加权多步预报控制——鲁棒性的频域分析

本文给出了加权多步预报控制（ＷＬＰＣ）^[1]算法的鲁棒性分析，其中包括WLPC算法允许的建模误差的界域和鲁棒性的频性分析结果。分析表明，只要适当选取权因子且配置好闭环极点，ＷＬＰＣ算法是一鲁棒性能良好的控制算法。     

加权多步预报控制

本文提出了一类加权多步预报控制(WLPC)算法.这种算法是由极小化一个很一般的 加权二次型性能指标得到的.由于权因子可以根据闭环极点配置、前馈零点增补和动态性能 要求任意选取,所以可保证闭环系统的稳定性和对建模误差的鲁棒性.文中给出了这方面结 果的理论证明和仿真实例.     

频率规整线性预测系数的实时提取算法研究

在语音识别特征提取过程中,为克服传统自相关法在计算特征参数时实时性较差的缺点,提出一种用于提取频率规整线性预测系数（WLPC）的自适应最小均方误差（LMS）算法。该方法通过自适应LMS技术,不仅能提取出符合人耳的听觉特性的特征参数,而且实现了对WLPC系数的实时提取。实验采用DTW（动态时间规整）算法,对比了自相关法WLPC预测误差和自适应法WLPC两种特征参数对孤立词识别率的影响结果和预测误差,结果证明了采用该算法具有较高的分类准确率和良好的时间性能。     

可预测期望航向的船舶航迹控制器设计

为了提高航迹控制器的跟踪性能,节省航程,本文推导了期望航向和航迹偏差的数学模型,设计了可预测期望航向的船舶航迹预测控制器,它不仅能预测系统的输出(船首向和航迹偏差),而且可以提前多步预测系统的参考输入(期望航向),以提前修正命令舵角.对货船的航迹控制计算机仿真结果表明,算法提高了控制器的跟踪速度和精度,缩短了船舶的实际航程.本文还给出了求解控制器中逆矩阵的递推算法,其计算量为通常算法的1/3.     

快速递推广义预测控制

本文利用反向递推方法对广义预测控制的准则函数进行变换，得出一种递推的快速ＧＰＳ算法。     

传递函数阵子子模型参数递推估计：辅助模型方法

本文提出了递推估计传递函数阵子子模型(SSM)参数的辅助模型方法。不同噪信比下的数字仿真结果表明了所提出的算法的有效性。该算法计算量小,且可用于在线辨识。     

递推自适应极点配置算法

本文提出了一种递推自适应极点配置算法，证明了它的稳定性和收敛性，该处特点是在控制器参数的计算中利用一次迭代公式，使在线计算量大幅度减少。前馈环节保证它的渐近跟踪特性。最后，仿真例子说明了该算法的正确性。     

基于多步控制集的鲁棒预测控制器设计

针对有约束多胞不确定系统, 本文提出多步控制集的概念, 并将其作为终端集进而设计鲁棒预测控制器. 由于设计了一系列可变的反馈律, 鲁棒预测控制器可以得到更好的控制性能和更大的初始可行域. 另外, 利用多步控制集的特性, 本文提出了一种将预测控制器的在线计算量转移到离线完成的算法. 通过该算法, 可以有效地平衡鲁棒预测控制器的控制性能、在线计算量和初始可行域. 仿真算例验证了这些算法的有效性.     

递推远程预报自校正控制及其应用

本文给出了一种基于递推远程预报的自校正控制算法。因采用递推方法,简化了计算,仿真实验表明本算法有较强的鲁捧性,在温度过程控制中应用也获得了满意的结果。     

基于状态空间模型的广义预测控制快速算法

针对现有GPC算法是通过求解Diophantine方程预测未来多步输出,在线计算量较大的问题以及用状态空间形式求取广义预测控制律时需要建立状态观测器进行状态估计的问题,采用建立在差分方程基础上的观测器规范形状态方程进行求解的方法,提出了一种求解广义预测控制律的快速算法的结果.通过仿真得到的结论是,算法在求解挖制律时其状态可由输出、控制等值计算出来,不需要递推求解Diophanfine方程,不需要建立观测器,只需由模型参数计算控制律,运算简练、计算量小,更具有实用性,并且仿真效果好.     

递推广义预测自校正控制器

本文给出了广义预测自校正控制器的递推算法,用递推平方根法代替最小二乘法估计参 数,改善了计算精度,比牛津大学克拉克等人的算法节省了计算时间.仿真实验表明,该控制 器对系统时延与阶次有很好的鲁棒性,性能优于PID调节器、广义最小方差自校正器与极点 配置自校正器,有较强的抑制干扰能力.     

Recursive exponentially weighted PLS and its applications to adaptive control and prediction

A new and fast recursive, exponentially weighted PLS algorithm which provides greatly improved parameter estimates in most process situations is presented. The potential of this algorithm is illustrated with two process examples: (i) adaptive control of a two by two simulated multivariable continuous stirred tank reactor; and (ii) updating of a prediction model for an industrial flotation circuit. The performance of the recursive PLS algorithm is shown to be much better than that of the recursive least squares algorithm. The main advantage of the recursive PLS algorithm is that it does not suffer from the problems associated with correlated variables and short data windows. During adaptive control, it provided satisfactory control when the recursive least squares algorithm experienced difficulties (i.e., ‘blew’ up) due to the ill-conditioned covariance matrix, (X^TX)_t. For the industrial soft sensor application, the new algorithm provided much improved estimates of all ten response variables.     

Self-tuning control based on generalized minimum variance criterion for auto-regressive models

Theoretical problems on self-tuning control include stability, performance and convergence of the recursive algorithm involved. In this paper, the problem of controlling minimum or non-minimum phase auto-regressive models with constant but unknown parameters is considered. The stability of an algorithm obtained by combining a recursive estimator for the controller parameters and a generalized minimum variance criterion is proved. The main result is the theorem which assures the overall stability for the closed-loop system in presence of white noise in the input-output relation, where the estimated parameters do not necessarily converge to the true values. The algorithm is proved by the Lyapunov theory.     

方块脉冲函数应用于线性时变二次型最优控制的动态规划解法

本文通过应用方块脉冲函数的一些基本性质，将线性时变二次型最优控制问题化成多段动态规划问题，通过求解得到的动态规划问题，可得原问题的分段常值解。文中给出了形式简单且易于计算机求解的递推算法，与参考文献中的方法比较，本文得到的递推算法简单，明了，且计算时间及存储空间极大地减少，文中给出了算法的具体算例，具有明显的优越性。     

用神经网络建立非线性系统模型研究

本文针对多层网络结构，运用递推预报误差（ＲＰＥ）算法对离散非线性系统进行辨识研究，作为应用实例，本文对一个工业实际进行了神经网络动态建模，研究结果表明，神经网络方法是用于带有非线性特性工业过程建模的有效方法。     

基于状态空间模型广义预测控制的并行算法

本文首先基于脉动阵列经，提出了一种实时参数辨识的并行算法，然后推导出基于状态空间模型广义预测控制的两种新算法，这两种算法都可以通过阵列结构并行实现。     

A multivariable selftuning regulator to control a double effect evaporator

A multivariable selftuning regulator has been applied in control of a pilot plant double effect evaporator. The selftuning regulator consists of a recursive least squares algorithm combined with a single step optimal control strategy which minimizes a quadratic criterion. The algorithm is very fast and can be adjusted by an external operator in order to obtain satisfactory stationary regulator performance.     

一种基于T-S模糊模型的自适应预测函数控制

针对离散时间非线性系统，提出了一种基于T-S模糊模型的自适应预测函数控制算法。该算法利用加权递推最小二乘法在线辨识T-S模糊模型后件参数，以克服模型失配对系统性能的影响。根据辨识得到的模型参数直接递推计算模型的预测输出，而不需要求解Diophantine方程，进而直接递推求解预测控制律，而不需要求解矩阵逆。仿真结果表明，该算法具有良好的跟踪性能和较强的鲁棒性。     

一种自适应广义预测极点配置加权控制器

针对预测控制存在如何减小计算量，保证实时性问题，提出一种用计算量小的递推算法辨识方程参数的新方案，并推广了以往献有关Diophantine方程的递推算法，应用表明，所提出的方案是有效的。