稳定的非线性系统广义预测控制

针对广义预测控制(GPC)算法稳定性分析困难,对参数未知非线性系统提出一种稳定广义预测控制(DGPC)方法。该方法首先将非线性系统转换为时变线性系统,然后利用三次样条基函数逼近时变系统中的系数,通过带时变遗忘因子的递推最小二乘算法辨识系数获得对象模型。基于模型通过性能指标中的前馈增益设计来保证控制系统稳定,仿真结果验证了该方法的有效性。     

一种预测控制方法及其仿真

针对现有预测控制方法的最优控制律的计算较为复杂的问题,提出了一种新的预测控制算法.与现有预测控制算法相比,该算法结构简单,计算量小,鲁棒性强.对算法在一个采样周期内控制律的求取进行了较详细说明.通过对线性和非线性系统的仿真,说明了该算法对线性系统能达到很好的预测控制效果,同时对时变、非线性系统也具有较好的适应性,并具有较强的抗干扰能力.对于快时变系统,该算法需要根据实际时变特性对相关系数加以调整,来达到较满意的效果.     

广义预测控制在非线性系统中的应用研究

本文研究了一类非线性系统的广义预测控制,将其等效为时变线性系统,然后在线辨识时变参数,进行广义预测控制。给出了两种辨识时变参数的方法,并以二容液位系统为模型,进行了仿真研究,结果表明,此方法计算量小,工作点变化时跟踪速度快．具有较好的控制效果。     

一类非齐次时变线性模型及自适应预测控制策略

通过分析系统闭环预测存在的缺陷，为了改善系统的预测性能、便于系统辨识和实现自适应控制，提出了一类适合于一般非线性系统的非齐次时变线性模型，给出并证明了其存在性定理。而后给出了这类非齐次时变线性模型的渐消记忆递推最小二乘参数估计，推出了基于该类模型的自适应预测控制算法。仿真结果表明基于该类模型的自适应预测控制策略具有优良的控制品质。     

预测控制在大滞后电阻炉系统中的应用研究

工业电阻炉属于时变的大惯性大滞后系统,系统设计非常困难。本文讨论了预测控制算法及其控制器的设计,仿真结果表明,预测控制具有很好的稳定性和鲁棒性。     

一类非线性系统的自适应预测控制

针对一类非线性系统,将其等价为时变线性系统,然后用三次样条函数逼近时变系数,利用梯度算法在线辨识多项式的系数以实现时变系统的参数估计,最后运用广义预测控制策略,实现了对原非线性系统的自适应预测控制.仿真结果表明了所提方法的有效性.     

一类受限非线性系统显示模型预测控制器

提出了一种利用神经网络与显示预测控制相结合来处理一类带约束非线性系统的新方法。首先基于神经网络理论对非线性系统进行建模,通过对神经网络中转移函数的最大最小值的调整构造多面体描述的线性时变系统来包裹原非线性系统,然后采用多参数规划在线离线相结合的方法建立显式模型预测控制系统。最后对该方法进行仿真实验,仿真结果证明,采用这种方法可以很好的描述非线性系统,改善控制器的控制效果。     

一类非线性系统的自适应预测控制

针对一类非线性系统, 将其等价为时变线性系统, 然后用三次样条函数逼近时变系数, 利用梯度算法在线辨识多项式的系数以实现时变系统的参数估计, 最后运用广义预测控制策略, 实现了对原非线性系统的自适应预测控制. 仿真结果表明了所提方法的有效性.     

参数时变系统的广义预测控制研究

针对参数时变系统,研究了自适应预测控制器的设计问题.采用隐式广义预测控制算法(IGPC),无需辨识对象模型参数,而是利用输入/输出数据直接辩识控制器参数,以求解最优控制增量,具有计算量小、实时性高的特点.仿真结果表明,在不需要关于被控对象先验知识的情况下,隐式广义预测控制器可以很好地跟踪设定值的变化,同时对于系统外部干扰和模型参数的变化具有很好的适应能力,在参数时变系统控制器设计中具有良好的应用前景.     

Markov跳变系统的输出反馈鲁棒预测控制

对离散时间Markov跳变系统, 当系统状态不完全可测时, 研究了一类基于输出反馈的鲁棒模型预测控制问题. 所研究系统为准线性参数时变的, 考虑在当前时刻系统的时变参数是已知的, 将来时刻未知的情况. 综合考虑系统存在多胞不确定性和有界噪声等因素, 通过运用线性矩阵不等式方法及变量变换思想, 将无穷时域性能指标的最小最大鲁棒预测控制问题转化为具有线性矩阵不等式约束的凸优化问题, 得到了系统的输出反馈控制律. 引入二次有界概念, 在满足输入输出约束的情况下, 保证闭环系统的随机稳定性. 数值算例验证了方法的有效性.     

存在未知时滞非线性系统的迭代变区间预测迭代学习控制

本文针对机理模型未知的非线性非仿射多入多出(multiple-input and multiple-output,MIMO)离散时间系统, 研究了系统同时存在未知时滞和迭代变化运行时间区间的预测迭代学习控制(predictive iterative learning control,PILC)问题. 首先利用未知时滞的上下界信息建立了一种新型的动态线性化(dynamic linearization,DL)模型, 理论分析表明该模型能够等价描述本文所考虑的存在未知时滞的未知非线性系统. 同时, 设计一种新的数据补偿机制用以处理由于系统运行时间区间迭代变化而引起的数据丢失问题. 基于所建立的DL模型和数据补偿机制, 设计了能够同时处理未知时滞和迭代变化运行时间区间的预测迭代学习控制方法. 通过严格的理论分析同时给出了建模误差和跟踪控制误差的收敛性质. 最后, 通过仿真进一步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.     

Constrained robust model predictive control via parameter-dependent dynamic output feedback

This paper considers output feedback robust model predictive control for the quasi-linear parameter varying (quasi-LPV) system with bounded disturbance. The so-called quasi-LPV means that the varying parameters of the linear system are known at the current time, but unknown in the future. The control law is parameterized as a parameter-dependent dynamic output feedback, and the closed-loop stability is specified by the notion of quadratic boundedness. An iterative algorithm is proposed for the on-line synthesis of the control law via convex optimization. A numerical example is given to illustrate the effectiveness of the controller.     

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.     

混合料矿槽模糊预估器的建立

混合料矿槽料位控制系统是一个大滞后、非线形、时变的控制系统。本文应用模糊预估器去实现混合料矿槽料位控制，通过近一年的运行，系统具有较强的鲁棒性。     

基于神经网络的迭代优化预测控制

针对时变的非线性系统,提出一种基于神经网络的迭代优化预测控制。它将传统的预测控制策略与神经网络逼近任息非线性函数的能力结合,预测系统未来输出,然后用迭代学习方法优化预测控制器,即通过一阶泰勒展开的方法,把非线性优化问题转化为线性优化问题。不仅简化计算,同时避免用神经网络优化控制器时,由于调节参数过多、涮前速度慢而导致系统闭环稳定性和鲁棒性差的问题。仿真结果表明,该控制方案具有良好的控制品质,并适应对象参数的变化,具有较强的鲁棒性和自适应性。     

Distributed MPC for Tracking and Formation of Homogeneous Multi‐agent System with Time‐Varying Communication Topology

The distributed model predictive control (MPC) is studied for the tracking and formation problem of multi‐agent system with time‐varying communication topology. At each sampling instant, each agent solves an optimization problem respecting input and state constraints, to obtain its optimal control input. In the cost function for the optimization problem of each agent, the formation weighting coefficient is properly updated so that the adverse effect of the time‐varying communication topology on the closed‐loop stability can be counteracted. It is shown that the overall multi‐agent system can achieve the desired tracking and formation objectives. The effectiveness of the results is demonstrated through two examples.     

Separated design of robust model predictive control for LPV systems with periodic disturbance

To eliminate the steady-state error of systems with periodic disturbance, the repetitive control (RC) is a useful approach. For practical applications, the controller is designed to both steer system output to a given set-point (or track a given reference signal) and reject periodic disturbance. The learning procedure of RC and the control action to steer system output to a set-point may influence each other and prolong the convergence time RC. In order to reduce this interaction, this paper proposes a separated design approach. A linear parameter varying (LPV) system is considered. A repetitive predictive control (RPC) and a robust model predictive control (RMPC) are separately designed, respectively, corresponding to reject the periodic disturbance and steer system output to the set-point. The convergence of the proposed RPC sub-controller is derived. The numerical examples show that the proposed design is effective.     

一类非自衡大时滞系统的模糊-Smith预测控制

提出了一种基于非自衡加大纯滞后过程的模糊-Smith预估控制器的结构形式。仿真实验表明,这种控制器具有良好的性能,且对于时滞参数大范围变化的系统具有良好的鲁棒性。     

神经元自适应预测PID控制器及实现

采用单神经元构成PID控制器,并和预测控制 结合克服时滞对控制系统的影响．对大时滞大惯性的电加热炉的实时控制结果表明,这种自 适应控制算法切实可行,且具有较强的鲁棒性,适合于控制大时滞被控过程．