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。     

无初始状态统计知识时多变量系统的最优平滑与预报

在无初始状态统计知识的情况下,我们分别就固定点平滑、固定滞后平滑与预报３种情况给出了动态系统的最优线性最小偏差估计（ＢＬＩＭＢＥ）,同时还给出了完全（ｉ,ｊ,Ｔｉ）－可重构性的概念及系统完全（ｉ,ｊ,Ｔｉ）－可重构的充要条件     

多变量系统子结构解耦零点和系统零点的特性

讨论了多变量系统子结构解耦零点，系统零点与系统整体解耦零点和系统零仍点的关系。结果表明子结构解耦零点和系统零点在最大子集意义上可由整体的解耦零点和传递函数阵零极点递阶描述并具结构分离特征。     

时变多变量系统阶次和参数的同时辨识

通过引进时变遗忘因子，该文提出了一种时变多变量系统的结构和参数的同时辨识算法，该算法结构简单，跟踪参数变化速度快，同时又兼备ＵＤ分解的良好计算品质。     

某型航空发动机仿真控制器调节计划实现

为了解决某型航空发动机的调节计划问题,介绍了某型发动机数字控制器的各种调节计划,论述了系统中数字控制器的调节计划并进行了仿真.该仿真系统既是为发动机电子控制器提供一个仿真的环境,也可以作为控制器算法的验证平台,即用一个控制算法与该仿真平台相连,使整个系统可以工作,并使平台能够实现数据的通信与转换,计算结果可用来评定该控制算法的性能.系统采用与真实电子控制器相同的控制算法来模拟电子控制器.     

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.     

一类线性时变多变量系统的广义最小方差控制和性能评价

针对一类具有可确定"时滞"的线性时变多变量控制系统的性能评价方法进行研究.利用特别定义的关联矩阵和正常相乘的方法,计算出LTV MIMO过程广义最小方差控制律的解析解,并由此获得了广义最小方差基准.为避免估计关联矩阵所带来的困难,利用过程数据和关联矩阵阶数建立了LTV MIMO GMV基准上界.理论和仿真研究表明,上述方法能够正确和有效地评价LTV MIMO系统.     

KP=L2D2S2分解的多变量模型参考自适应控制

利用高频增益矩阵Kp=L2D2S2的分解,通过重新定义新的规范化信号,对多变量的MRAC方案进行了严格的理论分析,证明了闭环系统的稳定性和跟踪误差的收敛性。     

基于决策类划分新型多变量决策树算法实例分析

利用"基于决策类划分的新型多变量决策树算法"中的五大步骤,以"气象信息系统表"为实例构造多变量决策树,取得的结果与著名的单变量决策树(ID3)方法和粗糙集多变量决策树方法所获得的结果相同,证明本算法有效。其决策树构造过程简单,易于理解。通过时间复杂度的比较,证明本算法优于粗糙集算法速度更优和ID3算法。     

基于RBF神经网络的多变量系统PID解耦控制

针对工业生产过程中的多变量耦合系统采用传统控制方法不能达到满意的效果,提出了一种基于神经网络的PID解耦控制方案。在实验研究中,采用改进型动态BRF神经网络辨识器,在线辨识多变量系统的非线性时变模型,同时自动调整PID控制器各项参数,最终实现对系统的智能化解耦控制。给出了BRF神经网络的拓扑结构和算法,并对一组二变量强耦合时变系统的控制过程进行了计算机仿真,结果表明:基于BRF神经网络的PID控制不仅超调量小、响应速度快、控制精度高,而且具有很强的鲁棒性和自适应能力。该设计方案使得解耦后的多变量系统具备了良好的动、静态特性。