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.     

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.     

丙烯腈聚合过程的先进控制

介绍丙烯腈聚合过程基于模型的先进控制系统的构成、功能模块及各模型的作用，并列举了转化率的预测模型和估计模型，它们可分别用于闭环控制和校正模型参数，现场实验结果表明本系统改善了产品质量。     

基于遗传算法时滞系统的滤波器参数自调整内模控制

对于工业控制过程中的时滞系统,采用内模控制的设计方法,建立了滤波器参数λ的优化自整定;并且研究了利用十进制编码的遗传算法及其具体的遗传操作过程,实现了滤波器参数λ的优化自整定,从而避免了二进制编码所导致的影射误差.仿真结果表明,对于在控制过程中过程模型变化或过程模型与预估模型失配时,通过优化调整内模控制器的滤波器参数λ;可改善系统的控制品质,提高控制系统的鲁棒性,且易于工程实现.     

Robust Continuous-time Generalized Predictive Control for Large Time-delay System

A simple delay-predictive continuous-time generalized predictive controller with filter （F - SDCGPC） is proposed. By using modified predictive output signal and cost function, the delay compensator is incorporated in the control law with observer structure, and a filter is added for enhancing robustness. The design of filter does not affect the nominal set-point response, and it is more flexible than the design of observer polynomial. The analysis and simulation results show that the F - SDCGPC has better robustness than the observer structure without filter when large time-delay error is considered.     

有效实现内存管理的方法

分析开发过程中常遇的内存泄露和内存越界等问题,提出一种有效的内存管理方案。方案主要包括优化原有的内存管理函数和引入保存内存信息的信息链表两方面。文中还给出基于该方案的具体C语言实现和应用例程。     

用改进的NLJ方法辨识闭环系统的模型参数及滤波器设计

详细介绍了PID控制系统过程模型参数的闭环辨识、滤波器的设计、IMC设计、实时数据的处理及实时曲线的显示和比较，以实现系统动态过程的优化控制。系统辨识的性能指标采用误差平方和，参数整定的性能指标采用绝对误差乘时间，系统的纯滞后分别用一阶、二阶不对称和二阶对称pade近似，模型参数辨识和滤波器设计采用改进的NLJ法，参数整定采用IMC整定的方法。     

基于OPC和IMC的先进控制及其应用

工业生产装置的常规PID控制,由于它的简单实用,具有一定的鲁棒性,至今仍被广泛采用采用。但它的PID参数几乎都是凭经验设定的,很难达到最佳效果,使控制质量不理想,造成装置自控率、平稳率低,装置产量不高和产品质量差等状况,针对上述问题,本文提出了一种基于OPC的数据采集技术和内模控制原理相结合的方法,从生产装置获取数据辨识对象模型,然后以辨识后的对象模型为基础对装置实施IMC-PID先进控制。实际应用结果表明,该方法操作简洁实用,效果明显,显著提高了装置的平稳率和自控率。该方法为类似苯乙烯装置的复杂化工控制系统的优化和先进控制提供了一种新的解决方案。     

多变量系统子子模型辨识

目前,对多变量系统辨识的研究已经越来越多,但是,基本上都属于子模型的辨识问题,不便于实际应用.本文采用子模型与子子模型技术,将一个有R个输入,m个输出的多变量系统分解为M个带R个输入的子模型,而每个子模型又可分解为R个子子模型(单输入单输出系统).在多变量系统中,只要做一次试验(同时加入月个输入信号),使用月个输入信号与M个输出信号的数据,可以自动辨识子模型的阶次与参数,再从子模型的有关数据,最终辨识出子子模型的阶次与参数.本文采用分块矩阵求逆公式,提出一种快速的自动定阶与估计参数的递推算法.