一种增广的Laguerre模型自适应预测控制算法

论文在简述基于Laguerre函数近似模型的自适应预测控制原理、算法的基础上,将现有的仅适用于开环稳定系统的预测控制算法进行扩展,提出一种增广的Laguerre函数模型自适应预测控制算法。该算法对于开环不稳定系统和非最小相位系统同样适用。仿真结果表明基于Laguerre函数模型的预测控制方法对控制变时延、变阶次对象具有较好的鲁棒性。     

一种含积分环节系统多步预测多步控制的算法

利用Laguerre正交函数序列对空间函数的良好逼近特性,建立了线性动态系统的Laguerre函数近似模型,该模型不需要对象的阶次和时延等结构知识,通过在线辨识对象的Laguerre系数矩阵,能较好地逼近结构未知系统。另外探讨了含积分环节单变量系统的多步预测和多步控制算法,并进行仿真,结果表明该算法具有较好的控制性能。     

基于Laguerre函数模型的大纯滞后系统预测控制

分析了Laguerre函数模型的特点 ,将系统的大纯滞后划分为已知和不确定两部分 ,这会大大减少Laguerre函数模型的参数。给出了基于Laguerre函数模型的自适应单值预测控制算法。仿真结果表明 ,该算法对大纯滞后系统的控制非常有效 ,鲁棒性好 ,仅需要很少的先验信息 ,计算量小 ,易于应用     

多模型块结构Laguerre函数预测控制在再热汽温系统中的应用

为了降低传统预测控制计算负荷并解决被控对象非线性的问题,融合Laguerre函数、块结构思想与多模型控制技术,提出了一种新型预测控制方法,并将其应用于超临界机组再热汽温系统.针对实际再热汽温系统经济性差的问题,通过改进传统预测控制目标函数,提出了集成经济性的性能指标.仿真结果表明,多模型块结构Laguerre函数预测控制方法可以完全关闭喷水阀门以提高机组经济性,在不同负荷点上均可得到优良的控制效果,计算负荷明显降低.工程应用结果表明,无论是在稳定负荷还是变负荷情况下,该方法均可以有效减小再热汽温波动范围,减少事故喷水量,提高再热汽温系统的安全性、稳定性和经济性.     

基于Laguerre函数模型的大纯滞后系统预测控制

分析了Laguerre函数模型的特点，将系统的大纯滞后划分为已知和不确定两部分，这会大大减少Laguerre函数模型的参数。给出了基于Laguerre函数模型的自适应单值预测控制算法。仿真结果表明，该算法对大纯滞后系统的控制非常有效。鲁棒性好，仅需要很少的先验信息，计算量小，易于应用。     

一种基于非线性Laguerre模型的预测控制算法

利用Laguerre正交函数逼近非线性动态系统的各阶Volterra级数核 ,建立了系统的Laguerre非线性模型 ,在此基础上推导出基于该模型的非线性系统预测控制算法 ,对一类Wiener非线性系统的控制 ,进行了仿真研究。     

基于Laguerre 函数近似模型的多变量系统增量型预测控制的算法

探讨了基于Laguerre函数近似模型的多变量系统的增量型多步预测、多步控制算法 ,并进行了仿真 ,结果表明该算法具有较好的控制性能     

基于特征模型的预测函数控制

传统的预测函数控制通常采用一阶的预测模型,该预测模型不能完全表征被控对象,因此使得传统的预测函数控制的鲁棒性受到一定限制．特征模型是一种比动力学模型简单,但能表征被控对象特征的模型．该文针对预测函数控制算法的缺陷,提出利用二阶特征模型来构成预测模型．通过工程建模获取了被控对象的特征模型,实现了基于特征模型的新型预测函数控制,并通过与采用一阶预测模型的预测函数控制进行比较．理论分析与实验结果均表明,采用特征模型的预测函数控制具有比一阶预测模型更好的控制效果,该算法在SUPCON-JX300X集散控制系统上实现．     

非线性系统的非结构模型和基于它的广义预测控制器

利用离散Laguerre函数的有关性质,给出了一类离散非线性系统的一个非结构模型;将之用于非线性过程广义预测控制器的设计,得到了一个适用于该类非线性过程的广义预测控制算法,并举例说明该算法的有效性。     

基于Laguerre函数模型的预测控制算法

在简述基于Ｌａｇｕｅｒｅ函数近似模型的自适应预测控制原理、算法及其特点的基础上,将现有的多步预测、单步优化的控制算法扩展为多步预测、多步优化的控制算法,并与传统的广义预测控制（ＧＰＣ）作了比较研究,结果表明基于Ｌａｇｕｅｒｅ函数模型的预测控制方法对变时延、变阶次被控对象的控制鲁棒性明显优于广义预测控制     

基于模糊模型的大范围预测平均控制器

将预测控制思想推广到模糊模型，导出一一类基于模糊模型的大范围预测平均控制算法，仿真结果表明，当被控对象为一复杂动态过程时，此类算法明显优于单独模糊控制器和单独的预测控制器。     

鲁棒线性规划在预测控制中的应用

研究了在稳态模型不确定情况下有约束的多变量预测控制系统的稳态目标计算问题。根据统计学的原理考虑模型参数的变化 ,确定出系统稳态益阵可能变化的最大范围 ,将原来的线性规划问题转化成鲁棒线性规划问题 ,并利用求解二次锥规划问题的方法解决新的规划问题。在Shell塔模型上的仿真实验证明 ,稳态目标计算采用鲁棒线性规划的控制系统更加稳定可靠 ,而且能够满足经济优化要求     

基于增广状态空间法的稳定平台离散模型预测控制

针对旋转导向钻井稳定平台存在的摩擦问题,提出了将增广状态空间模型与模型预测控制相结合的稳定平台离散预测控制算法,以提高平台系统的控制精度和稳定性.建立了带摩擦的稳定平台广义被控对象的数学模型,以增广形式的状态空间模型为基础,结合滚动时域控制原则,通过对稳定平台离散模型的状态空间形式进行增广变换,设计了增广状态空间模型下的预测控制器.仿真结果表明,稳定平台预测控制系统保证了钻井工程对控制精度和动态特性的要求,并且对有摩擦干扰力矩及模型参数摄动具有较强的鲁棒性.     

工作流管理系统中的模型分析与实例转化

在定义工作泫模型、过程对象、过程实例、对象实例等工作流管理系统基本组成部分的基础上,建立了基于二元组的工作流主模型和基于复合三元组的工作流模型向过程实例的转化模型,并给出了相关的逻辑分解过程和转化路线。在此基础上,提出了工作流实施过程中的2种协调方式,并重点对基于模型的工作流协调原理和协调方法进行了深入分析。根据实用的需要,给出了基于模型分解和实例转化的工作流运作实例。     

智能数据预处理在浮选过程中的应用

针对反浮选过程的被控对象复杂、数学模型不确定以及控制要求高等特点，提出一种基于主元分析和模糊聚类的数据预处理算法。采用模糊C均值聚类算法得到聚类中心，进行线形回归从而对过程变量数据进行了预处理。主元分析法则用采进行辅助变量的选取和输入高维向量的降维简化．针对主元变量采用径向基函数网络建立了系统经济技术指标的预测模型。根据工业实际生产数据进行的模型校验和误差分析表明，能够满足浮选过程控制的精度要求。     

跟踪误差的增量式模型预测控制

针对一类工业生产过程中实时跟踪问题,本文提出一种增量式模型预测控制算法,其基本思想是在预测模型中根据跟踪误差采用速度响应来建立预测模型,并在预测模型中采用控制量的增量软约束和在线滚动优化方法使其二次性能指标达到最优。理论分析和Matlab仿真实验结果表明,该控制算法能获得良好的跟踪性能、平稳的被控对象动态响应以及更强的闭环系统鲁棒性。     

预测控制中预测方程的两种基本形式及其转换

根据控制对象的状态空间模型．将预测方程归类为两种基本形式，在此基础上导出各种预测方程，揭示预测方程之间的关系．并明确各预测方程之问可能的转换方法，为进一步改进和灵活应用预测控制提供理论依据。     

动态矩阵控制在飞翼无人机自动着陆时的应用

进场着陆是飞行的复杂阶段,虽然仅占整个飞行的2%～3%,却大约有1/3的飞行事故发生在此阶段。无尾飞翼无人机着陆下滑时对飞机的速度和姿态具有很高的精度要求,但有时仅靠油门控制飞行速度不能满足要求。针对这一情况设计了一种升降舵加阻力方向舵模型预测控制系统。先采用PID控制加快被控对象的响应速度,在此基础上建立基于动态矩阵控制(DMC)算法的模型预测控制器。DMC的在线优化和反馈校正等特点有效地提高了系统的整体性能。仿真结果表明,与经典PID控制器相比,该系统能够更好地跟踪下滑轨迹,提高无人机的动态响应,并且严格控制下滑速度。     

基于自适应神经模糊推理系统的连续搅拌反应釜系统的改进广义预测控制

连续搅拌反应釜(continuously stirred tank reactor,CSTR)是典型的非线性、大滞后的化工对象。为克服传统控制方法难以建立其机理模型的难点,基于对实际工业现场采集得到的大量输入输出数据,提出采用自适应神经模糊推理系统(adaptive-network-based fuzzy inference system, ANFIS)的方法,得到CSTR系统较理想的输入输出关系规则库,即CSTR系统的T-S模糊模型。最后,通过改进的广义预测控制(Jin’s generalized predictive control, JGPC)算法对CSTR系统的浓度进行控制,并与常规的广义预测控制(generalized predictive control,GPC)算法、比例-积分-微分(proportion integral differential,PID)控制算法进行对比,仿真结果显示,JGPC算法的控制效果优于GPC算法和PID控制算法,证明了方法的有效性。     

智能优化算法在复杂模型寻优中的研究

针对建立的钢板轧制过程中的中厚板凸度预报多参数复杂模型,分别采用BP算法、BP改进算法、混沌算法和粒子群算法进行寻优并对结果进行比较。实验结果表明,该模型切实可行,在模型优化中,混沌算法和BP算法寻优速度慢,精度不高,粒子群算法寻优速度和精度均有相应提高,BP改进算法寻优速度和精度均为最优。