一类多状态时滞不确定系统的鲁棒预测控制

针对一类多状态时滞多面体不确定对象,提出了一种鲁棒预测控制算法。基于参数相关的李亚普诺夫函数,给出了系统稳定的充分条件。通过求解满足若干线性矩阵不等式条件的上界值的最优化问题,获得了约束范围内满足系统鲁棒性能的最优控制律。优化问题的可行性保证了算法的鲁棒稳定性。仿真实例证明了该算法的有效性。     

简化稳定广义预测控制算法

讨论了一种简化的无穷广义预测控制算法,算法在被控对象稳定的条件下可以保证闭环系统的稳定性.使用收缩原开环系统极点的方法使原系统稳定,然后针对这个稳定广义系统推导了无穷广义预测控制率,理论分析证明可以保证开环不稳定系统的闭环稳定性.该算法可以得到控制率的显式解,不用递推求解Diophantine方程,大大减小了过程计算量,具有一个意义明确的可调参数,适用于不稳定,非最小相位和纯滞后系统.对几类不稳定过程的数值仿真结果说明了该方法的有效性.     

Markov跳变系统的单步约束预测控制

针对离散Markov跳变系统,研究带输出约束的单步预测控制问题。首先设计基于模态的单步预测控制器,驱动系统状态到达相应的终端不变集内,以此保证约束预测控制系统的稳定性,接着进一步讨论了系统存在峰值有界噪声输入情形。其中终端不变集是通过在预测时域外寻求一个虚拟的带约束的状态反馈控制器以保证系统的随机稳定性来获得,为计算方便,控制器的优化问题转化为SDP问题,并得到以LMI描述的优化问题。最后对Markov跳变系统描述的经济学动力系统的仿真结果说明了本控制器设计方法能够在峰值有界噪声输入下保证系统的稳定性,并且使控制变量满足给定的约束条件。     

基于混沌和RBF神经网络的短时交通流量预测

针对传统的应用数学模型方法在短时交通流预测精度和实时性方面存在的问题，论文从非线性时阅序列的角度对短时交通流量预测进行探讨，提出采用基于混沌理论的RBF神经网络预测方法。首先在采用小数据量的Lyapunav指数计算方法判定交通流存在混沌的前提下，对交通流量数据进行相空间重构。构建了RBF神经网络，并对模拟产生的Lorenz和Rossler混沌时间序列数据以及实际采集的高速公路交通流量数据进行了仿真研究。结果表明，该方法对模拟产生的混沌时间序列具有很好的预测效果，在交通流量的短时预测上也具有较高的预测精度。     

电厂湿法烟气脱硫过程优化控制研究

深入研究了具有混杂系统特性的电厂湿法烟气脱硫(WFGD)过程的优化与控制问题;运用混合逻辑动态的建模方法(Mixed Logical Dynamic)建立了WFGD过程的MLD模型,基于MLD模型的预测控制方法把WFGD过程优化问题转化为实时求解混合整数规划(MIQP)问题,实时给出了WFGD过程优化运行的连续决策变量(吸收塔浆液的PH值设定)和离散决策变量(循环浆液泵开启台数)的最优解;用同样方法实现WFGD过程基础回路级中具有非线性动态的PH对象的控制;仿真表明基于MLD模型预测控制方法很好地解决了WFGD过程的优化与控制问题。     

无网格法与有限元法的比较教学

在有限元法的教学中同时向学生介绍无网格法的基本原理,比较有限元法和无网格法的计算结果,可使学生清楚地认识到应用广泛的有限元法的局限性,以及无网格法在某些特定领域的潜在应用前景.     

基于引入技术指标的Elman网络的股市预测

利用能够反映动态系统特性的Elman回归神经网络,结合传统的技术分析方法,通过对股票市场的技术指标的建模,寻求股票价格的变化规律,实现对股票价格的预测.实验结果表明,Elman网络具有较好的的逼近性能,能够实现对股票市场的预测.因此,引入技术指标的Elman神经网络用于股市预测是可行、有效的,具有很好的应用前景.     

滑动平均法改进型灰色预测模型在德山开发区电力负荷预测中的应用

利用灰色控制理论对德山开发区电力需求量进行预测.用生成方法对原始数据进行处理,消除了影响电力需求量的众多非重要因素,并从原始数据中挖掘有用的信息,建立微分拟合方程,基于残差修正提出滑动平均法改进型灰色预测模型,增加当年数据的权重,避免数值的过度波动.德山开发区电力负荷预测结果表明该模型能有效提高预测精度.     

利用克立金方法预测湿地水质的变化趋势

将空间域上的克立金方法延伸到时空域中,得出当时间信息量大于空间信息量时区域化变量的无偏最优估计形式,进而给出时间域上克立金的估计形式,最后利用该方法对某湿地近几年水体中BOD-DO的未来的趋势进行了预测,实例说明该方法是一种比较稳健的预测方法.     

城市轨道交通需求预测方法研究与探讨

本文分析轨道交通需求预测现有的三种模式及应用状况,在此基础上指出了当前流行的"四阶段"预测方法的不足。文章分析了轨道预测结果与实际运营之间差距产生的原因,为现阶段轨道交通的规划建设及运营管理需求预测理论的进一步完善提供支持。