讲座：预测控制：第三讲 模型算法控制

讲座：预测控制──第三讲　模型算法控制电子科技大学（成都）周云钟模型算法控制是７０年代后期发展起来的一种预测控制算法，在热工和化工等过程控制领域获得了广泛应用，并取得了巨大成功。１预测模型模型算法控制（ＭＡＣ）适用于渐近稳定的线性对象。测定了此类对象...     

基于ARMAX模型自适应预测函数控制

本文提出了基于ARMAX模型的自适应预测函数控制,该算法的特点是占用内存少,计算 速度快,并具有较强的鲁棒性．ARMAX模型参数是通过带遗忘因子的递推最小二乘算法在线辨 识得到．仿真结果表明,该控制算法比PID控制具有更好的控制品质．     

参数化模型预测空间实现及递推预测算法

本文给出线性时不变离散系统的参数化模型的预测空间实现的表达式，利用该表达式将传统的参数化模型预测算法化为状态空间递推形式，可大大减小参数化模型预测的在线计算量。为工程上实现自适应参数化模型预测控制带来很大方便。     

基于连续映射小脑模型的广义预测控制快速算法

文中把改进后的小脑模型（ＣＭＡＣ）应用于广义预测控制（ＧＰＣ）算法中，避免了该算法需实时进行的复杂计算，本文的方法对ＧＰＣ在实际中的应用有重要的意义。     

加权模型预测控制（WMPC）

针对参数有界系统，将加权模型引入预测控制算法，改进了原算法对模型处理的不足，从而增强了控制系统的鲁棒性，改善了控制性能。仿真结果表明了该方法的有效性。     

一种改进的模型算法控制

本文提出一种改进的模型算法控制。改进模型算法控制将常规模型算法控制中的系统输出预测方程改为一种状态空间描述形式,用现代控制理论来分析研究模型算法控制系统。改进模型算法控制的在线预测计算量比常规方法大为减少,而且系统性能也有改善。最后给出用改进方法控制一个实验液位系统的结果。     

扰动自适应模型预测控制的频域特性分析

扰动模型的准确性对模型预测控制算法的扰动抑制能力有重要影响,当前模型预测控制广泛采用的阶跃扰动模型不能准确描述进入系统的不可测扰动,扰动抑制能力有限.自适应扰动模型可以较好的描述不可测扰动,提高对扰动的预估和抑制能力.本文对采用自适应时间序列扰动模型的预测控制进行分析,研究了扰动自适应预测控制(DMCA)的闭环结构以及带宽、灵敏度函数等频域指标与控制器抗扰性能的关系.带宽大的系统抑制扰动的速度快,灵敏度函数幅值越小则对扰动的抑制能力越强.理论分析和仿真结果表明与动态矩阵控制(DMC)相比,采用自适应扰动模型的DMCA算法能够更好的预测和抑制扰动,被控变量偏离设定值的最大幅度降低60％,带宽是DMC的1.5倍、调节速度更快,在低频段有较小的灵敏度函数值.自适应扰动模型提升了DMCA控制器的扰动抑制性能,对保障系统安全平稳运行和增加效益有重要意义.     

基于串联结构的分布式模型预测控制

分布式模型预测控制(Distributed model predictive control, DMPC)是一类用于多输入多输出的大规模系统的控制方式.每个智能体通过相互协作完成整个系统的控制. 已有的分布式预测控制算法可以划分为迭代式算法和非迭代算法:迭代算法在迭代到收敛情况下,具有集中式预测控制(Centralized model predictive control, CMPC)算法的性能,但迭 代次数过多,子系统间通信量大;非迭代算法不需要迭代,但性能有一定损失.本文提出了一种基于串联结构的非迭代分布式预测控 制算法.本文算法在串联结构系统中可以有效减少计算量,并结合氧化铝碳分解(Alumina continuous carbonation decomposition process, ACCDP)这一串联过程,通过仿真验证了算 法的有效性;同时分析了算法运用在串联结构下的性能并证明了其稳定性.     

基于蚁群算法的永磁同步电机多步预测控制

为了提高永磁同步电机驱动系统的效率与动态性能,结合传统矢量控制的特点,研究了一种永磁同步电机多步长预测直接电流控制策略,减少了逆变器开关损耗;为了解决多步长在线预测过程中的计算量过大的问题,提出了一种基于蚁群算法的模型预测控制方法,将连续时刻逆变器开关状态视为蚁群运动轨迹,并根据优化目标在较优路径上留下较强信息素作为正反馈以减少计算量。通过仿真对比,相较于矢量控制与直接转矩控制,上述算法可以明显降低逆变器开关损耗,提高动态响应速度;同时保持较小的总谐波失真。结果表明基于蚁群算法的多步预测能够在较少迭代次数内收敛,保证了在较低逆变器开关损耗下系统的性能。     

广义预测控制：理论、算法与应用*

本文简要介绍了广义预测控制基本方法及其近年来提出的改进广义预测控制算法，并对非互性系统广义预测控制、多变量系统广义预测控制、广义预测控制的稳定性与鲁棒性分析作了进一步讨论，最后，概述了广义预测控制在工业中的应用和广义预测控制的进一步研究方向。     

一种改进的模型算法控制

通过在指标函数中引入系统输出误差的微分项,提出一种改进的模型算法控制(IMAC),由于采用了增量式的脉冲响应预测模型,因此更适用于工业过程控制。理论分析及计算机仿真研究表明,IMAC比模型算法控制(MAC)具有更好的动态调节特性。     

基于自适应MPC算法的轨迹跟踪控制研究

为了保证智能车辆在低附着且变速条件下跟踪控制的精确性和稳定性,提出一种基于自适应模型预测控制(MPC)的轨迹跟踪控制算法.针对低附着条件下轨迹跟踪存在行驶稳定性较差的问题,对车辆动力学模型添加侧偏角软约束,分别设计有无添加侧偏角约束的MPC控制器.仿真结果表明,添加侧偏角约束后MPC控制器性能更优,车辆行驶稳定性得到有...     

一种基于PSO的自适应神经网络预测控制

针对非线性系统,提出了一种基于微粒群优化(PSO)的自适应神经网络预测控制方法.采用对角递归网络(DRNN)对非线性系统进行建模,并利用扩展卡尔曼滤波(EKF)递推估计算法在线计算网络模型参数的Jacobian矩阵以实现模型参数的自适应.利用PSO算法在线优化求解非线性系统的预测控制律,以克服传统基于梯度法的非线性规划方法求解预测控制律时对初始条件非常敏感的缺点.生化发酵过程的仿真结果表明,所提出的控制方法具有良好的跟踪能力和抗干扰能力.     

广义预测鲁棒自适应控制

本文指出自校正控制中广泛采用的CARMA模型会导致控制系统对确定性扰动和非平稳随机扰动缺乏鲁棒性;在CARMA模型中引入相应于上述扰动的不可控模态,给出了一种广义的CARMA模型;基于内模原理,提出一种新的广义预测鲁棒自适应控制器;并从理论上揭示其鲁棒性机理;给出了数字仿真。理论分析和数字仿真结果表明:这种广义预测自适应控制器对各类扰动和对象参数变化具有很强的鲁棒性。     

一类对偶自适应预测函数控制算法

针对未知参数系统的自适应预测函数控制,模型尚未辨识完成或外界干扰造成的模型不准确,会严重影响控制效果,并产生较大的超调和波动.由此,提出一类对偶自适应预测函数控制(Dtml Adaptive Predictive Function Control,DAPFC)算法.在模型辨识的过程中,通过辨识误差的大小,利用对偶控制方法来调整原有自适应控制律,尽可能地获取未知参数信息并抑制由于模型失配造成的控制量的波动.改善了系统在模型失配时的控制效果,并具有较强的鲁棒性.仿真结果表明,该算法具有良好的控制品质.     

分数阶PID模型预测控制算法改进研究

在分析FOPID(分数阶PID)算法和MAC(模型算法控制)算法的基础上,结合两种算法的优点,推导了基于FOPID性能指标的改进的MAC控制算法FOPID-MAC算法.这种算法既具有FOND算法的优点,稳定性较好,又具有预测功能.通过仿真研究的对比,在时域内分析了FOPID-MAC控制器的参数选择对系统控制性能的影响,...     

适用于路径跟踪控制的自适应MPC算法研究

为提高自动驾驶车辆在不同工况下的路径跟踪精度和行驶稳定性,基于车辆的单轨模型和模型预测控制（MPC）理论,提出一种依据跟踪偏差和道路曲率自适应调整成本函数权重系数的路径跟踪控制算法。该算法主要是通过模糊控制理论动态优化传统MPC路径跟踪控制器中权重系数矩阵,使得当车辆与参考路径偏差比较大时,能够快速减小跟踪偏差,保证车辆行驶的安全性;当路径跟踪偏差比较小,且参考路径曲率比较小时,使得系统更加侧重行驶稳定性的要求。为验证所设计的路径跟踪控制器的性能,搭建CarSim/Simulink联合仿真模型,在联合仿真过程中,基于权重系数自适应的MPC路径跟踪控制器与基于权重系数为常量的MPC路径跟踪控制器相比,路径跟踪精度和车辆的行驶稳定性均得到了提高。     

一种基于滑模的自适应预测函数控制新算法

提出了一种应用带时变遗忘因子的基于滑模的自适应预测函数控制新算法。该算法采用带时变遗忘因子的递推最小二乘算法在线辨识模型参数,将滑模控制与预测函数控制(PFC)相结合对系统进行控制。与其他模型预测控制不同,预测函数控制可以克服其他模型预测控制可能出现规律不明的控制输入问题,具有良好的跟踪能力和较强的鲁棒性,离散滑模控制中的滑动模态对干扰具有不变性;最后分析了控制系统的闭环渐近稳定性。仿真结果验证了该方法的有效性。     

改善系统抗干扰性能的自适应双重控制算法

针对系统发生较大扰动时常规的控制算法难以取得理想控制效果的问题,提出了一种基于自适应双重控制理论的解决办法。该算法充分利用了自适应双重控制能够快速跟踪参考轨迹,并且在系统模型失配的情况下不产生大的超调和波动的特点,并将控制算法加以改进,解决了系统对象剧烈变化的问题,改善了系统的抗干扰能力。仿真结果表明,该算法可以有效克服系统剧烈变化引起的大幅度波动,表现出良好的控制品质。     

网联车辆自适应巡航控制算法验证平台设计

自适应巡航控制系统是一种车辆高级辅助驾驶系统，不仅可以减轻驾驶员工作负担，还能增强车辆的行车安全和驾乘舒适性。基于MATLAB和Python混合编程，在网络协议环境下设计智能车巡航控制算法验证平台；该平台能够模拟多种不同典型行车场景，其实时的信息采集与动画演示功能能够直观有效地展现车辆状态。结合所开发的平台软件，设计出增量式模型预测控制器（IMPC）和智能驱动驾驶（IDM）控制器，所提出的IMPC算法不仅能综合考虑网联车巡航多目标的特点，同时还满足巡航系统快速性和准确性的要求。最后结合典型驾驶工况，开展智能车的车辆自适应巡航控制实验。实验结果表明，基于MATLAB和Python混合编程的软件系统能有效模拟各种驾驶情景，并能结合智能车验证该自适应巡航控制算法的结果。