基于支持向量机的一类非线性系统预测控制

针对一类具有输出反馈耦合的离散非线性系统,将过程的非线性部分通过支持向量机转化为全局线性状态空间模型,并在目标函数中引入系统状态的变化,给出一种类似于离散PI最优调节器的新型预测控制器.该方法不需要在线辨识系统参数,因为系统的内模已转换成全局离线模型.由于引入了新的优化目标函数,该控制器的控制效果和鲁棒性优于仅考虑预测输出误差的传统预测控制器.仿真结果表明,它也优于经典离散PI最优调节器.     

一类非线性系统的扩展状态空间预测控制

针对一类具有输出反馈耦合的离散非线性系统，将过程模型表示为扩展状态空间模型，并利用反馈回路非线性函数在参考轨迹附近的局部线性表示，导出一种具有类似离散PI最优调节器结构并具有未来P步设定值前馈控制的新型预测控制器．因其目标函数中考虑了系统状态的变化，所以控制效果要优于仅考虑预测输出误差的情况．仿真结果表明了它的有效性．     

一种具有PI结构的时滞系统APFC控制

提出了一种具有PI结构的时滞系统自适应预测函数控制（APFC），该算法通过在性能指标函数中引入预测输出误差和预测输出增量误差，使最终形成的控制器具有比例-积分（PI）结构。结合了预测控制具有较好的处理时滞、快速跟踪和PID调节器抗干扰性强、鲁棒性强的优点，并且模型参数是通过带遗忘因子的递推最小二乘算法在线辨识得到。在具有时滞的工业过程数学模型上进行仿真研究，结果表明，该算法具有较好的跟踪效果、抗干扰能力和鲁棒性。     

基于集结策略的非线性稳定预测控制器

针对有约束非线性系统预测控制在线计算量大的问题，引入集结策略降低其在线计算量并重点讨论了系统的稳定性问题．指出当控制器的终端状态处于某集合内且集结衰减系数的上界满足一定条件时，其最优目标函数递减．进而提出了一个双模控制律，可使系统渐近稳定．最后，通过仿真对该结论进行了验证．     

离散系统状态反馈控制中的跟踪问题

针对离散系统，本文讨论状态调节器的输出跟踪问题，指出了现有的离散状态调节器存在的问题，提出了一种新型的离散状态PI调节器．     

基于离散系统的滑模变结构PI调节器

本文采用离散滑模变结构控制方案，提出了一种新型PI调节器设计方案，给出了离散滑模变结构PI调节器滑模存在条件及调节器设计方案。理论分析和仿真结果表明，该调节器使对象具有良好的鲁棒性和性能指标，能消除持续恒定干扰造成的静态偏差。控制器输出切换极小，为快速的运动控制提供了一种新方案。     

直驱小惯量表贴式永磁同步电机的转速脉动抑制

非线性电流测量误差和电压源逆变器(VSI)非线性畸变电压造成了直驱小惯量表贴式永磁同步电机(SPMSN)的转速脉动.本文将q轴非线性电流测量误差等效为扰动负载电流,提出一种复合PI(CPI)调速器抑制电机转速脉动.该调速器由传统PI调节器与偏差补偿器并联构成,偏差补偿器用以抑制非线性负载电流.同时,用分段线性函数建立IGBT关闭时间模型,并推导了VSI非线性畸变电压表达式.引入积分型模型预测控制(MPC)作为电流环控制器,利用MPC的滚动时域最优预测特性抑制VSI的非线性畸变电压,消除了零电流钳位现象.最后,通过仿真分析验证了所提控制策略的有效性.     

零点配置与一类非线性广义系统的状态反馈控制

针对状态空间实现为非最小相位的非线性广义系统的控制问题,提出一种非线性广义系统的状态空间实现算法,构建了一个等价于原输出函数的综合输出函数,能任意配置状态空间实现的传输零点,使该状态空间实现为最小相位的.所构建的最小相位输出函数能直接用于构造状态反馈控制器,实现对非线性广义系统状态反馈控制.将所得结论应用于Logistic增长的SIR传染病模型,仿真结果表明了所提方法的有效性和可行性.     

带翼水下机器人的非线性拟合分段控制方法

S面控制方法可较好地解决水下机器人的运动控制问题,但由于其参数是固定的,无法达到全局最优．不同航渡速度段,采取不同的控制参数值,可保证水动力不同阶段控制输出的最优;但在速度变化的分界点,控制器输出有跳变,不利于系统的全局稳定性．利用T-S模糊系统逼近非线性连续函数的能力,采用非线性的S面函数作为模糊系统的后件,设计了基于T—S模型的S面控制器．通过T-S模型的引入,避免了控制器输出的跳变,增强了系统稳定性．将该方法应用于带翼水下机器人的深度控制,水池试验和湖中实验均证明了算法的有效性．     

基于多模型的非线性系统广义预测控制

对于复杂的离散时间非线性系统，提出一种基于多模型的广义预测控制方法．通过在平衡点附近建立线性模型，并用径向基函数神经网络来补偿匹配误差，形成了非线性系统的多模型表示，然后采用模糊识别方法作为切换法则，并结合广义预测控制构成了多模型广义预测控制器．通过对连续发酵过程的计算机仿真，表明了该方法的有效性．     

Neural network based iterative learning predictive control design for mechatronic systems with isolated nonlinearity

The paper presents a new nonlinear predictive control design for a kind of nonlinear mechatronic drive systems, which leads to the improvement of regulatory capacity for both reference input tracking and load disturbance rejection. The nonlinear system is first treated into an equal linear time-variant system plus a nonlinear part using a neural network, then an iterative learning linear predictive controller is developed with a similar structure of PI optimal regulator and with setpoint feed forward control. Because the overall control law is a linear one, this design gives a direct and also effective multi-step prediction method and avoids the complicated nonlinear optimization. The control law is also an accurate one compared with traditional linearized method. Besides, changes of the system state variables are considered in the objective function with control performance superior to conventional state space predictive control designs which only consider the predicted output errors. The proposed method is compared with conventional state space predictive control method and classical PI optimal control method. Tracking performance, robustness and disturbance rejection are enlightened.     

基于Volterra模型的预测控制及应用

由于工业实践的需要,非线性预测控制近年来受到广泛地关注.Volterra模型是一类特殊的非线性模型,非常适合描述工业过程中的无记忆非线性对象.传统的基于Volterra模型的控制器合成法及迭代计算预测控制器法计算量大,且不便于处理控制约束.非线性模型预测控制求解是典型的非线性规划问题,序列二次规划(sequential quadratic program,SQP)算法是求解非线性规划问题常用方法之一.针对Volterra非线性模型预测控制求解问题,本文将滤子法与一种信赖域SQP算法相结合,提出一种改进SQP算法用于基于非线性Volterra模型的带控制约束的多步预测控制求解,并分析了所提方法的收敛性.工业实例仿真结果证实了所提方法的可行性与有效性.     

Optimal control of nonlinear systems: a predictive control approach

A new nonlinear predictive control law for a class of multivariable nonlinear systems is presented in this paper. It is shown that the closed-loop dynamics under this nonlinear predictive controller explicitly depend on design parameters (prediction time and control order). The main features of this result are that an explicitly analytical form of the optimal predictive controller is given, on-line optimisation is not required, stability of the closed-loop system is guaranteed, the whole design procedure is transparent to designers and the resultant controller is easy to implement. By establishing the relationship between the design parameters and time-domain transient, it is shown that the design of an optimal generalised predictive controller to achieve desired time-domain specifications for nonlinear systems can be performed by looking up tables. The design procedure is illustrated by designing an autopilot for a missile.     

区间时滞相关离散非线性系统的鲁棒模型预测控制

针对一类带有扰动、输入约束和凸多面体不确定性的区间时滞离散非线性系统, 提出一种鲁棒模型预测控制方法. 一方面, 利用min-max 模型预测控制求解鲁棒模型预测控制器, 以研究鲁棒预测控制在范数有界意义下的扰动抑制问题; 另一方面, 充分利用时滞的上下界信息构造Lyapunov 函数以得到控制器存在的充分条件. 最后给出了闭环系统鲁棒稳定性证明.     

基于跟踪误差调节的非线性自适应模糊预测控制

将模糊逻辑系统引入预测控制，对一类非线性离散系统提出了直接自适应模糊预测控制的方法，此方法首先建立被控对象的预测模型;然后基于此模型直接利用模糊逻辑系统设计预测控制器，并基于跟踪误差对控制器参数中的未知向量进行自适应调整;最后证明了此方法可使跟踪误差收敛到原点的一个小邻域内。     

基于神经网络模型的空燃比非线性模型预测控制

采用基于径向基神经网络（RBFNN）模型的非线性模型预测控制方法,被控对象选择火花塞点火（SI）发动机的空燃比（AFR）高度非线性复杂系统,利用渐消记忆最小二乘法实现基于RBFNN的SI发动机AFR系统建模以及参数在线自适应更新。针对非线性模型预测控制中寻优问题,运用序列二次规划滤子算法对最优控制序列进行求解,并加入滤子技术避免了罚函数的使用。在相同的实验环境下,与PI控制算法和Volterra模型预测控制方法进行仿真对比实验,结果表明,所提算法的控制效果明显优于其他两种方法。     

一类具有非线性扰动的多重时滞不确定系统鲁棒预测控制

针对一类具有非线性扰动且同时存在多重状态和输入时滞的不确定系统, 提出 一种鲁棒预测控制器设计方法. 基于预测控制滚动优化原理, 运用Lyapunov稳定性 理论和线性矩阵不等式 (Linear matrix inequalities, LMIs)方法, 首先近似求解无限时域二次性能指标优化问题, 然后优化非 线性扰动项所应满足的最大上界, 定量地研究鲁棒预测控制在范数有界意义下的扰动抑制 问题, 并给出了鲁棒预测控制器存在的充分条件. 最后通过仿真验证了所提方法的有效性.     

一类未知非线性离散系统的直接自适应模糊预测控制

将自适应模糊逻辑系统引入预测控制,对一类未知非线性离散系统提出了直接自适应 模糊预测控制方法.首先对被控对象提出了线性时变子模型加非线性子模型的预测模型,然后直 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.文中证明了此方法可使广义误差估计值收敛到原点的小邻域内.