基于交通信号灯信息的混合动力汽车节能预测控制方法

针对传统混合动力汽车控制方法不考虑已知道路交通信号灯信息对车辆能量管理影响的问题,提出了基于交通信号灯信息的混合动力汽车节能预测控制智能优化策略。通过建立混合动力汽车系统的简化模型,并采用连续广义最小残量方法求解模型预测控制问题。运用MATLAB/Simulink进行仿真,仿真结果验证了交通信号灯信息模型的有效性,以及所设计的模型预测控制算法大幅度提高混合动力汽车的燃油经济性的能力和实时控制性能。研究结果表明所提出的控制策略可以实现车辆行驶轨迹的优化控制,显著提高了车辆的燃油经济性,并满足系统的实时最优控制要求。     

动态校正的PI型广义预测控制器及其在反应釜系统中的仿真研究

提出了一种新型的广义预测控制器。由于在控制器的设计中,进行了预测误差的动态校正,并且控制器采用了比例积分型(PI)目标函数,因此该控制器对未建模动态具有很强的鲁棒性。应用低阶的模型对一个强放热的化学反应釜模型进行的仿真研究检验了该方法的有效性。     

一类时滞系统的模糊预测控制方法

对模糊控制和预测控制相结合的控制方法进行研究,提出了一种简单易于实现的模糊预测控制的组合方法.此方法将模糊控制的定性分析特点和预测控制的定量分析特点有效地结合起来,同时积分器的引入可以消除稳态偏差.仿真结果表明,该方法对控制作用的滞后时间不确定的系统十分有效.     

GFMIMU/GPS组合导航系统信息融合技术研究

GFMIMU/GPS(Gyroscope Free Micro Inertial Measurement Unit/Global Positioning System)组合导航系统具有抗高g值冲击、低成本、长寿命、较高精度等优点,在低成本精确制导武器和微小型无人机具有广阔的应用前景。针对工程应用中信息融合的精度和实时性两方面的要求,运用基于模型误差预测的扩展卡尔曼滤波MEP-EKF(Extended Kalman Filter base on Model Error Predictive)方法,将MEMS(Micro Electromechanical Systems)加速度计的误差作为模型误差来考虑,对GFMIMU/GPS组合导航系统进行建模仿真,将其与EKF和UKF(Unscented Kalman Filter)方法进行了仿真比较,在方位误差角的估计上取得了比他们精度高的仿真结果,而且MEP-EKF所需时间是UKF的10%.     

基于变神经网络的非线性最小方差预测控制器

提出基于变神经网络学习动态系统参数的最小方差预测控制器。其目的是通过在线学习 ,使控制器(MVPC)能适应被控对象参数变化和非确定性。提出的变神经网络由两部分组成 ,一部分是线性神经网络 (LNN) ,作为被控对象局部线性动态模型 ,另一部分是多层交叉回归神经网络 (DRNN) ,它近似为非线性动态模型。由于引进递推最小方差算法 ,本控制器运算速度相当快。仿真结果表明所提方法对非线性系统自适应控制是有效的     

基于短期AGC指令的负荷系统预见预测控制

针对目前火力发电单元机组负荷增减频繁、扰动因素较多的情况，在充分利用自动发电挂制(AGC)的负荷指令资源的基础上，提出一种协调控制系统的负荷预见预测控制方案。该方法以多变量预测控制为核心，将预见控制思想融入到预测控制的设计之中，从而构成一种新的负荷协调控制策略。仿真结果表明，该方法集预测控制、预见控制二者的优点，使得机组负荷具有良好的跟踪性能，主蒸汽压力也具有很好的系统动、静态调节品质，而且控制量变化非常平稳，在对象动态特性较大范围内变化的情况下，系统具有较强的鲁棒性。     

Non-Minimum Phase Nonlinear System Predictive Control Based on Local Recurrent Neural Networks

Abstract: After a recursive multi-step-ahead predictor for nonlinear systems based on local recurrent neural networks isintroduced, an intelligent PID controller is adopted to correct the errors including identified model errors and accumulatederrors produced in the recursive process. Characterized by predictive control, this method can achieve a good controlaccuracy and has good robustness. A simulation study shows that this control algorithm is very effective.     

基于神经网络的无刷直流电机预测控制的仿真研究

在无刷直流电动机高性能速度跟踪系统中，由于PI控制的滞后性，无法根据未来动态行为产生较为理想的PWM波形。针对PWM发生器一无刷直流电动机系统，提出基于神经网络的PWM预测控制方法。采用离线训练和在线修正的方法，通过对PWM发生器-无刷直流电动机系统动态行为的在线估计，建立了系统的神经网络模型。最优控制器根据神经网络模型的输入、输出响应产生合适的PWM波形。在Matlab／Simulink环境建立了模型并进行了仿真，结果表明，较之PI控制器，神经网络预测控制具有更好的动态响应性能。     

适用于DC/DC 变换器的预测函数控制优化策略

针对使用预测函数控制(Predictive Function Control, PFC)的 DC / DC 变换器在负载切换时产生的扰动对变 换器响应速度有较大影响的问题,提出通过设计观测器观测扰动来优化预测函数控制算法的控制效果;相对于其 他提高系统抗扰动的方法,通过设计观测器来提高变换器抗扰动的方法的优点是实现简单、优化后控制效果好等; 设计 Luenberger 观测器对负载切换时产生的扰动进行观测,将观测值反馈给预测函数控制算法进行最优化分析, 并结合仿真结果对目标函数进行调整,优化后的目标函数能更好地响应扰动并尽快达到稳态;最后将优化后的控 制算法与 PI 双闭环控制方法进行比较,结果显示优化后的控制算法在受到扰动后比双 PI 控制方法动态性能更 好,实现了应对负载切换时提高系统动态性能的目标,增强了 DC / DC 变换器的抗干扰能力;优化后的算法只考虑 了负载切换时的扰动对于系统其他方面的扰动没有考虑进去,可以通过设计整个系统的观测器来进一步提高 DC / DC 变换器抗扰动的能力。     

面向对象软件的度量方法

对于估算传统应用程序的规模和工作量，人们已经作了很多的研究。但对于面向对象软件的度量方法的研究还不是很多，本文将讨论面向对象软件的度量方法：以类的属性和方法为基础度量软件规模的OOFP方法和以功能、对象间交流的信息以及通过继承的重用来度量规模的POPs方法。