基于极点配置与时延误差补偿的网络控制系统预测控制

根据网络控制系统的时延上界及对象模型,建立网络控制系统的整体模型,应用极点配置广义预测方法进行控制器的设计,以保证网络控制系统控制的有效性与稳定性．考虑到网络时延的随机性,基于神经网络建立网络时延误差的预测补偿模型,用时延误差预测值对输出预测值进行补偿,构成基于极点配置和误差补偿的网络控制系统预测控制算法．仿真结果表明,本文方法有较高精度,可快速收敛．     

改进的GPC在网络控制系统时延问题中的应用

针对网络控制系统的时延具有随机、时变的特性,常会出现控制效果不理想的问题提出了动态BP网络误差修正的广义预测控制.在BP神经网络中加入误差动态反馈环节,形成动态补偿的神经网络模型,通过动态BP网络建立误差的预测模型,采用误差预测值对传统广义预测控制的输出预测值进行修正.仿真结果表明,将算法应用到时延网络控制系统当中能取得较好的控制效果.     

基于小波网络动态补偿的广义预测控制器

由于广义预测控制器依赖于表征过程的线性模型,没有考虑未建模误差的影响,随着 预测长度的增加,其预测误差也增大.因此,提出用小波网络建立误差的预测模型,并对模型预 测进行动态补偿,以抑制模型失配的影响,增强鲁棒性.仿真结果表明了算法的有效性.     

含有死区输入的Hammerstein系统的网络预测控制

文中对具有死区输人特性的一类Hamrnerstein系统提出了网络预测控制方法。此方法借鉴广义预测控制的思想,首先对Hammerstein模型的线性部分,求得中间变量的预测值,并通过对死区求逆得到控制信号的预测值。在被控对象的缓冲区中选取最靠近当前时刻的控制输入预测值作为当前的控制输入,以用来补偿网络诱导时延。实验结果表明,采用了广义预测控制之后,系统的响应速度明显提高。证明广义预测控制可以很好地补偿前向以及反馈通道的诱导时延。     

含有死区输入的Hammerstein系统的网络预测控制

文中对具有死区输人特性的一类Hamrnerstein系统提出了网络预测控制方法。此方法借鉴广义预测控制的思想,首先对Hammerstein模型的线性部分,求得中间变量的预测值,并通过对死区求逆得到控制信号的预测值。在被控对象的缓冲区中选取最靠近当前时刻的控制输入预测值作为当前的控制输入,以用来补偿网络诱导时延。实验结果表明,采用了广义预测控制之后,系统的响应速度明显提高。证明广义预测控制可以很好地补偿前向以及反馈通道的诱导时延。     

网络控制系统补偿器设计及稳定性分析

为解决网络延时对网络化控制系统性能的影响, 从控制的角度提出基于系统模型的补偿器设计方案以解决网络延时问题. 通过对广义预测控制算法GPC状态空间形式的推导, 设计具有多步预测功能的网络控制器, 实现前向通道的延时补偿; 构造具有延时补偿功能的状态观测器以补偿反馈通道延时. 分析了使用上述延时补偿策略所构成的闭环网络控制系统的稳定性. 通过对不同网络延时补偿的仿真实验, 证实了该补偿算法能有效改善控制系统性能并保持系统的稳定.     

基于小波变换的非线性广义预测控制

提出了基于小波变换的非线性广义预测控制算法。预测模型采用Hammerstein模型,对于其静态非线性部分采用小波网络来辨识,动态线性部分用最小二乘法来辨识。这种辨识方法比传统的多项式拟合的模型误差要小得多。基于这种预测模型广义预测控制器弥补了传统广义预测控制的模型失配问题。以CSTR为例对所设计的控制器进行仿真研究,结果表明控制器能够取得良好的控制效果。     

模糊理论在预测函数控制上的应用

针对预测函数控制中模型失配的影响，提出了用模糊推理对控制量进行补偿的新型预测函数控制。并将基于模糊补偿的预测函数控制应用于锅炉燃烧控制系统，通过连续系统仿真，结果表明这种新型控制器具有较强的鲁棒性。     

基于模型输出反馈的网络控制系统研究

分析了国内外网络控制系统的研究现状,研究了基于模型结构的网络控制方法,提出了基于输出状态反馈的具有延时补偿功能的预测控制器的设计方法.同时还给出了离散域的网络化输入多率采样控制系统全局指数稳定的充要条件.最后分析了模型误差对最大通讯间隔的影响,仿真结果表明了该设计及控制方法的正确性和有效性.     

具有模糊校正的GPC在网络控制中的应用

针对网络时延影响网络控制系统(NCS)性能的问题,提出采用模糊校正来优化广义预测控制的控制效果.该方法降低了广义预测控制的建模误差对一般系统的影响,更好地解决了网络控制中的时延问题,从而可以更好地对系统实行实时控制.采用Matlab对控制系统进行仿真,结果表明,具有模糊校正的广义预测控制,比单一的广义预测控制的控制效果有明显提高.     

基于改进的BP网络误差修正的广义预测控制

该文利用预测误差的历史数据，基于改进的BP神经网络，对系统的建模误差进行预测。该网络采用了修正激励函数的BP算法，预测性能好，能够克服标准BP算法中Sigmoid函数的不足，加快了网络的学习速度。并将其与模型预测相结合构成广义预测控制算法，有效地克服了模型失配的影响，提高了控制的速度，同时引入控制增量增益，利用这个自由度来提高闭环的稳定鲁棒性。仿真结果表明了该算法的有效性。     

基于神经网络误差修正的广义预测控制

本文基于ＢＰ结构神经网络，对系统的建模误差进行预测，并将其与模型预测相结合构成广义预测控制算法，目的在于抑制模型失配的影响，增强广义预测控制的鲁棒性；仿真结果表明了这一算法的有效性。     

一类不确定系统基于滑模干扰补偿的广义预测控制

广义预测控制(GPC)是基于非线性机理模型的一种优化控制策略, 但当系统存在内部不确定性、建模动态误差和外部干扰的情况下, 采用基于标称系统模型的GPC方法的系统性能将显著下降. 为此, 针对一类不确定非线性系统, 首先分析设计了一种基于不确定模型的理想GPC控制律; 同时设计了一种滑模干扰补偿器(SMDC)对系统的复合干扰进行估计, 将其输出作为补偿控制与标称GPC控制律结合以消除不确定性和外干扰的影响, 并利用Lyapunov理论分析了闭环复合系统的性能; 最后将其应用于一种高超声速飞行器(HSV)姿态控制系统, 仿真结果表明该方法具有很好的鲁棒特性和干扰衰减特性.     

Elman网络在Smith预测控制中的应用

Smith预测控制在实际应用中的难点在于很难得到实际系统精确的数学模型. 通过Elman网络拟合传统Smith估计器的模型误差, 并对其进行补偿. 实验结果表明, 这种基于Elman网络补偿模型的Smith预测控制充分利用了神经网络的非线性拟合能力, 只要对纯滞后环节精确建模, 就可以完全抵消纯滞后环节对控制品质及系统稳定性的不利影响. 这种方法使得Smith预测控制可以用于模型不易精确确定的系统.     

神经网络非线性多步预测逆控制方法研究*

提出了基于多步预测控制方法的多变量非线性神经网络逆控制方案。利用预测模型对系统动态特性进行预测,使用一个带有时延因子的前馈神经网络作为控制器,利用多步预测性能指标对其在线训练,实现神经网络逆系统;在多步预测过程中还对每一步的预测误差进行预测,以实现预测误差补偿。将所提出的控制算法用于锅炉这种大滞后非线性对象的控制,仿真实验证明,该控制策略具有良好的解耦和动态跟踪性能。     

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。     

广义预测控制的鲁棒化改进

利用内模控制结构分析了广义预测控制在未建模动态鲁棒性方面的缺陷,提出采用失配滤波器以增强系统的鲁棒性。针对广义预测控制的特点,提出了次优失配滤波器的简单设计方法。     

基于Linux和S3C2440的GPC控制器设计

为克服网络控制系统中时延对系统性能的影响,提出了一种基于嵌入式Linux的广义预测控制器（GPC）的设计方案。该方案构建了以ARM9处理器S3C2440A为核心、运行Linux操作系统的嵌入式控制器平台,并通过Boa Web Server实现使用Browser/Server对控制器进行远程访问和参数调整。同时针对网络延迟采用GPC算法,对控制系统的时延进行软件补偿,以实现对被控对象的实时控制。