障诊断的研究。由于现有SVMR基于二次规划的优化方法不适合控制过程的在线训练,因此出现了对SVMR在线训练算法的研究。分析了国内外这些研究内容的最新研究进展,旨在探讨归纳支持向量机在控制领域研究的主要成果和存在的问题,以便为进一步的研究提供一定的支持与帮助。     

中国大豆进口的预测与分析

采用能够有效解决“小样本、贫信息”问题的灰色系统理论,在对中国大豆进口的分析基础上,依据嵌入知识的动态GM(1,1)模型对未来5年大豆进口量进行了预测和分析.模拟结果表明中国大豆进口还会增加,但是进口的增长速度会明显减低.基于本文的研究结果,提出部分政策建议.     

基于不同调制技术的多频带UWB-OFDM系统性能比较

多频带UWB-OFDM系统是高速、短距离WPANs物理层的理想接入方案,具有广阔的应用前景.研究了在AWGN和IEEE 802.15.3a UWB多径信道模型下,基于两种不同调制技术的多频带UWB-OFDM系统的误码性能,分析了多频带UWB-OFDM系统中插入保护间隔对其系统性能的影响.仿真结果表明:基于QPSK调制技术的UWB-OFDM系统较基于16QAM的系统有较好的误码性能.     

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.     

灰色MGM(1,m,N)模型的构建及其在雾霾预测中的应用

针对传统MGM(1,m)模型和GM(1,N)模型均未能反映多个系统行为变量在多个因素变量影响下的模拟预测问题,本文根据两个模型各自特点对传统MGM(1,m)模型和GM(1,N)模型进行拓展,构建了灰色MGM(1,m,N)模型.研究该模型的建模机理及过程,并解决在多个因素变量的影响下多个系统行为变量的模拟预测问题.最后,将三种模型应用于雾霾的模拟预测中,结果表明,MGM(1,m,N)模型预测精度高于传统的MGM(1,m)模型和GM(1,N)模型,这主要是由于该模型能够较好地描述和反映多个系统行为变量受多个因素变量的影响.     

二级倒立摆的摆起控制

以往对非线性系统主要是采用线性化的方法进行控制，提出了一种基于专家系统及变步长预测控制的实时非线性系统控制方法。用变步长一步预测避开复杂的非线性推导，结合专家系统对控制参数进行修正，从而实现对复杂非线性系统的实时控制。利用这种方法，实现了二级倒立摆的摆起及稳定控制。     

基于驱动控制的多变量离散灰色模型

针对多变量灰色模型存在驱动项作用机制不明确和模型精度不高的问题，通过引入矩形函数控制驱动项，构造一种新的多变量离散灰色模型，并探讨模型参数求解方法.从系统行为信息完备性角度，探索两种驱动控制项识别方法，并给出模型建模预测步骤；最后，采用构建的模型解 决我国无线通信用户预测问题，实例结果表明该模型不仅精度较高，而且模型含义更明确.     

基于收缩序列集的约束PWA系统鲁棒预测控制

针对一类有附加有界扰动的约束离散时间分段仿射系统,提出了一种具有鲁棒稳定性保证的模型预测控制方法.通过多参数规划采用一步预测时域法离线计算具有收缩性质的鲁棒可稳定集系列,把它们作为优化问题的稳定约束,并选择一个鲁棒正不变集作为终端约束,使得优化问题的可行性即保证了系统的鲁棒稳定性.仿真实例表明提出的控制方法可使系统渐近稳定到鲁棒正不变集.     

An Efficient Constrained Model Predictive Control Algorithm Based on Approximate Computation

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

Predictive control for mechanical system with backlash based on hybrid model

The mechanical system with backlash is distinguished between a “backlash mode” and a “contact mode”. The inherent switching between the two operating modes makes the system a prime example of hybrid system. For eliminating the bad effect of backlash, a piecewise affine (PWA) model of the mechanical servo system with backlash is built. The optimal control of constrained PWA system is obtained by taking advantage of model predictive control (MPC) method, and the explicit solution of MPC in a look-up table form is figured out by combining the dynamic programming and multi-parametric quadratic programming, thereby establishing an explicit hybrid model predictive controller. Furthermore, a piecewise quadratic (PWQ) function for guaranteeing the stability of closed-loop control is found by formulating the search of PWQ function as a semi-definite programming problem. In the tracking experiments, it is demonstrated that the explicit hybrid model predictive controller has a good traction control effect on the mechanical system with backlash. The error meets the demands of real system. Further, compared to the direct on-line computation, the computation burden is reduced by the explicit solution, thereby being suitable for real-time control of system with short sampling time.     

具有可变终端代价项的非线性模型预测控制

针对离散时间非线性系统的模型预测控制问题,提出了一种具有可变自调节终端代价项的模型预测控制方案.此方案通过引入自调节因子,并对其设定不同的自调节规则,使终端代价函数项具备了可变自调节性能.证明了带有可变自调节终端代价项的模型预测控制方案可保证闭环系统的性能.为自调节因子提出了若干自调节规则,并分别分析了它们的性质.用实例证明了研究结果的有效性.     

基于改进MPC的协同自适应巡航控制策略研究

针对环境干扰、传感器噪声和跟随时变车速稳定性较差等问题,提出一种基于KF(kalman filtering)的改进MPC(model predictive control)算法。搭建CACC(cooperative adaptive cruise control)车辆间纵向运动学模型,并建立离散状态空间方程;利用KF对状态变量降噪,同时对预测模型进行鲁棒性设计;对不同工况下CACC控制目标进行分析,分别建立目标优化函数。通过搭建Simulink与CarSim联合仿真模型进行验证,结果表明,改进MPC算法能够提高城市与市郊工况下车辆的燃油经济性与驾乘舒适性,实现公路工况下对时变车速的稳定跟随。     

Reservation-based feedback scheduling of MPC tasks

A reservation-based feedback scheduling (FS-CBS) of a set of model predictive control (MPC) tasks is presented to optimize the global control performance subject to limited computational resource. Implemented as anytime algorithm, MPC task allows computation time to be traded for control performance. Each MPC task is assigned with a constant bandwidth server (CBS), whose reserved processor time is adjusted dynamically. The FS-CBS is shown robust against the varying of execution time of MPC tasks at runtime. Simulation results illustrate its effectiveness.     

多平台分布式协同作战下基于MPC-MAS的指挥控制模型设计

在瞬息万变的网络化体系作战环境中,如何准确、及时地提取有用信息并作出决策,有效应对实际作战中作战效益低、资源损耗大、作战时间长等问题一直是研究的热点之一。本文以多平台协同完成对来袭目标的拦截任务为背景,提出了一种多平台分布式协同作战下基于模型预测控制(model prediction control, MPC)和多智能体系统(multi-agent system, MAS)的指挥控制系统模型。通过引入分布式多平台协同的模型概念,使各平台之间实现完全信息共享,并且采用全局分布-局部集中的决策结构,设计了分布式指挥控制的协同模型框架,选定蒙特卡罗方法进行仿真实验对比。实验结果证明了该模型具有收敛性好、误差低、损失值低等优点,可以高效地解决分布式环境下协同作战的指挥控制模型构建问题。     

基于非线性预测方法的开关式导引律设计

以大气层外拦截为背景,研究了带有开关输入的不确定非线性系统的预测控制方法。根据Fliess级数展开理论,得到了系统输出预测值与控制输入以及不确定性的关系式。通过选择二次型代价函数,得到了预测控制中优化问题的描述。由于代价函数中含有不确定性,结合开关控制输入的特点,给出了一种应用非线性规划求解优化问题的方法。最后,将该方法应用到大气层外拦截中,考虑弹-目相对距离及视线转率存在不确定性的情况,设计了开关导引律,并给出了代价函数中加权系数的选择方法。仿真结果表明,该方法在保证拦截精度的情况下,减少了发动机的开关次数。     

On Stabilization of It Stochastic Time-Varying Systems

The stabilization with receding horizon control(RHC) of It stochastic time-varying systems is studied in this paper. Based on monotonically non-increasing of optimal cost and stochastic Lyapunov stability theory, a necessary and sufficient stabilization condition on the terminal weighting matrix is proposed, which guarantees the mean-square stability of the closed-loop system. The explicit receding horizon controller is obtained by employing stochastic maximum principle. Simulations demonstrate the effectiveness of the proposed method.     

具有饱和执行器跳变系统的鲁棒模型预测控制

针对一类具有饱和执行器的不确定离散Markov跳变系统,提出鲁棒模型预测控制器设计方法。为便于工程应用,考虑被控跳变系统各模态下的动态系统参数以及各模态间的跳变转移模态均存在不确定性的情形,这些不确定性均以凸多面体的形式给出。预测控制器的求解通过在每一个采样时刻优化无穷时域的最坏二次性能指标实现,该预测控制序列在每个采样时刻表现为具有饱和特性的状态反馈控制律,从而使得所形成的闭环系统鲁棒均方稳定。为方便求解,将控制器的求解转化为以线性矩阵不等式形式给出的正半定规划(SDP)问题。数值示例验证了所提方法的有效性。