改进粒子群算法优化的非线性模型预测控制

针对带有有界随机扰动和概率约束的非线性模型预测控制的优化控律求解问题.采用引入粒子滤波重采样步骤改进的粒子群算法,并与粒子的变异操作相结合来求解非线性模型预测控制优化控制律的方法,提高了算法的收敛速度和控制效果.对概率约束的处理,采用对不满足约束的粒子进行有效替代的方法,进而得到满足概率约束条件的优化控制律.仿真结果表明了提出的改进粒子群算法用于优化求解非线性模型预测控制的优化控制律的可行性和有效性.     

采用状态估计的泵控非对称液压缸模型预测控制

针对伺服电机驱动泵控非对称液压缸系统存在约束和鲁棒性差等问题,提出了采用状态估计的模型预测控制策略。根据泵控液压缸系统的原理和实际要求,建立了含输入和输出约束的状态空间模型;引入模型预测控制,避免了阀切换带来的非线性,提高了约束优化控制性能;结合卡尔曼滤波器,补偿了干扰和模型误差的影响,提高了系统的鲁棒性。仿真结果表明,所设计的控制策略能够实现无偏移跟踪,保证输入不超限、输出无超调,且具有很好的处理干扰和模型失配的能力。实验结果中,液压缸位置无超调,相对位置跟踪误差约为0.5%,干扰和模型误差对控制性能的影响很小。可见,所提方法能应用于实际泵控系统,提高输入、输出约束下的控制性能,容许一定的干扰和建模误差。     

汽车主动悬架的约束预测控制

约束预测控制的最大优点之一是能优化被控系统的性能指标，并显式地处理被控系统的约束条件，使之动态满足。以某二自由度四分之一车为例，讨论了汽车主动悬架的约束预测控制(CMPC)问题：依次给出了状态反馈方法和输出反馈方法，并基于预测控制的滚动实施策略，提出了一种自适应约束预测控制方法。仿真结果表明，CMPC主动悬架能在确保操纵稳定性和保持较小作动力的情况下，满足悬架系统的输出约束，同时控制输出得以优化，明显提高了悬架系统的乘坐舒适性。     

采用支持向量机的非对称阀控液压缸模型预测控制

针对非对称阀控液压缸位置控制中出现超调与由阀芯换向引起的压力冲击问题,设计了基于支持向量机与序列二次规划算法的非线性模型预测控制器。采用支持向量机拟合控制信号与活塞速度的关系得到系统的近似模型,使用序列二次规划算法求解获取控制器输出;通过增加输出约束以及满足输入约束实现每次控制过程中阀芯不换向、活塞快速到达目标位置并且无超调。数值仿真结果表明:在相对位置误差信号大于8%时,控制器输出的控制信号始终大于最大控制信号的90%,有效缩短了系统的响应时间;在保证活塞位置无超调、阀芯不换向的条件下,实现了精确位置控制,稳态误差小于0.02%。所提算法实现了多约束条件下非对称阀控液压缸系统的无超调快速控制,具有一定的理论和工程价值。     

汽车阻尼可调半主动悬架混杂模型预测控制

为协调汽车阻尼连续可调半主动悬架舒适性和操稳性之间的矛盾,并考虑减振器阻尼力须满足的非线性约束条件,研究了一种适用于半主动悬架的混杂模型预测控制方法,包括建立半主动悬架单轮车辆模型,提出综合描述舒适性和操稳性的悬架优化控制目标函数及半主动悬架须满足的非线性约束条件。利用混合逻辑动态建模方法描述半主动悬架混杂系统模型,基于模型预测控制理论研究半主动悬架混杂系统的有限时域优化控制问题。为便于问题求解,将非线性约束优化问题转化为包含实值变量和二值变量的混合整数二次规划问题,并借助分支定界算法进行求解。在随机路面和正弦波突起路面进行仿真验证后表明,所提混杂模型预测方法明显优于被动悬架和传统线性二次型调节器算法,能有效提高阻尼可调半主动悬架的综合性能,并在不同的路面输入激励和车速下均能取得较好的控制效果。     

单边三角区间预测控制算法

在实际控制中,为了实现当控制目标偏离上下区间边界时控制器的调节力度可以不同,并且在区间内部时被控变量存在一定控制力度,提出了基于三角软约束的单边区间预测控制算法。此算法在单边区间预测控制算法的基础之上加入了三角区间的软约束,这样既可以有效地提高系统的抗扰动能力,增强控制器的鲁棒性,又能拥有良好的控制效果。通过仿真实验,将此算法与区间模型预测控制算法相对比,证明了此算法具有更优良的控制效果。     

蚁群算法求解独立学院自动排课问题研究

描述设计独立学院自动排课系统时应该考虑的各种约束条件，结合独立学院的实际情况，设计出基于蚁群算法的排课算法。该算法编码简单，易于实现，能够满足排课的各种约束，具有一定的实用性。     

基于动态反馈神经网络的复杂系统预测控制

在分析基于动态反馈神经网络(DRNN:Dynamic Recurrent Neural Network)的模型预测控制策略的基础上,为改善Elman网络辨识高阶系统时的计算复杂性,采用具有局部动态反馈特性的Elman网络进行线性系统状态空间模型的在线辨识.基于跟踪器型性能指标的预测控制器对系统进行滚动优化,并对动态反馈神经网络逼近状态空间模型进行了证明.对过程控制装置三容系统进行了仿真研究,通过离线训练方式获得网络初值的选择.仿真结果表明,此算法能使系统的输出保持期望轨迹,并能有效处理系统本身的输入、输出约束条件.     

基于约束网络的多学科协同设计方法

针对多学科设计问题中约束条件过多过于复杂的情况 ,为了保证设计参数一次选取成功 ,提出了一种基于约束网络的多学科协同设计方法。该方法利用约束网络模型收集分属于不同学科的约束条件 ,并在设计期间监控这些约束关系。提出了反映协同设计需求的数学模型 ,设计了一个通用的一致性求解算法框架 ,并利用了基于区间代数的一致性算法。该方法能够在设计的初期就监控设计过程 ,有效地预报冲突。将该方法应用到铁路车辆的转向架设计中 ,已证明了它的有效性。     

基于PC机平台的预测控制软件包开发与应用

讨论了基于通常使用的PC机平台的实用预测控制软件的开发,该软件具有系统仿真和实时控制两大功能.系统仿真功能实现了对预测控制系统的综合仿真,包括结构扰动、随机扰动对系统的影响和控制器参数调整的作用等,并可对预测控制的作用机理进行仿真分析.实时控制功能能够实现有约束多变量预测控制算法的在线实施问题.开发并实现了该系统模型辨识与预测、多变量预测控制算法及约束处理等模块,可实现对过程控制对象的实时控制.此外,修改了经典DMC算法的移位阵,使之能够直接控制带有接分环节的不稳定对象.实时控制时,结合系统仿真功能和实时控制功能,首先辨识出模型参数,然后离线仿真,选取理想的控制参数,并将这些参数应用于实时控制中.     

基于QP转化的约束非方系统模型预测控制

针对带约束非方系统的控制问题,设计了一种基于标准二次规划(QP)转化方法的快速模型预测控制算法。首先利用非方传递函数矩阵对Diophantine方程进行求解,结合系统的单位阶跃响应矩阵重构系统的预测模型;然后,考虑系统的约束条件,包括输入输出变量、控制增量约束,通过引入松弛变量及等式转化,将模型预测控制MPC过程中的最小化目标函数问题转化为带有不等式约束的标准QP问题,实现最优控制律在迭代过程中的一步求解,从而解决传统控制方法中计算量大、不能够直接应用于在线控制的问题。将本文所提出的方法应用于经典的Kalman非方系统的控制。得到仿真结果表明,该预测控制方法在系统的抗噪声扰动、设定值跟踪等方面均有着较好的性能,同时能满足系统的约束条件,并得到满意的控制效果。     

基于有界干扰Hammerstein 模型的化工过程的预测控制

为了控制一类由Hammerstein模型描述的合有输入约束和有界干扰的非线性化工过程,提出一种鲁棒预测控制策略.该策略分为两步,第一步考虑系统状态不可测的情况,对无约束受干扰的线性模型采用鲁棒输出反馈预测控制方法计算中间变量,其中为了处理干扰,采用二次有界技术设计出能够在线更新的估计误差集合的方法使得系统有界收敛.第二步通过中间变量求解非线性代数方程和采用解饱和的方法得到满足约束的实际控制输入.为了验证方法的有效性,对聚丙烯牌号切换过程进行控制仿真.结果 表明,应用本文的控制策略,不仅能够保证优化问题的递推可行性也能保证闭环系统的鲁棒稳定性.     

基于LMI的鲁棒MPC及其在三容系统中的应用

多容器流程系统的流量系数等往往存在不确定性,基于线性矩阵不等式(LM I:L inearM atrix Inequality)理论和模型预测控制原理,讨论了模型不确定系统的鲁棒MPC(Model Pred ictive Control)算法和准最小最大鲁棒MPC算法。最后给出了对三容系统的仿真结果,并将两种方法进行了比较。结果表明,采用准最小最大MPC方法时系统的性能更优越。     

改进的预测控制算法用于加热炉支管温度控制

加热炉支管温度平衡系统是一个多变量、非线性、强耦合的复杂过程,当应用传统预测控制方法时,控制量的获得需要在线求解一个多变量、多约束的非线性规划问题,传统非线性规划方法求解该类问题时易收敛到非法解或局部极小。针对上述问题提出一种基于差分进化(differential evolution,DE)算法的预测控制,使用DE算法在线求解涉及的优化问题获得控制量。为了验证方法的有效性,对基于DE算法的预测控制器进行了仿真研究。仿真结果表明,所提出的方法有着很好的跟踪性能,并且对干扰有较强的鲁棒性,提高了系统的控制效果。     

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.     

自适应模型预测控制的车道保持控制策略

建立车辆侧向动力学模块、车辆传感模块、道路曲率预瞄模块.在传统模型预测控制(MPC)算法的基础上,利用辛普森法则,结合车道保持优化性能指标和系统约束,设计基于自适应模型预测控制的车道保持控制策略.在Simulink环境下,将其与基于传统模型预测控制器进行比较分析.仿真结果表明:相较于模型预测控制,自适应MPC能够在各控制周期实现车辆模型更新,在强非线性工况下具备较好的鲁棒性,进而能够保证行车安全的前提下,获取较好的乘坐舒适性.     

基于MPC的车道保持系统转向控制策略

针对汽车的自动车道保持系统,研究了基于模型预测控制(MPC)的转向控制策略.对车辆的侧向动力学和轮胎的侧偏特性进行分析,研究了以位移偏差、横摆角偏差和两者微分项为状态变量、前轮转向角为控制输入的侧向动力学模型;在该模型的基础上,建立了车道自动保持控制的优化性能指标和系统约束,引入了平滑的期望参考轨迹,设计了基于MPC的转向控制策略.仿真试验证明,在不同车速下,该控制策略均能迅速消除侧向位移偏差和横摆角偏差,保证车辆沿着车道中心线行驶,并有效平滑系统的动态响应,具有较好的适应性和鲁棒性.     

基于Anytime算法的模型预测控制器的优化反馈调度

模型预测控制器可以实现为具有Anytime算法特征的模型预测控制（MPC）任务,它允许在执行时间和控制性能之间进行折衷．文中针对一组MPC任务,提出一种优化反馈调度算法（FS-CBS）,在有限处理器时间约束范围内使全局控制性能最大化．该算法为每个MPC任务分配了一个恒定带宽服务器（CBS）,并对CBS所预定的处理器时间进行动态调节,同时通过约束条件保证整个任务集的可调度性和各组分的稳定性．仿真结果表明,该算法对MPC运行时的执行时间变化不敏感,明显优于基本的CBS算法．     

实时控制系统一种基于模型预测控制的反馈调度

提出一种基于模型预测控制(MPC)的反馈调度算法(FS-MPC),可以在有限计算资源的情况下改进实时控制系统的性能.将被控的实时调度过程模型化为受约束的任务集密度控制问题.在FS-MPC算法中,约束条件保证任务集在最早截止时限优先(EDF)算法下是可调度的;同时,MPC的优化目标通过减小控制任务的截止时限使整个任务集的密度尽可能接近100%,从而提高控制任务的优先级,降低输出抖动.仿真结果表明,在有限计算资源的情况下,FS-MPC显著地降低了由调度过程引起的控制性能损失.     

PMSM调速系统新型抗扰动模型预测控制策略

提出一种基于灰预测理论的抗扰动模型预测控制方法。首先推导出模型预测控制系统中干扰量与输出误差之间的解析关系;利用系统已知输出误差建立稳定灰预测模型,预测系统未来时刻的输出误差;根据干扰量与输出误差之间的关系,采用反馈输出误差预测值的方法,实现对系统干扰量的前馈补偿控制。对模型预测控制PMSM调速系统进行仿真实验,选择出干扰观测器抗扰动方法中的最优干扰模型结构;对两种抗扰动方法比较分析得出,基于灰预测理论的抗扰动模型预测控制不需要考虑干扰模型结构,简化了系统设计、提高了系统自适应性,同时能够获得与优化干扰观测器模型预测控制一样的性能。