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。     

灰色系统理论在需水预测中的应用

本文将灰色系统引入需水预测中，探讨了ＧＭ及其多个改进方法在需水预测中的应用１，并提出了带有时间因子的非线性ＧＭ。文中给出某一缺水城市工业需水的多种预测方法对比，算例表明ＧＭ及其线性改进算法不宜直接用于需水预测，而非线性ＧＭ及本文提出方法具有较佳的预测效果。     

目标识别的灰色工程方法研究

灰色系统理论是研究贫信息系统分析、建模、预测、决策、控制的有效工具,在工程技术、社会、经济等领域应用广泛.探讨了灰色系统理论在目标识别中的应用问题,提出了目标识别的灰色关联算法、灰色统计算法、灰色聚类算法及灰色统计聚类算法.     

基于广义预测算法的直接转矩控制仿真

针对电动汽车电机驱动控制系统结构复杂且系统性能受负载不确定性影响的缺点,提出了一种用于永磁同步电动机广义预测控制方法。从驱动系统动力学方程出发,建立了不依赖电机控制参数的驱动系统CARIMA模型,并采用广义预测算法对驱动系统的给定转矩进行了控制;为了获得良好的变速性能,实现了基于GPC的PMSM驱动系统的直接转矩控制;最后对系统变速过程进行了仿真。仿真结果对比表明,这种控制结构和方法能够实现对转矩变化的有效控制,使速度变化具有较好的平缓控制效果,在工程实际中有很大的应用潜力。     

自适应灰色预测控制的稳定性与仿真研究

基于灰色预测和在线切换算法的研究,提出一种自适应灰色预测控制方法,该方法根据控制系统不同周期的输出误差值,自适应调整灰色预测控制器的预测步长,提高系统输出非平稳时间序列的光滑度,减少其随机性,以改进系统的暂态和稳态性能.并基于线性时不变对象,推导了该类自适应预测控制系统数学模型,给出其收敛的充分条件.最后,通过实例仿真分析证实了本方法控制精度高,鲁棒性强,具有良好的应用价值.     

线性状态多时滞系统鲁棒故障诊断滤波器设计

研究一类具有外部扰动的不确定线性时滞系统的鲁棒故障诊断滤波器设计问题。通过引入一种广义坐标变换,使得线性连续状态多时滞系统变为输出灌入(outputinjection)系统;据此,引入一种体现残差对故障信号具有灵敏性同时对不确定性扰动具有鲁棒性的性能指标,应用H∞最优控制理论,借助线性矩阵不等式(LMI)技术设计系统的状态全维鲁棒故障诊断滤波器,并给出该滤波器问题解的存在条件和求解算法。最后给出一个仿真算例,仿真结果表明了该算法的有效性和可行性。     

不确定条件下卫星鲁棒性调度问题

在对地观测卫星调度过程中，存在着很多不确定性因素，其中云层覆盖变化是主要的不确定性来源。本文针对考虑云层覆盖不确定性的卫星调度问题，借鉴了连续函数的鲁棒性优化思想，提出了一种基于邻域的鲁棒性指标，用于衡量卫星调度方案的鲁棒性。在此基础上，建立了卫星鲁棒性调度的CSP模型，设计了基于分级优化策略的随机变邻域禁忌搜索算法。实例研究表明，本文提出的模型和求解算法能够在保证调度方案性能的基础上，获得鲁棒性强的调度方案。     

应用灰色系统预测理论建立年用电量预报方程

本文应用新近创立的灰色系统理论对某电力系统年用电量的变化和增长作了分析和描述,应用灰色信息预测预报理论对该电力系统现有的年用电量时间数据序列进行了数据处理并建立了电力系统年用电量预测的数学模型。     

基于灰色系统理论的数据挖掘技术

利用灰色系统理论是研究贫信息系统分析、建模、预测、决策、控制的有效工具的特性,针对系统样本数据量不大或有残缺,样本数据更新变换快,整体数据规律相当复杂,而在某一时间或空间的数据却有很强的规律性之类的贫信息灰色系统中的数据挖掘课题,探讨了灰色系统理论与技术在数据挖掘中的应用问题,提出了贫信息灰色数据挖掘的灰色关联算法、灰色统计算法、灰色聚类算法、灰色统计聚类算法,并提出了灰色系统数据挖掘的体系结构。     

球磨机制粉系统建模及广义预测控制的研究与应用

双进双出球磨机制粉系统作为火电厂里重要的发电设备,具有非线性、多变量、强耦合、大时滞的特点.从机理法出发,建立球磨机的机理数学模型,并在机理数学模型的输入变量加入一定量的扰动,给出阶跃扰动测试,建立出球磨机系统的传递函数模型.结合作为工业过程控制中应用最广泛的基本控制律—PID控制,在一般广义预测控制算法的基础上,将具有比例积分微分结构的广义预测控制算法俨ID-GPC)首次应用到球磨机上,通过对河北龙山某电厂300 MW大型单元机组负压运行球磨机制粉系统的仿真表明,该算法较一般前馈解耦PID控制具有更好的鲁棒性,更宜于工业应用.     

陀螺稳定平台非线性摩擦的灰色滑模控制

为了减小摩擦扰动对陀螺稳定平台伺服跟踪性能的影响,设计了一种灰色滑模控制器。以某型号导引头陀螺稳定平台为实际对象,分析了系统中摩擦的非线性特性,从机械和控制两方面探讨了减小摩擦的措施。基于稳定平台的单轴控制模型,设计了滑模控制律,采用GM(1,1)灰色预测算法估计扰动量,将其作为控制律中的补偿分量,同时应用灰色预测方法对滑模控制策略进行预测输出,有效地减弱了滑模控制的抖动现象。在陀螺稳定平台上实际测试表明,该灰色滑模控制能够在无系统摩擦模型的情况下,有效减小摩擦扰动对系统控制的影响,与PID控制相比,明显提高了控制系统的鲁棒性和稳态精度。     

空中雷达目标的灰色预测

对空中飞机、导弹目标的航迹点的预测在作战中非常重要 ,但在数据非常有限的情况下 ,准确地预测又很困难。提出了用灰色系统理论进行飞机、导弹目标的航迹点预测的方法 ,并利用实际测得的飞机航迹点数据进行了验证 ,具有很高的精度。这种灰色预测模型对飞机、导弹目标的航迹点的预测具有重要意义。详细介绍了灰色预测方法并分析了预测误差及其实用价值。     

使用模糊转换器的并联机器人神经元控制

针对液压并联机器人系统存在的大不确定性及干扰,特征参数随工况及环境的变化而产生大幅度变化的特点,本文将模糊信息处理与神经元非模型控制方法相结合,设计出一种模糊转换器,提出了使用模糊转移器的神经元控制方法,对机器人的液压主动关节进行控制。仿真实验表明,这种非模型控制方法具有很强的鲁棒性和自适应性及抗干扰能力,是一种有效的液压并联机器人控制新方法。     

基于核和灰度的区间灰数预测模型

在灰色系统理论研究领域,以“灰数”序列为建模对象的灰色预测模型的研究还较为缺乏。以区间灰数的“核”序列为基础建立预测模型,实现未来区间灰数“核”的预测,然后以“灰度不减公理”为理论依据,以“核”为中心拓展得出区间灰数的上界和下界;在不破坏区间灰数独立性和完整性的前提下,实现了区间灰数预测模型的构建;算例分析验证了该模型的有效性及实用性;区间灰数预测模型对丰富与完善灰色预测模型的理论体系、拓展灰色预测模型的应用范围,均具有十分重要的意义。     

预测函数控制及其应用研究

介绍并分析了预测函数控制（PFC）的基本原理和特点，给出了一阶加纯滞后系统的预测函数控制的具体算法。将PFC和PID控制相结合，提出了PFC－PID串级主汽温控制策略。系统的内回路采用PID控制，内回路和主调节区对象构成PFC的广义被控对象，对广义被控对象进行拟合简化得到一阶加纯滞后对象，作为PFC的预测模型，算法简单；预测模型失配时，系统仍具有良好的控制品质，易于工程实现，具有较高实用价值。大量仿真实验表明，，采用PFC－PID串级控制策略的主汽温控制系统的动态品质明显优于采用PID串级控制策略的系统，具有较强的鲁棒性和抗干扰能力。     

基于模糊干扰观测器的轨迹线性化控制研究

针对一类非线性不确定系统,基于轨迹线性化控制(TLC)方法及模糊干扰观测器(FDO)技术研究了一种新的非线性控制结构。利用模糊系统具有以任意精度逼近非线性函数的能力设计FDO对未知干扰和不确定进行估计,并通过鲁棒控制项来提高系统的性能。采用Lyapunov方法,证明了跟踪误差和干扰观测误差一致最终有界。最后利用提出的控制方案针对数值算例进行了仿真验证,仿真结果表明了控制方案的有效性和鲁棒性。     

灰色预测模糊PID控制在汽温控制系统中的应用

将灰色预测、模糊控制与常规PID控制三者的设计思想融合起来，提出了一种灰色预测模糊PID控制算法。该算法首先通过建立模糊规则和进行模糊推理来确定PID控制器的参数，然后由PID控制律直接确定控制作用，再将灰色预测在线应用，用其预测结果代替被控对象测量值进行控制运算。仿真结果表明，利用该算法设计的汽温控制系统比应用模糊PID控制设计的汽温控制系统具有更加优良的性能。     

灰色正交化方法在用电量预测中的仿真研究

根据灰色正交化方法和马尔可夫链原理,应用Gauss-Chebyshev正交化思想预测时序数据的总体趋势。预测的精度是时变的,而马尔可夫链原理在处理时变的系统过程时具有较好的优势,选用该方法能更好的解决预测结果的不稳定性。基于此,提出一种用于用电量数据预测的灰色马尔可夫正交化模型,适用于中短期、数据需求量少且数据振幅较大的动态过程预测。最后用提出的方法对江苏省2007年工业用电量进行预测,其结果表明了所提方法的有效性。

Abstract：

The general trend of time series data was predicted with Gauss-Chebyshev orthogonalization theory according to the grey orthogonalization method and the Markov Chain theory.The prediction accuracy is time-varying.However,this approach will better solve the problem of unstable prediction result since Markov chain theory has greater advantages in handling time-varying system process.Based on this,the Markov grey orthogonalization model prediction was proposed for electricity consumption.It is suitable for dynamic process prediction in medium and short term with less data demand and large data fluctuations.Finally,the proposed approach was used to forecast the industrial electricity consumption of Jiangsu Province in 2007,and the results show the effectiveness of this approach.