内模统一预测控制的进一步分析

统一预测控制克服了一般预测控制器设计时难以比较每种控制器效果的缺点,将每 个问题的设计统一在一种框架下进行,设计费用也显著降低.对单输入单输出系统,统一预测 控制是一种优越的预测控制方法.采用内模结构就设计参数和模型匹配性对统一预测控制闭 环系统的跟踪性能和鲁棒性能的影响作更为详细的分析.从中可以看出内模结构在预测控制 中的独特优点.本文最后对一些结论给出了仿真结果.     

流程工业预测控制技术概述

对预测控的研究作了简要概述.对预测控制的发展历史作了简要回顾.阐述了预测控制与自适应和内模理论的结合方面的研究.对于非线性系统的预测控制,从预测模型的角度,描述了关于预测控制方法的研究情况.并且讨论了预测控制与其它智能控制策略结合的研究.最后指出了一些预测控制研究中的问题,以及预测控制研究的方向.     

参数未知系统直接广义预测控制

传统的广义预测控制(GPC)算法需要在线递推求解Diophantine方程及矩阵求逆,因此计算量很大,不适合对实时性要求高的控制系统.文中对参数未知线性系统提出一种直接广义预测控制(DGPC)方法.该方法直接辨识广义预测控制器参数θu,即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θu进行自适应调整.理论证明了该方法可使广义误差收敛到原点的一个小邻域内.仿真结果验证了此方法的有效性.由于实时性提高,并且不需要被控对象模型,该方法更利于实际应用.     

基于灰色预测的可拓控制方法

由于控制系统所固有的滞后性,可拓控制也和其他"事后"控制方法一样,无法实现精准的控制效果.为了克服一般可拓控制的缺点,提出了一种基于灰色预测的可拓控制方法.该方法先对系统输出量进行灰色预测,然后将预测结果与给定值比较,二者差值作为可拓控制器的输入量,再经特征量提取、关联度计算、测度模式识别和控制决策等环节,得到控制量作...     

基于WNN的两种优化结果在预测控制中的应用*

从优化小波神经网络的角度出发,对两种优化模型从理论上进行建模与推导;根椐预测控制的特点,提出离散小波神经网络模型GA分层优化方法及广义小波神经网络模型优化方法与预测控制相结合的新的应用途径.仿真结果证明了该方法的有效性和可行性,能使实际工程中的预测控制结果得到优化.     

基于神经网络的预测控制算法

针对某炼油厂油品车间柴油调和过程这个多输入多输出复杂对象进行了神经网络内模控制的仿真研究,其中在线优化算法采用线性规划的方法.神经网络预测控制正是克服了传统控制思想的束缚,通过对象的输入输出特性建立对象的数学模型,而不必通过复杂的系统辨识来建立过程的模型.对仿真结果进行了比较,结果表明神经网络预测控制算法对复杂对象具有较好的控制作用.     

有源电力滤波器的预测电流控制方法研究

针对三角波电流控制方法和滞环电流控制方法的不足,详细分析并实现了有源滤波器预测电流控制方法.该方法具有控制精度高,响应速度快,主电路开关频率恒定等优点.理论分析和实验结果验证所提出的控制方法的有效性,基于预测电流控制方法的有源电力滤波器具有良好的工作性能.     

一种基于H∞理论的鲁棒预测控制方法

融合H∞控制的鲁棒概念和预测控制的滚动优化原理,提出了一种全新的约束动态对 策预测控制方法.对有状态和控制约束的不确定线性系统,证明了闭环系统的鲁棒稳定性并给 出了鲁棒性条件.该方法同时具有H∞控制和预测控制的优点:鲁棒性和显式处理约束的能力.     

预测控制在工业锅炉汽包水位中的应用研究

根据工业锅炉汽包水位的动态特点,提出了汽包水位预测控制方案,采用一种基于BP神经网络预报的动态矩阵预测控制新算法,在该算法中,先用BP神经网络辨识对象模型,同时预测对象的未来输出.该方法解决了非线性、时变对象难以建模及控制的问题,仿真结果验证了这一算法的可行性.     

新型动态矩阵控制与先进PID控制的对比研究

由于预测控制对模型的选择比较宽泛,可以选择非参数模型,如阶跃响应模型为预测模型.利用预测控制的该优点,论文基于多变量动态矩阵控制思想,建立了一种新型单元机组负荷控制系统.利用该控制系统对负荷控制进行控制仿真,将控制结果与优化的先进PID控制进行对比.对比结果表明,该控制系统负荷响应速度较快,压力波动较小,控制效果良好.     

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。     

一种基于朴素贝叶斯分类的性能预测方法

基于朴素贝叶斯分类提出了一种复杂应用系统的性能预测方法.利用应用系统性能测试的结果作为训练集,引入朴素贝叶斯分类方法训练分类器,再将该分类器包装成预测模块嵌入应用系统,对响应时间等多种性能属性进行预测.与传统方法相比,该方法具有准确度高、构造简单、效率高、鲁棒性强、松耦合等优势.在针对金融报表系统的对比实验中准确率达到...     

非线性欠驱动系统的实时控制

提出了一种基于专家系统及变步长预测控制的实时非线性系统控制方法.变步长一步 预测的使用不但打破了原有采样时间对预测控制最小步长的限制,而且有效地避开了复杂的非 线性推导.结合系统控制目标,设计了一类新的系统优化性能指标函数.利用专家系统实时地对 系统优化性能指标当中的控制参数进行修正,有效地提高了滚动优化的效率,从而实现对复杂 非线性系统的实时控制.利用这种方法,有效地实现了对三级倒立摆的稳定实时控制.     

基于灰色预测的无人水下航行器目标跟踪

针对无人水下航行器目标跟踪控制问题,基于无人水下航行器传感器信息进行目标运动预测来实现跟踪控制。从目标预测理论出发,将灰色动态预测模型的建模原理引用到目标预测中,在对传感器进行数据滤波、小样本灰色建模与灰色动态预测的基础上,实现对目标运动的预测,文章详细阐述了基于灰色动态预测的传感器故障诊断的具体实现方法和步骤,对目标进行匀速运动、匀加速运动、变加速运动三种典型运动进行仿真研究,通过预测值与实际值之间的比较显示灰色预测方法能快速、准确的预测出目标的位置信息。     

预估控制在挖掘机提升系统中的应用

针对挖掘机提升控制系统存在的机械冲击问题,提出了预估控制方法并介绍其算法及模型,该方法控制思路为在抱闸打开之前由预估控制器先输出一个静力矩,避免抱闸打开后由于重力引起突然下坠对机械冲击;另外采用分段加减速的方法实现系统柔性换向,避免频繁换向时对机械齿轮的冲击.挖掘机提升系统采用该控制方法,解决了机械冲击问题,降低了机械损耗及故障率,实现了柔性换向,取得了良好的控制效果.     

带钢卷取温度高精度预报的遗传神经网络方法

热轧带钢卷取温度是影响成品带钢性能指标的重要工艺参数之一,其层流冷却控制系统具有高度非线性。影响卷取温度的因素多而且复杂,采用传统的温度预报模型难以达到较高的精度要求。为了满足卷取温度高精度的要求,提出了一种基于数据挖掘技术的遗传神经网络方法。充分发挥数据挖掘的关联分析能力、神经网络的泛化映射能力和遗传算法的全局搜索能力,将三者结合起来,建立了卷取温度预测模型。运用实际现场数据进行测试表明：它能准确地预报卷取温度,具有在线应用的前景。     

基于核方法的移动机器人远程控制时延预测与分析*

构建了基于Internet的移动机器人控制平台,针对该平台中网络时延的非线性特性,提出了利用线性核和RBF核方法对网络时延序列样本进行回归建模和预测。比较了核方法、BP神经网络和RBF神经网络算法预测误差,表明在移动机器人远程控制中,核方法对网络时延序列预测具有更好的函数逼近能力和较高的预测精度,从而可根据预测时延调节移动机器人控制指令和状态信息的网络传输,保证系统的可靠性,提高移动机器人的控制性能。     

预估模糊控制在循环水加药控制中的应用

针对Smith预估控制对模型误差较敏感,适应对象参数变化较差的缺点,提出了一种Smith预估模糊控制方法,利用模糊逻辑实现被控对象模糊化,利用Smith预估控制对被控对象滞后环节进行补偿。以火电厂循环水加药控制为例,对该控制方法进行仿真和实际应用研究,结果表明该系统能有效地避免纯滞后环节在控制系统中带来的振荡现象,工程应用取得了理想的控制效果,为纯滞后、大惯性、模型不确定系统的控制提供了很好的解决方法。     

基于BP神经网络的矿井提升机自校正容错PID控制

针对矿井提升机系统故障时动态性能难以用传统的解析方法获得的问题,提出了一种基于BP神经网络的矿井提升机自校正容错PID控制方法。该方法通过BP神经网络在线学习跟踪提升机系统的动态特性来预测系统输出值,并应用自适应控制中的自校正PID构建容错控制器,实现提升机系统故障下的稳定容错控制。仿真结果表明,该方法在提升机系统故障情况下能迅速跟踪系统故障状态,在线调整PID参数,快速恢复系统性能。     

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。