比例–积分控制加广义预测控制算法及其应用

针对比例–积分(proportional-integral, PI)控制因不能预测未来输出而提前改变控制量使其用于光电稳定伺服系统时往往响应剧烈的问题,研究了光电稳定伺服系统的广义预测控制(generalized predictive control, GPC).首先通过证明受控自回归积分滑动平均(controlled auto-regressive integral moving-average, CARIMA)模型的直接递推预测与Diophantine方程预测等价,提出了预测较快的模型等价预测GPC算法,其预测复杂度比原GPC降低了一个阶次.其次通过对PI和GPC的特点进行分析,综合考虑两者的优缺点,提出了一种新型的基于PI增量和GPC增量加权的比例积分控制加广义预测控制(proportional-integral control plus generalized predictive control, PI+GPC)算法,实现了基于历史、当前和未来偏差计算控制量,并给出了算法设计流程和参数选取规则.最后通过仿真并在某光电稳定伺服平台上验证后得出, PI+GPC和PI相比稳定精度有所提高,且平稳性和快速性大为改善.     

非线性系统的RBF网络直接广义预测控制

针对广义预测控制(GPC)算法需要在线递推求解Diophantine方程及矩阵求逆等计算量大的缺陷,本文对参数未知非线性系统提出一种RBF网络的直接广义预测控制方法。该方法首先将非线性系统转化为时变线性系统,然后用三次样条基函数逼近系统广义误差中的时变系数,并基于广义误差估计值对控制器参数即网络权值和广义误差估计值中的未知向量进行自适应调整,然后利用RBF网络来逼近控制增量表达式。     

非线性系统参数自适应直接广义预测控制

针对广义预测控制 (Generalized predictive control, GPC) 计算量大的缺陷, 本文对参数未知非线性系统提出一种直接广义预测控制 (Direct generalized predictive control, DGPC) 方法. 该方法直接辨识广义预测控制器参数, 即基于广义误差估计值对控制器参数 θu 和广义误差估计值中的未知向量 θe 进行自适应辨识. 理论证明了该方法可使广义误差估值收敛到原点的一个小邻域内.     

T-S模型的窑炉压力无超调快速广义预测控制设计

窑压是玻璃窑炉运行过程中重要的被控指标之一,直接影响窑炉能耗、寿命及产品成品率,优化窑炉压力控制具有重要的经济意义。由于受到众多因素的影响,窑压具有典型的非线性特性,现有方法的控制效果还有很大的提升空间。本文针对窑压设计了一套新型无超调快速模糊广义预测控制方法(NFGPC),先利用"离线+在线"组合辨识方法得到窑压对象的T-S模型;然后基于该模型对系统进行分片线性化得到时变CARIMA模型,以设计窑压广义预测控制律;结合柔化理论与新型滚动优化目标函数设计一种广义预测控制律,该方法无需求解逆矩阵即可得到控制输出,计算量更小;由于新目标函数的应用,该方法还能够克服传统GPC引起的超调效应。仿真结果表明该方法能够很好的处理窑压非线性系统建模问题,与PID控制、线性GPC(LGPC)以及模糊广义预测控制(FGPC)以及快速模糊广义预测控制(FFGPC)等方法控制效果的对比表明,NFFGPC在处理非线性系统控制问题上具有一定的优越性。     

基于GPC算法的网络控制系统研究

针对具有随机时延的一类网络控制系统(NCS),文章设计了一种基于时延补偿和广义预测控制(GPC)算法的控制器。该控制器根据数据包的时间戳计算传感器-控制器时延,通过时延补偿得到被控对象当前的状态和输出,采用GPC算法计算控制量。仿真结果证实了该控制器的有效性。     

非线性分离法广义预测控制稳态特性分析

对具有输入饱和约束和Harnmerstein非线性的系统,采用“非线性分离法广义预测控制(GPC)”策略,即采用线性GPC时先不考虑Hammerstein非线性,然后采用解非线性代数方程的方法处理该非线性。根据处理饱和约束和解方程的不同顺序,可得到两种“两步法GPC”和一种“非线性移去法GPC”,分析了这些方法的稳态特性,并通过仿真进行了验证。     

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.     

一种新型广义预测控制快速算法

广义预测控制(GPC)作为一种优良的算法受到了许多学者的重视.其基本思想是根据过去的输入输出以及未来输入通过优化二次型目标函数来预测未来输出.传统的GPC的缺点是计算量大.本文在隐式广义预测控制的基础上,通过改进其目标函数,提出了一种新型广义预测控制快速算法,避免了在线求解Diophantine方程和矩阵求逆,大大降低了计算量.仿真结果表明该算法的有效性.     

基于跟踪误差调节的模糊直接广义预测控制

针对广义预测控制(GPC)计算量大的缺陷,提出一种模糊直接广义预测控制(FDGPC)方法。该方法首先利用中值定理将一类非线性系统等价表示为时变线性系统,然后通过模糊逻辑系统直接设计预测控制器, 并利用跟踪误差对控制器参数θu进行自适应调整。理论证明了该方法可使跟踪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。     

广义预测控制技术在恒温箱温控系统中的应用

介绍广义预测控制(GPC)技术的基本方法,并给出仿真实验和其在恒温箱温控系统中的应用效果。实验结果表明,这种控制方法在对大滞后系统的控制方面具有良好的稳态性能。     

广义预测控制器系数直接算法

为了简化广义预测控制算法的分析与设计，提出了广义预测控制器系数直接计算方法．该方法利用过程模型直接递推，把广义预测控制律表达成控制器系数与参考轨迹及过程历史信息乘积的形式．其控制器系数计算只与模型参数及设计参数有关，避免了在线求解Diophantine方程、输出预测表达式及自由响应项，简化了设计思路，减少了在线运算量．在一个DCS控制的非线性液位装置上得到的对比实验结果表明该方法是可行和有效的．     

基于神经网络的时滞非线性系统的广义预测控制

针对一类时滞非线性被控对象,提出一种基于RBF神经网络的广义预测自校正控制方案,在广义预测控制中,采用RBF神经网络建立被控对象的多步预测模型,并不断修正预测输出,提高预测输出的精度.控制器则采用GPC隐式修正算法,不用辨识对象的模型参数,大大减少了计算量.经过仿真研究,与常规的PID自适应控制方法相比较,证明了该方法的优越性,预测控制误差小,实时性好,动态响应快.     

基于神经网络的广义预测控制

本文将神经网络快速计算的性能应用于广义预测控制中,以便克服广义预测控制算法的不足之处。仿真研究表明,这种方法实为改进控制算法性能的有效途径。     

A model predictive control approach with relevant identification in dynamic PLS framework

In this paper, a generalized predictive control (GPC) scheme under a dynamic partial least squares (PLS) framework is proposed. At the modeling stage, a model predictive control relevant identification (MRI) approach is used to improve the identification of the model. Within PLS framework, the MIMO system can be automatically decomposed into several SISO subsystems in the latent space. For each subsystem, MRI is implemented and GPC is designed independently. With the advantage of MRI and PLS framework, fewer parameters are needed to be estimated in the identification stage, nonsquare and ill-conditioned system can be handled naturally, control parameters tuning is easier and better control performance can be obtained. Furthermore, the computing time of control action which is very crucial for GPC on-line application decreases since each GPC is running in SISO subsystem in parallel. The results of two simulation examples and a laboratory experiment demonstrate the merit of the proposed method.     

基于频域的广义预测控制器( GPC)的稳定性分析

首先推导了广义预测控制器（GPC）的闭环反馈结构，然后采用频域响应法分析了GPC控制下闭环系统的频率特性，根据对闭环系统频率性的分析设计GPC的参数，使得系统具有满意的稳定性和过渡特性。     

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.     

基于RBF神经网络的直接广义预测控制

针对广义预测控制算法需要在线递推求解 Diophantine 方程及矩阵求逆等计算量大的缺陷,对参数未知多变量非线性系统提出一种径向基函数神经网络的直接广义预测控制算法.该算法将多变量非线性系统转化为多变量时变线性系统,用三次样条基函数逼近系统广义误差向量中的时变系数,然后利用径向基神经网络来逼近控制增量表达式,并基于广义误差估计值对控制器参数向量即网络权值向量θu和广义误差估计值中的未知向量θe进行自适应调整.仿真结果验证了此算法的有效性.     

基于改进BP网络的广义预测控制快速算法

提出了一种改进的全局寻优自适应快速BP算法并把其应用于广义预测控制 (GPC)算法中 ,解决了限制GPC实时控制的快速性问题。仿真结果表明其有效性     

改进的广义预测流量控制策略在多媒体网络中的应用*

针对计算机网络多媒体数据业务传输过程中存在的大时延问题,在对广义预测流量控制机制进行分析研究的基础上,提出了一种改进的广义预测流量控制算法。仿真结果表明,该算法能够快速有效地调节业务分组发送速率和缓冲区队列,提高链路利用率,有效地克服了时延影响。该算法实现简单,适合计算机控制系统实现,在多媒体网络中具有实际应用价值。