基于预测状态的双速率DMC算法

针对一类快输入慢输出的双速率系统,在状态空间模型下,采用提升技术,将一类单速率的DMC预测控制算法推广到双速率系统中,并比较单速率算法和双速率算法的控制性能,给出双速率算法具有较好的控制性能的原因．仿真研究表明,基于预测状态的双速率预测控制算法,能够没有超调的跟踪设定值,并且具有较快的系统响应。     

基于双柔化系数在线调整的广义预测控制

在预测控制系统中，其控制品质与控制器的参数整定有很大的关系，特别是性能指标中的输出柔化系数及输入柔化系数。针对广义预测控制算法中控制参数整定困难这一缺点，利用BP神经网络，提出一种基于双柔化系数设计的广义预测控制算法，实现了广义预测控制中输入输出柔化系数的在线调整。仿真结果表明，该算法无论在跟踪性能、控制精度及鲁棒性上，均优于固定参数的广义预测控制算法，并对干扰有一定的抑制作用。     

非线性系统基于I/O扩展线性化的预测控制算法

本文论述单变量非线性系统基于I/O扩展线性化的预测控制算法,这是一种多层的控制策略。首先,设计一个静态的非线性状态反馈,以使闭环系统是I/O扩展线性的;然后,对该闭环系统设计预测控制算法。     

动态矩阵控制在工业锅炉燃烧系统的应用

工业锅炉燃烧过程可以合理简化为一个双输入双输出的多变量系统。为提高动态矩阵控制算法 的实用性，对一般的控制算法进行改进，采用简化后的预测前馈控制，使计算量大为减少。     

基于Volterra 模型的非线性系统预测控制

基于系统的正、负和双阶跃响应,提出一种新的非线性预测控制模型的建立方法,同时给出了相应的非线性控制算法,并证明了控制算法解的存在性和唯一性,针对 化工过程蒸馏塔控制系统,通过仿真计算验证了该方法的有效性。     

基于改进粒子群优化算法的预测控制

在实际工业过程中预测控制算法应用广泛,但是对于多变量预测控制算法其参数较多,且各个参数之间相互耦合,故整定其参数比较复杂,鉴于此提出一种基于改进粒子群算法的预测控制参数优化算法。该算法的基本思想是将生物寄生行为机制引入到粒子群优化算法中,形成双种群粒子群优化算法,使用该改进粒子群算法对多变量预测控制算法的参数进行离线优化,从而确定预测控制算法参数的最优取值。最后,将本文算法用于冷热水系统液位和温度的控制,并通过仿真将该算法与标准粒子群优化算法相比较,仿真结果表明使用该算法对多变量预测控制的参数进行优化整定时,系统的阶跃响应具有抗干扰性能好、超调量小、调节时间短等优点。     

多变量系统的隐式广义预测自校正控制算法

针对双输入双输出机炉协调控制系统,介绍了一种隐式广义预测自校正控制算法并对其进行仿真研究,分析仿真结果,总结参数变化对整个系统性能的影响,结果证实了算法的有效性。     

基于状态空间模型的双时间尺度预测控制算法

多时间尺度问题在控制领域已得到广泛关注。针对多时间尺度问题的典型代表——双时间尺度问题,学者们已提出多种控制算法来分析处理。这些控制算法大多是根据奇异摄动法将控制系统分解为快、慢两个独立的子系统,并对子系统分别进行优化求解,这类算法往往忽略子系统之间控制与输出的耦合作用。本文在上述控制算法的基础上,提出一种考虑快、慢子系统双方控制与输出间的耦合作用的双时间尺度预测控制算法。该算法以系统原状态空间模型分解得到的快、慢两个子系统模型为被控对象,将两个模型的预测值信息整合到同一预测控制优化问题中,实现对整个系统的控制。仿真实例验证了该方法的有效性。     

输入/输出无约束的模型预测控制器设计

动态矩阵控制算法是一种基于对象阶跃响应的预测控制算法,适用于控制系统复杂、数学模型难以精确建立的过程。针对输入/输出无约束的模型控制器设计,采用动态矩阵控制方法,包括预测模型、滚动优化、误差校正和闭环控制形式。通过MATLAB对它的仿真,验证了闭环系统鲁棒性较好,系统性能容易满足要求。结果表明,动态矩阵预测控制算法控制明显,因此是一种最优控制技术。     

双信号预测控制

提出一种双信号预测控制算法，该算法包含预测模型、滚动优化、反馈校正和导前信号校正４个环节。仿真结果表明，在一定条件下，所提出的算法优于传统的预测控制。     

具有预测控制功能的pH控制系统

介绍了糖厂酸碱中和的酸度控制系统以及采用动态矩阵控制算法设计的预测控制器。对系统硬件配置动态矩阵控制算法及参数设计作了具体说明,给出了仿真和实际运行结果。     

模糊控制和PID控制结合的净水厂投药控制系统

本文分析了当前混凝投药控制系统存在的问题 ,针对混凝投药过程的工艺特点 ,提出了采用模糊控制和传统PID控制相结合的混凝投药控制系统 ,改善了混凝投药的控制效果。     

PID和Fuzzy控制相结合的分段复合控制

采用常规PID控制很难实现对大滞后、非线性等难以建立精确数学模型的被控对象的良好控制.为了解决这一难题,该文针对一个非线性二阶系统设计出PID和模糊控制相结合的分段复合控制器,该控制器不需要被控对象的精确数学模型.由于在整个控制过程中的不同阶段采用不同的控制方式,既继承了常规PID控制无静差、静态稳定性好的特点,同时又兼有模糊控制适应能力强、动态性能好的优势.通过MATLAB仿真实验表明,该分段复合控制器能够满足二阶非线性被控对象的控制要求,并取得了良好的控制效果.     

泛论控制工程对控制理论的需求

从控制理论的内容上将控制理论分为模型控制论和工程控制论,并且阐述了两者的关系;讨论了反馈控制系统对控制理论的需求,从目标函数的多少、控制策略集的大小以及控制策略的求取三方面研究反馈控制系统对控制理论的要求;研究了自动化对控制理论的需求。为了解决此课题,从扩展目标函数入手,给出复杂控制系统的概念,并且给出了复杂系统控制理论的主要内涵,展望了复杂控制系统控制理论的意义。     

基于Fuzzy-PI双模控制的控制系统

叙述了孵化装置中有关温度与湿度的控制方法。为了提高控制精度、改善系统的动态、稳态性能,引入了基于Fuzzy-PI双模控制方法,并利用Matlab进行仿真。通过仿真和实际运行表明,采用了Fuzzy-PI双模控制以后,加快了动态响应,提高了控制精度,有效地降低了超调量,孵化率达到了规定的技术指标。对于实际中存在的非线性、大滞后、大惯性、难以建立数学模型的系统,采用该控制方法,不失为一种好的策略。     

模糊控制与PID控制的对比及其复合控制

在对PID控制与模糊控制进行对比的基础上提出了一种模糊PID复合控制方案.首先,分别设计了一个常规PID控制器和一个基本模糊控制器;然后,对两种控制方案进行了仿真对比研究,并对它们的优缺点进行了评价;最后,为了将两种方案取长补短、优势互补,设计了一种模糊PID复合型控制器.该复合控制器根据偏差范围的大小,通过模糊控制与...     

Bi-Objective Optimal Control Modification Adaptive Control for Systems with Input Uncertainty

This paper presents a new model-reference adaptive control method based on a bi-objective optimal control formulation for systems with input uncertainty. A parallel predictor model is constructed to relate the predictor error to the estimation error of the control effectiveness matrix. In this work, we develop an optimal control modification adaptive control approach that seeks to minimize a bi-objective linear quadratic cost function of both the tracking error norm and the predictor error norm simultaneously. The resulting adaptive laws for the parametric uncertainty and control effectiveness uncertainty are dependent on both the tracking error and the predictor error, while the adaptive laws for the feedback gain and command feedforward gain are only dependent on the tracking error. The optimal control modification term provides robustness to the adaptive laws naturally from the optimal control framework. Simulations demonstrate the effectiveness of the proposed adaptive control approach.      

基于PID控制的新型模糊控制方法

本文在文献[1]提出的模糊控制系统的基础上,通过启发式规则构造了调整比例因子的函数,改善了控制器的控制性能.     

基于鲁棒控制理论的多模型分层切换控制

A new hierarchical switching control system of multiple models based on robust control theory is designed for some plant with large uncertainties. The model set and controller set are designed by robust control theory and the characteristics of robust control system are taken into account. A new kind of switching index function by estimating uncertainty is designed. Furthermore,stability of the closed system is analyzed by the small gain theorem in the sense of exponentially weighted L2 norm. And simulation is done on a plant with both parameter uncertainty and unmodeled dynamics. Both theoretical analysis and simulation results show that this new hierarchical switching control system can control the plant with large uncertainties effectively and has good performance of tracking and stability.