步长自调整的预测模糊控制器的研究

在介绍灰色模型(GM)建模的基础上,把预测控制的思想引入到模糊控制器中。模糊控制器的两个输入变量为设定值,与灰色预测模型的输出值之间比较得到预测误差及其预测误差的变化率。并根据过程状态提出了一种预测步长自调整的模糊决策机制,进一步改善系统的控制性能,即把由模糊决策器得到的预测步长作为灰色预测模型的一个输入来控制。仿真结果表明,该方法具有良好的控制性能和实用价值。     

基于π型舵船舶减纵摇广义预测控制研究

针对π型舵船舶减纵摇问题,建立了船舶舵减纵摇状态空间数学模型,基于广义预测控制理论,经过适当简化,推导出一种用于π型舵船舶减纵摇状态空间模型的输出多步预测和广义预测控制律并进行仿真研究。对于白噪声干扰情况,利用线性Kalman滤波器估计系统状态,以水翼艇为研究对象进行了仿真。仿真结果表明:有效可行、简便实用并具有良好的参数鲁棒性,获得了良好的减纵摇控制效果。     

基于CARIMA模型的PFC与GPC的等价性

建立了新型的模型预测控制方法——预测函数控制(PFC)与传统的广义预测控制(GPC)的联系.首先推导了基于含有色噪声的自回归增量滑动平均(CARIMA)模型的预测函数控制的控制律,然后通过选取不同的基函数获取PFC控制律的形式并与GPC控制律进行比较.从而证明了在一定的基函数的选取方式下,基于CARIMA模型的PFC算法和GPC算法是等价的.揭示了PFC与GPC两者之间深刻的内在联系,为PFC的工程应用提供了理论保证.     

模型预测控制(MPC)系统仿真软件开发与实现

介绍了基于PC机平台的模型预测控制(MPC)系统仿真软件的开发与实现过程。该软件包含MAC、IMAC、DMC、DDMC和GPC五种预测控制算法，可以用不同的方法实现对预测控制系统的综合性仿真，包括扰动对系统性能的影响以及控制器参数调整的作用等。利用该软件可对模型预测控制系统的作用机理做进一步仿真分析，并有助于定性分析各种算法中设计参数对系统性能的影响以及不同算法之间的区别。     

基于BP神经网络预报的动态矩阵预测控制

提出了一种基于BP神经网络预报的动态矩阵预测控制新算法 ,在该算法中 ,先用BP神经网络辨识对象模型 ,同时预测对象的未来输出 ,然后用动态矩阵控制算法进行滚动优化和反馈校正。该方法解决了非线性、时变对象难以建模及控制的问题 ,仿真结果验证了这一新型算法的可行性     

GPC隐式算法及其在供热控制中的仿真研究

基于理论研究和工程应用的需要，提出了广义预测隐式算法。首先介绍了具有滤波器的模型已知的基本广义预测控制（GPC）算法，然后给出了两种隐式自适应算法，一种是已知对象阶跃响应前P个参数的算法，这种算法既不需要在线递推求解Diophantine方程，也不需在线求逆；另一种是一次辨识控制器参数的算法。最后以集中供热热力站热交换过程为应用背景，对基本算法和两种隐式算法进行仿真研究，其结果证明了算法的有效性。     

智能混合动力汽车经济性自适应巡航控制策略研究

针对智能混合动力汽车自适应巡航过程中的能量控制策略问题,结合模型预测控制在处理多目标、多约束优化问题方面的优势和粒子群算法运算量小、收敛快的特点,将粒子群算法作为模型预测控制的滚动优化方法,构造基于模型预测控制的粒子群算法.仿真结果表明,文中算法能够使绝大部分工况点落在较低燃油消耗率区域,只有少部分工况点落在非经济区域,虽然多消耗了1.06%的燃油,但在运算速度上却获得了60.3%的提升.     

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.     

路基土回弹模量湿度调整系数预估研究

选取了几种代表性的路基土样,采用UTM(万能材料试验机)动力三轴试验系统,测试不同湿度下的回弹模量,分析湿度对路基土回弹模量的影响规律,利用测试结果,对Witczak回弹模量湿度调整系数模型中的参数进行校正,建立适用于我国粗细粒土组的湿度调整系数预估模型.结果表明,路基土湿度在最佳含水率饱和度±20%区间内,模量调整系数与饱和度差值近似呈线性关系,而当湿度低于最佳含水率饱和度20%以上时,模量调整系数受饱和度变化的影响很小.针对不同类型土组,应用建立的模型,推荐了回弹模量的湿度调整系数,可结合室内回弹模量测试,反算路基在实际湿度状况下的回弹模量值.     

基于NLJ优化算法的多变量预测函数控制

基于差分方程模型推导了多变量预测函数控制算法,使其具有更加广泛的适用性.利用NLJ算法处理预测函数控制中的约束问题,简单明了,没有繁琐的数学公式推导,仿真结果证明了该算法的有效性,为预测控制约束问题的处理提供了一种新的途径.