对角CARIMA模型多变量广义预测控制器系数直接算法

为了简化多变量广义预测控制MGPC 的设计与实现,提出了对角CARIMA (Controlled autoregressive integrated moving average) 模型MGPC 控制器系数的直接求解方法. 利用多变量对角CARIMA 模型直接递推得到了非常简洁的 MGPC 控制器，控制增量等于控制器系数与设定值、过程输入输出历史数据、模型预测误差历史数据的乘积，控制器系数只与模型参数和设计参数有关，控制器系数维数只由模型结构参数决定. 避免了Diophantine 方程的求解，减少了在线计算量，简化了MGPC 控制器的实现. 在一个DCS 控制的非线性液位装置上的对比实验结果表明了该方法的有效性.     

参数未知系统直接广义预测控制

传统的广义预测控制(GPC)算法需要在线递推求解Diophantine方程及矩阵求逆,因此计算量很大,不适合对实时性要求高的控制系统.文中对参数未知线性系统提出一种直接广义预测控制(DGPC)方法.该方法直接辨识广义预测控制器参数θu,即基于广义误差估计值对控制器参数和广义误差估计值中的未知向量θu进行自适应调整.理论证明了该方法可使广义误差收敛到原点的一个小邻域内.仿真结果验证了此方法的有效性.由于实时性提高,并且不需要被控对象模型,该方法更利于实际应用.     

一种约束输入输出的隐式广义预测控制新算法

基于CARIMA模型提出了一种约束输入输出的隐式广义预测控制算法.针对广义预测控制问题,在整个预测时域和控制时域,对输入幅值,输入增量和输出幅值施加了约束,引入了输入输出柔化系数,从而简化了目标函数,减小了计算量,该算法不必求解逆矩阵;并采用了隐式广义预测自校正控制算法,利用并列预测控制器间的特点,直接辨识输出预测器中的参数,从而避免了在线求解Diophantine方程.该算法占用内存小,计算速度快,仿真结果表明该算法具有良好的控制性能.     

对角CARIMA模型多变量广义预测控制改进算法

为了增强多变量广义预测控制算法(MGPC)的实用性,对其实现形式进行了进一步的简化.利用对角CARIMA模型的结构特点,先对系统中单个输出变量期望值的自由响应部分进行分解推导,将其表达成自由响应项系数与系统输入输出变量已知值乘积的形式,得到此输出变量的预测表达式,然后将系统所有输出变量的预测表达式代入目标函数中,得到的控制增量等于控制器系数与参考轨迹、过程输入输出历史数据的乘积.控制器系数只与模型参数及设计参数有关,求解控制量时不再需要进行模型输出预报,控制器结构简单,实现容易.对比实验结果表明了该方法保持了常规MGPC方法的优秀控制性能.     

对角CARIMA模型多变量自适应约束广义预测控制

为了简化约束存在时多变量广义预测控制算法的设计与实现,依据对角CARIMA模型的结构特点,将多输入多输出对象的参数辨识和模型预报问题转化为一系列多输入单输出子对象的参数辨识和模型预报问题.推导了输入输出的约束形式及优化求解过程.简化了多变量对象的参数辨识、模型预报、目标函数和约束条件系数矩阵的计算.在由DCS控制的非线性液位装置上的对比实验结果表明了该方法的有效性.     

非线性系统的RBF网络直接广义预测控制

针对广义预测控制(GPC)算法需要在线递推求解Diophantine方程及矩阵求逆等计算量大的缺陷,本文对参数未知非线性系统提出一种RBF网络的直接广义预测控制方法。该方法首先将非线性系统转化为时变线性系统,然后用三次样条基函数逼近系统广义误差中的时变系数,并基于广义误差估计值对控制器参数即网络权值和广义误差估计值中的未知向量进行自适应调整,然后利用RBF网络来逼近控制增量表达式。     

基于双柔化系数在线调整的广义预测控制

在预测控制系统中,其控制品质与控制器的参数整定有很大的关系,特别是性能指标中的输出柔化系数及输入柔化系数。针对广义预测控制算法中控制参数整定困难这一缺点,利用BP神经网络,提出一种基于双柔化系数设计的广义预测控制算法,实现了广义预测控制中输入输出柔化系数的在线调整。仿真结果表明,该算法无论在跟踪性能、控制精度及鲁棒性上,均优于固定参数的广义预测控制算法,并对干扰有一定的抑制作用。     

基于最小二乘支持向量机的非线性广义预测控制

通过中值定理将一类非线性系统近似为时变线性系统,然后将提出的在线最小二乘支持向量机回归(OLSSVMR)与广义预测控制相结合,提出了一种基于OLS-SVMR的自适应直接广义预测控制.利用OLS-SVMR直接设计预测控制器,并基于广义误差估计对控制器参数和广义误差估计中的未知向量进行自适应调整.理论证明了该方法可使广义误差估计值收敛到原点的一个小邻域内.仿真算例也验证了该方法的有效性.     

基于特征模型的柔性结构直接自适应模糊预测控制

为了避免用模态截断方法设计控制器时所引起的控制和观测溢出问题,把柔性结构模型转化为用含有未知系数的二阶差分方程描述的特征模型,对此模型提出了当柔性结构实现位置保持时的直接自适应模糊预测控制方法.此方法直接利用模糊逻辑系统设计预测控制器,并基于广义误差估计值对控制器参数和广义误差估计值中的未知向量进行自适应调整.文中证明了所设计的控制器可使广义误差估计值收敛到原点的一个小邻域内.仿真结果验证了此方法的有效性.     

非线性系统参数自适应直接广义预测控制

针对广义预测控制 (Generalized predictive control, GPC) 计算量大的缺陷, 本文对参数未知非线性系统提出一种直接广义预测控制 (Direct generalized predictive control, DGPC) 方法. 该方法直接辨识广义预测控制器参数, 即基于广义误差估计值对控制器参数 θu 和广义误差估计值中的未知向量 θe 进行自适应辨识. 理论证明了该方法可使广义误差估值收敛到原点的一个小邻域内.     

基于Laguerre函数的BLDCM转速预测控制器

针对无刷直流电机(Brushless DC Motor,BLDCM)模型参数时变的特性,为解决不同工况下的转速跟踪问题,将Laguerre函数引入控制器设计中,提出了一种新型的广义预测控制算法。该算法通过对控制量的参数化设计,减少了计算量,使得系统响应加快;通过修改PI型性能指标,抑制了超调,提高了系统稳定性。仿真结果表明,相比传统广义预测控制(Generalized Predictive Control,GPC)算法,用该算法设计的转速控制器对跟踪指令响应更快,抗干扰能力强且对参数不确定性具有较强的鲁棒性。     

水泥生料立磨压差的广义预测PID控制

针对立磨粉磨系统的非线性、大滞后、慢时变问题,设计了广义预测PID控制器(GPC-PID).通过构造广义预测控制目标函数中的控制加权序列使广义预测控制具有PID控制算法的结构,通过广义预测控制和PID的相互递推关系计算PID参数.仿真结果表明,广义预测PID控制能较好地稳定磨内压差,并且具有响应速度快、抗干扰性强、鲁棒性好等优点.     

基于神经网络的时滞非线性系统的广义预测控制

针对一类时滞非线性被控对象,提出一种基于RBF神经网络的广义预测自校正控制方案,在广义预测控制中,采用RBF神经网络建立被控对象的多步预测模型,并不断修正预测输出,提高预测输出的精度.控制器则采用GPC隐式修正算法,不用辨识对象的模型参数,大大减少了计算量.经过仿真研究,与常规的PID自适应控制方法相比较,证明了该方法的优越性,预测控制误差小,实时性好,动态响应快.     

Model predictive control using an extended ARMarkov model

The original ARMarkov identification method explicitly determines the first μ Markov parameters from plant input–output data and approximates the slower dynamics of the process by an ARX model structure. In this paper, the method is extended to include a disturbance model and an ARIMAX structure is used to approximate the slower dynamics. This extended ARMarkov model is then used to formulate a predictive controller. As the number of Markov parameters in the model varies from one to P (prediction horizon)+1, the controller changes from generalized predictive control (GPC) to dynamic matrix control (DMC). The advantages of the proposed ARM-MPC are the consistency of the Markov parameters estimated by the ARMarkov method, independent tuning of the controller for servo and regulatory responses and the ability to combine the characteristics of GPC and DMC. The theoretical results are illustrated through simulation examples.     

指令跟踪自适应广义预测控制及其应用

现有的广义预测控制系统其闭环性能受可调参数影响较大,它的目标函数无法直接规定 闭环性能.该文提出一种具有独立跟踪和调节目标的新型自适应广义预测控制算法,并将其 应用于快速时变的导弹控制系统设计中.这种算法利用参考模型规定对指令信号的跟踪性 能,减少了可调参数对闭环性能的影响.仿真结果证实了该算法的有效性.     

Modeling and advanced control method of PVC polymerization process

Based on data driven modeling theory, PVC polymerization process modeling and intelligent optimization control algorithm is studied. Firstly, a multi-T–S fuzzy neural networks soft-sensing model combining the principal component analysis (PCA) and fuzzy c-means (FCM) clustering algorithm is proposed to predict the convention rate and velocity of Vinyle Chloride Monomer (VCM). The proposed hybrid learning algorithm utilizing the harmony search (HS) and least square method is used to adjust the model premise parameters and consequent parameters. Secondly, the generalized predictive control (GPC) algorithm of polymerizer temperature based on segmental affine is proposed. According to dynamic equation of polymerizer temperature deduced by heat balance mechanism, the segmental affine model is built by temperature and convention rate of the polymerizer. Then linear matrix inequality (LMI) method is used to design the controller. Finally, simulation results and industrial application show the validity and feasibility of the proposed control strategy.     

一种新的预测自校正控制器

本文通过在指标函数中引入加权多项式，为由脉冲响应模型描述的系统提出一种基于多步预测的极点配置自校正控制器，这种控制器能确保控制系统的稳定性，并能消除控制系统的稳态误差，算法的计算也比其它的预测控制算法如ＭＡＣ，ＧＰＣ等小。     

广义预测控制的直接算法

采用三个辨识器分别辨识开环系统、闭环系统和控制器的参数,利用开环系统参数计算预测输出和参考轨迹,通过辨识闭环系统参数得到广义输出,用于辨识控制器的参数,并给出一种广义预测控制的直接算法。仿真结果表明该算法是有效可行的。     

网络控制系统的自整定PID 控制器设计

结合广义预测控制（GPC）方法和PID反馈结构,设计了一种具有预测功能的PID控制器,PID参数根据未来时刻的预计输出误差进行整定.控制器导出多步控制序列,置于执行器端的延迟补偿器根据网络时延从控制序列中选择控制信息并作用于控制对象,从而对时延进行补偿,使控制性能得到极大改善.控制器结合了PID控制和预测控制的优点,具有较强的鲁棒性和工程意义.最后通过构造Lyapunov函数对闭环系统的稳定性进行了分析,并通过仿真验证了该算法的有效性.