一类非线性系统的广义预测控制

将广义预测控制应用于Hammerstein模型描述的非线性系统,得到了一类非线性系统的广义预测控制算法.仿真结果表明,该算法具有较强的鲁棒性.     

一类非线性系统加权自适应预测控制

对一类双线性系统，建立了多步极小化性能指标的预测控制算法，用加权预测控制律代替一步预测控制律，能适用非最小相位的双线性系统，仿真实验证实了本算法的有效性。     

一类非线性系统的广义预测控制

对一类非线性系统的广义预测控制进行了研究。采用动态寻优的方法减小线性化过程中被舍弃的非线性项引起的误差，仿真结果表明了算法的有效性。     

基于Lagurre函数的一类非线性系统预测控制

采用有限级Ｌａｇｕｅｒｒｅ级数构成Ｈａｍｍｅｒｓｔｅｉｎ型非线性系统近似模型,并给出基于该模型的Ｈａｍｍｅｒｓｔｅｉｎ型非线性系统的自适应预测控制算法。仿真实验表明,这种自适应控制算法,对系统的时延和阶次以及非线性特性变化有较强的鲁棒性。     

一类非线性系统的广义预测控制

对一类非线性系统的广义预测控制进行了研究。采用动态寻优的方法减小线性化过程中被舍弃的非线性项引起的误差,仿真结果表明了算法的有效性。     

一类非线性滞后系统的广义预测控制

对将线性系统的广义预测控制算法推广应用到非线性系统的控制问题进行了研究,即在每个控制周期内,递推预测非线性滞后系统在将来时刻的工作点,在工作点附近对非线性系统进行线性化,根据得出的线性化模型进行广义预测控制,并采用动态寻优的方法逐步逼近最优控制,仿真结果表明:非线性系统的广义预测控制算法能快速有效地跟踪系统的设定值,控制效果良好.     

一类非线性系统的模型预测控制算法

本文提出一个用于仿射非线系统的模型预测控制算法。首先设计一个静态的非线性状态反馈以获得Ｉ／Ｏ线性化的闭环系统；然后，对此闭环系统设计模型预测控制算法以获得良好的动态特性和抗干扰性能。本文以一个实例说明了该算法的有效性。     

基于改进Elman神经网络的非线性预测控制

为了提高非线性预测控制中预测模型的精度,提出一种基于递归神经网络建模的预测控制方案.采用改进Elman神经网络在线建立预测模型,用递推最小二乘法在线修改神经网络权值,并引入误差补偿环节,从而达到改善预测模型精度的目的,使控制系统的控制性能得到提高.仿真实验表明了该方法的有效性.     

一类非线性系统的自适应广义预测控制

利用Hammerstein模型描述一类非线性系统，提出了一类适用于非线性系统的自适应广义预测控制算法（NAGPC），该算法将整个控制系统分解成线性和非线性两部分考虑；在线性部分中，根据广义预测控制（GPC）算法中控制增益阵F的特点导出了一种速度较快，计算量不大的GPC改进算法。非线性部份利用插值原理给出了一种便于计算机实时计算的根值解法，并将其解作为整个系统的控制输入。仿真结果表明，NAGPC算法计算速度快，鲁棒性较强，稳定性较好。     

基于小波网络的非线性多变量约束预测控制

为了解决非线性多变量系统的建模、控制和优化问题 ,论文扩展基于小波神经网络的单变量系统辨识到多变量系统辨识 ,并用它实现非线性预测控制。对开环稳定过程 ,引入一个具有输入约束的基于小波神经网络模型的区域预测控制方案 ,它的闭环稳定性能够通过适当选择它的预测水平来保证。基于上述动态控制方案 ,提出了一个稳态状态优化方案。通过对一个聚酯生产过程的仿真研究 ,证实了上述方法的有效性。由于能够通过线性最小二乘 (L S)估计方法来辨识 ,该模型易于实现并可用作通用模型。仿真研究的结果表明了该模型的通用性、辨识和控制方法的简单性 ,所提出方案能够被用于过程工业的非线性系统的建模和控制     

一种具有大工作域的非线性预测控制算法

首先提出了一种同时具有计算量小和工作域大等优点的非线性预测控制算法,该算法的这些优点是由于在基于可行解的非线性预测控制算法中结合了多模型方法;然后证明了该算法的稳定性并分析了它的特点;最后用一个连续搅拌水箱反应器的例子说明了该方法的有效性.     

基于可行扰动的非线性预测控制实时迭代算法设计

针对非线性模型预测控制中滚动优化问题在线求解的困难,提出一种基于可行扰动的实时迭代优化算法。将可行扰动策略引入滚动优化中,保证算法快速收敛且具有提前终止能力。通过对运动小车以及连续搅拌反应釜的仿真研究,验证了该算法的有效性。     

基于Hammerstein模型和GA的非线性广义预测控制

针对Hammerstein型的非线性系统,给出了一种基于GPC的预测控制方法.分析了使用近似法求解控制量的缺点,据此提出了基于遗传算法的控制量优化求解策略.以一个热交换器作为仿真实例,分别使用遗传算法和两种近似法求取控制量,并比较了3种情况下的控制效果.仿真结果表明基于遗传算法的预测控制器具有良好的性能.     

受到干扰的仿射非线性系统超二次最优控制问题

研究了带初始和持续干扰的仿射非线性系统超二次最优控制问题，引进了相应控制问题的Ｒｉｃｃａｔｉ方程并刻划了原最优控制问题与相应Ｒｉｃｃａｔｉ方程之间的密切关系。     

采用免疫搜索的电网电压非线性模型预测控制

对使用非线性微分-代数不等式方程的电力系统模型,采用免疫搜索算法非线性模型滚动预测控制.通过分级目标分解方法,根据每个预测时段上的控制性能要求,将全局多个控制目标分解为预测时段内的优化子目标,运用Pareto意义的子目标加权,集成为一个总目标函数.在搜索最优解中运用免疫算法,将具有多基因链结构的抗体来表达复杂优化问题的候选解,利用免疫算法的学习和记忆能力识别各预测时段内已求解的优化问题类型,用模式识别技术提取优良抗体的基因,预测未来时段内的最优解搜索过程估计出较好的初始解,以加快最优解搜索速度.将此方法和基于树搜索算法的非线性预测控制方法比较,通过一个6母线电力系统实例进行了仿真研究,结果表明：文中提出的算法改进具有更强的优化搜索能力和更好的实时性.     

化工过程中虚假宽松约束的修正预测控制

过程控制中广泛存在着对变量的各种约束条件,因此需要设计能够满足约束条件的控制策略。约束预测控制能够处理各种输入和输出约束,是一种有效的控制方法。但在实际过程控制中,由于预测控制不检测下层回路的实际执行信息,当控制作用超出系统实际最大能力而不能完全下载时,标称约束成为虚假宽松约束,导致系统响应偏离预期,约束条件无法满足。该文基于线性系统离散状态空间模型,讨论有输入和输出区间约束条件的基于区间控制思想的预测控制。为保证虚假宽松约束发生时预测控制仍能够正确有效实施,提出及时进行一系列预测模型数据和约束条件的修正算法,并使约束条件得到满足。利用绝热连续搅拌釜式反应器(CSTR)模型的控制仿真实验证明了该算法的有效性。     

基于PC机平台的预测控制软件包开发与应用

讨论了基于通常使用的PC机平台的实用预测控制软件的开发,该软件具有系统仿真和实时控制两大功能.系统仿真功能实现了对预测控制系统的综合仿真,包括结构扰动、随机扰动对系统的影响和控制器参数调整的作用等,并可对预测控制的作用机理进行仿真分析.实时控制功能能够实现有约束多变量预测控制算法的在线实施问题.开发并实现了该系统模型辨识与预测、多变量预测控制算法及约束处理等模块,可实现对过程控制对象的实时控制.此外,修改了经典DMC算法的移位阵,使之能够直接控制带有接分环节的不稳定对象.实时控制时,结合系统仿真功能和实时控制功能,首先辨识出模型参数,然后离线仿真,选取理想的控制参数,并将这些参数应用于实时控制中.     

粒子群优化算法在非线性模型预测控制中的研究应用

提出了一种基于粒子群优化算法(PSO)的非线性模型预测控制（NMPC）。作为NMPC重要组成的滚动优化部分对控制效果的好坏起着关键的作用,因而寻求一种可靠的优化算法十分必要。PSO算法是一种群集智能方法,通过粒子之间的合作与竞争及进化实现对多维复杂空间的高效搜索,属于一类随机全局优化技术,已成功应用于各科学和工程领域。本文在滚动优化部分应用粒子群优化算法来求解预测控制律,对非线性系统施加优化控制,此外,对常规线性递减加权因子ω策略进行了讨论,提出了非线性递减策略,可进一步缩短优化时间和优化精度。仿真实验效果良好,验证了这种优化算法的正确性和有效性。     

PMSM的基于神经网络非线性预测控制

采用三层前向神经网络作为PMSM转速预测模型,对PMSM进行非线性预测控制.先通过离线训练获得初始预测模型,再在线对神经网络模型的权值和阀值进行调整;控制算法是将预测模型处理成线性和非线性两部分,并用一种快速线性预测控制方法求取控制律,大大减小在线计算量和提高控制的实时性.最后仿真结果表明该方法具有良好的动、静态特性和抗干扰能力.