纸机先进控制算法研究

提出了纸机定量水分集散控制系统的软硬件整体控制方案，并采用前馈解耦、前馈补偿及串级控制等手段。有效克服了纸页生产过程中普遍存在的水分定量耦合、纸浆浓度变化及蒸汽压力波动等不利因素对纸机控制的影响，针对系统存在大纯滞后等特点，在主控制器中同时实现了广义预测控制、动态矩阵控制及改进的Smith预估等先进控制算法，并有效解决了上述各种控制模式（包括手动、PID等常规控制模式）间的快速无扰动切换问题，通过仿真实验，证明了各控制模式及快速切换算法的有效性，将上述控制方案及算法应用于1760型纸机，控制性能明显提高，同时有效降低了水分与定量偏差，断纸现象也大大减少。     

基于神经网络的非线性前馈补偿广义预测自校正控制器

采用多层前馈网络结构进行动态建模,并用Ｄａｖｉｄｏｎ最小二乘法作为在线学习算法,将辨识后得到的模型进行线性化．基于线性化模型设计广义预测控制器。将其与非线性前馈相结合,建立了一种适合于非线性系统的前馈补偿广义预测自校正控制器．仿真结果验证了本控制器对非线性系统控制的有效性     

可测干扰过程的预测控制性能监控

将预测控制可达性基准推广到了具有可测扰动的控制回路,得出了预测控制前馈-反馈可达性基准。它可以作为对可测干扰的预测控制回路监控和评估的基准,并和其他基准联合使用对控制回路进行监控,得出前馈的加入对系统性能的影响程度;根据此基准可以构造多种形式指标对性能进行监控。     

DMC算法在监控层嵌入到DCS层组态软件中的技术

提出了预测控制算法在监控层嵌入到DCS层组态控制软件中的应用技术。论述了该技术及其应用在某热电厂CFBB过热汽温控制中的技术方案,包括汽温对象特性描述及常规控制方案分析,改进的汽温控制方案设计。该方案将喷水减温执行机构的非线性特性的增益调度补偿、具有前馈-反馈结构的DMC预测控制和DMC-PID串级预测控制等先进控制技术综合应用,获得了良好的现场工业应用实验效果。     

基于神经网络算法的单框架控制力矩陀螺系统复合控制

提出一种基于双神经网络的前馈?反馈控制系统，采集单框架控制力矩陀螺系统在不同条件下的运行数据并使用卡尔曼滤波处理，基于神经网络构建了涵盖控制通道与干扰通道信息的虚拟广义被控对象模型，由此设计了神经网络前馈补偿器。实现了前馈补偿器?原反馈控制器的复合控制系统，减少了传统的前馈?反馈复合控制需要精确地获取干扰通道信息的约束，能够克服单框架控制力矩陀螺系统存在的复杂干扰对控制性能的影响。仿真结果表明了方案能够提升系统稳态精度，减小稳态误差，改善控制动态性能。     

PMSM广义预测前馈控制器

为解决PMSM驱动器的硬性约束问题,特别是驱动器必须保证强大的电机电流的限制及终极驱动力的动态性能,提出一种广义预测(GPC)极点配置前馈控制算法.该方法以前馈控制器的结果作为GPC的一个极点,选择适当的惩罚矩阵,只有在极点附近GPC控制才能提高对前馈控制器的作用.使用10.7 k W的样机验证该理论.实验结果表明:与传统的PI矢量控制相比,基于GPC的前馈链路数字化控制器效果更优.     

基于模糊神经网络的PI自适应控制器

利用模糊神经网络的模糊推理能力以及前馈神经网络的逼近能力 ,将其与自适应控制方案结合 ,并取带有控制增量约束的广义目标函数作为优化指标 ,从而推导出一种能对非线性非最小相位系统进行有效控制的模糊神经网络间接自适应控制器。在网络学习算法上采用带有动量项的BP算法。仿真结果表明了该方法的有效性。     

基于预测推理的蒸馏组分控制

用在线测量变量预测将来产品组分,关键是前馈控制的实现。迭代模型或相关的控制标识可以改善控制系统的性能。仿真结果表明,预测推理控制策略与其它控制方案具有一定的优越性。     

GPC-PID串级控制及其在DCS中的应用

将广义预测控制与ＰＩＤ控制相结合，提出了ＧＰＣ－ＰＩＤ串级控制方案，适用于具有大滞后，慢时变和干扰频繁的场合，该方案在加热炉集散控制系统中获得了成功的应用。     

广义预测PID控制算法

本文根据广义预测控制(Generalized Predictive Control,简写GPC)与PID控制控制律结构的相似性,通过对广义预测控制性能指标函数中控制加权序列Qj(z-1)的配置给定,导出了具有PID算法结构的广义预测控制律。从而借助广义预测控制算法参数的递推关系链,自动优化整定PID调节参数,并实施广义预测PID控制。     

基于预测状态空间实现的前馈GPC及其应用

在ＣＡＲＩＭＡ模型基础上，推导出预测状态空间实现．建立了预测状态与系统模型结构参数之间的直接关系，并据此得出前馈ＧＰＣ控制律，形成递推算法     

基于神经网络的永磁同步电机广义预测控制

介绍了一种基于神经网络的永磁同步电机矢量控制系统的广义预测控制方法.通过分析永磁同步电机数学模型,采用带有延时结构的多层前向神经网络作为预测模型,进行非线性广义预测控制.控制算法是基于非线性激励函数的局部线性思想,将预测模型处理成线性和非线性两部分,并用线性预测控制方法求得控制律,简化了计算.仿真结果表明,利用该法建立的永磁同步电机调速系统,具有良好的控制效果.     

并列运行电站锅炉主蒸汽温度先进控制

针对电站锅炉具有大惯性、大纯滞后、强干扰等特点，采用最小二乘和相关系数辨识相结合的方法建立系统数学模型；构造带前馈的串级控制器调节主蒸汽温度，控制器外环采用阶梯式广义预测控制，内环为PID（proportional—integral—derivative）控制；设计并使用了智能监督级，保证了先进控制的投用率．实际运行情况表明，该先进控制系统具有良好的控制品质．     

一种自校正前馈控制器及其全局收敛性分析——用于具有任意交互矩阵的随机多变量系统

使用系统的交互矩阵并将广义最小方差控制律和前馈控制结合起来提出自校正前馈控制器。该控制器采用轻微修改的最小二乘估计,不仅能控制具有任意交互矩阵的随机多变量系统而且可以对可测干扰实现动静态补偿。本文还证明了该算法具有全面收敛特性。     

用DCS的算法模块组合实现广义预测控制算法的设计方法及仿真验证

本文提出一种在较复杂对象的情况下如何只采用DCS的算法模块就能组合实现广义预测控制算法的设计方法及其参数的整定方法。为了表明所提出的这种用DCS层组态控制软件模块实现模型预测控制算法的方法的有效性,以非最小相位过程和具有再循环和纯迟延的复杂过程两类复杂对象为例进行了仿真研究,仿真测试表明提出的控制算法可提供类似于广义预测控制的控制性能。     

基于神经网络的车用发动机广义预测控制

为了改善具有非线性特性的发动机燃油控制效果,以达到高效率、低污染的要求。利用一种前向神经网络作为非线性系统的模型,并将其分为线性部分和非线性部分。其中非线性部分用单隐层的BP神经网络对其建模,采用学习速度较快的Davidon最小二乘法在线调整网络权值;线性部分采用受控自回归积分滑动平均(CARIMA)模型作为其数学模型,用递推最小二乘法(RLS)作为其参数辨识的方法。每步将所得非线性系统的网络模型线性展开,得到线性回归模型,并以非线性前馈增益方式补偿建模误差,建立了一种适合非线性系统的自校正广义预测控制器。仿真结果表明该算法收敛速度快,控制动作平稳,控制效果理想。     

PMSM的基于神经网络非线性预测控制

采用三层前向神经网络作为PMSM转速预测模型,对PMSM进行非线性预测控制.先通过离线训练获得初始预测模型,再在线对神经网络模型的权值和阀值进行调整;控制算法是将预测模型处理成线性和非线性两部分,并用一种快速线性预测控制方法求取控制律,大大减小在线计算量和提高控制的实时性.最后仿真结果表明该方法具有良好的动、静态特性和抗干扰能力.     

实时广义预测控制器在冷连轧机张力控制系统中的应用

针对广义预测控制在冷连轧张力中受到的实时性限制，直接给出Diophantine方程的求解公式及证明。以避免其在线递推求解，大大减少了广义预测控制器的运算负荷，有利于其在快速系统中的应用．仿真研究表明，该方法能大大缩短在线运行时问，进一步体现了广义预测控制的应用潜力．     

广义自校正前馈控制算法

本文基于带积分因子的ＣＡＲＩＭＡ模型，将自校正控制策略与极点配置策略有机结合起来，提出了能够在线选择加权项的广义自校正前馈控制算法．该算法由于引入了积分作用能够消除跟踪误差，具有较强的鲁棒性．在非最小相位系统给出了算法的全局收敛性证明．     

Parameter Self - Learning of Generalized Predictive Control Using BP Neural Network

This paper describes the self—adjustment of some tuning-knobs of the generalized predictive controller(GPC).A three feedforward neural network was utilized to on line learn two key tuning-knobs of GPC,and BP algorithm was used for the training of the linking-weights of the neural network.Hence it gets rid of the difficulty of choosing these tuning-knobs manually and provides easier condition for the wide applications of GPC on industrial plants.Simulation results illustrated the effectiveness of the method.