锚泊辅助动力定位系统预测控制研究

本文针对锚泊辅助动力定位系统预测控制中实时性问题,选择隐式广义预测控制算法对混合定位船舶进行了控制器设计。针对GPC滚动优化过程中需引入繁琐的丢番图方程而引起的实时性差的问题,采用隐式自校正方法进行了修正,用递推最小二乘法直接辨识控制增量表达式中的参数,大大减少了计算复杂度,从而满足了控制器的实时性要求。隐式GPC不仅具有传统的GPC算法的优点,而且鲁棒性更好。通过船舶混合定位系统的仿真结果可以看出,隐式GPC算法具有良好的性能,从而提高了混合定位系统的定位精度和性能。     

锚泊辅助动力定位系统预测控制研究

本文针对锚泊辅助动力定位系统预测控制中实时性问题,选择隐式广义预测控制算法对混合定位船舶进行了控制器设计。针对GPC滚动优化过程中需引入繁琐的丢番图方程而引起的实时性差的问题,采用隐式自校正方法进行了修正,用递推最小二乘法直接辨识控制增量表达式中的参数,大大减少了计算复杂度,从而满足了控制器的实时性要求。隐式GPC不仅具有传统的GPC算法的优点,而且鲁棒性更好。通过船舶混合定位系统的仿真结果可以看出,隐式GPC算法具有良好的性能,从而提高了混合定位系统的定位精度和性能。     

PID型广义预测控制算法在EPA中的应用

在分析PID算法和广义预测控制算法(GPC)的基础上,将广义预测控制算法的性能指标构造成PID形式,并推导了改进的PID型广义预测控制算法(PIDGPC).通过工业实时以太网(EPA)实验装置的模型仿真,在时域内分析了PID型广义预测控制算法控制器的参数选择对控制性能的影响,说明了PID型广义预测控制算法比基本广义预测控制算法具有更好的控制性能,将会有较好的工程应用前景.     

一种新型GPC算法及其在PMSM直接转矩控制中的实现

为了使永磁同步电动机(PMSM)直接转矩控制(DTC)系统适用于更高要求的场合,在给出PMSM -DTC系统的基础上设计了适用于该系统的速度环广义预测控制器(GPC),该控制器采用一种与阶梯式广义预测控制算法相结合的分段式新型广义预测控制(GPC)算法,该控制算法在目标函数中增加预测值和给定值差平方的加权项,并根据不同...     

供热过程GPC隐式自适应算法应用研究

基于热工过程时滞、时变、不确定的特点和实时控制的要求,提出厂义预测自适应隐式算法,在对热力站供热过程进行分析之后,介绍了基本GPC算法,给出了基本GPC算法的IMC结构,由于基本GPC显式算法在线计算量大,实时性差,文中对GPC隐式算法进行了分析,推导出隐式自适应算法的控制律和参数辨识方程．最后,将GPC隐式自适应算法应用于集中供热热力站供热过程控制,通过仿真证明了所提出的GPC隐式自适应算法的有效和可行性．     

基于改进粒子群算法的约束隐式广义预测控制

针对大多数工业系统的控制输入输出都存在约束的情况,提出了一种基于改进粒子群算法的广义预测控制算法。广义预测控制算法采用隐式算法,用最小二乘法直接辨识控制增量表达式中的参数,避免求解丢番图方程;为避免粒子群算法陷入早熟,提高精度,在广义预测控制算法的滚动优化环节采用速度变异的粒子群优化算法,克服了受约束优化问题处理的缺陷,更快更准确地寻到最优目标函数值。仿真结果表明了该方法的有效性和良好的控制性能。     

基于改进粒子群算法的约束隐式广义预测控制

针对大多数工业系统的控制输入输出都存在约束的情况,提出了一种基于改进粒子群算法的广义预测控制算法.广义预测控制算法采用隐式算法,用最小二乘法直接辨识控制增量表达式中的参数,避免求解丢番图方程;为避免粒子群算法陷入早熟,提高精度,在广义预测控制算法的滚动优化环节采用速度变异的粒子群优化算法,克服了受约束优化问题处理的缺陷,更快更准确地寻到最优目标函数值.仿真结果表明了该方法的有效性和良好的控制性能.     

磁悬浮系统自抗扰广义预测控制

针对负载扰动以及轨道“台阶”现象可能导致磁浮列车失稳的问题,将自抗扰广义预测控制（LADRC-GPC）理论引入磁浮列车悬浮系统,设计了一种新型悬浮控制器。控制器采用分层控制策略,内层利用扩张状态观测器(ESO)对系统进行动态补偿,得到被控对象的受控自回归滑动平均模型(CARMA) ,降低了对被控对象数学模型的依赖程度。外层以内层控制为被控对象,采用广义预测控制（GPC）对系统进行动态优化控制,提高了控制器的跟踪性。通过仿真和实验与PID控制算法、线性自抗扰控制（LADRC）算法比较,结果表明:自抗扰广义预测控制算法具有较好的跟踪性与鲁棒性,在较大负载扰动时仍能保持较小的误差。     

双重控制系统的广义预测控制

传统的双重控制方法建立在简单PID算法基础上，其性能受到一定的限制．为此，将广义预测控制算法应用于双重控制系统中，形成基于预测控制的双重控制算法．该算法继承了传统双重控制方法的控制结构和控制思想，采用主、副2个控制器进行控制．其中主控制器采用广义预测控制算法，针对快回路产生快控制作用使系统具有良好的动态特性；副控制器采用PID算法．针对慢回路产生慢控制作用以实现一定的经济指标；同时，副控制器的输出作为前馈量引入主控制器．主、副2个控制器互相协调工作，使系统既具有良好的动态特性，又符合工艺上或经济上的要求．仿真对比结果表明，该算法控制性能优良，具有较强的的抗干扰性和良好的鲁棒性，是一种较好的双重控制系统控制算法．     

瓦楞纸板生产线原纸张力广义预测自适应控制

针对瓦楞纸板生产线原纸放卷张力控制实时性的要求,采用了广义预测自适应控制算法设计张力控制器。建立了张力控制系统模型,并进行了仿真。仿真结果表明,该控制器响应速度快、张力控制稳定,抑制扰动能力强,控制性能优于常规PID控制器。     

面向广义预测控制的协调控制系统建模与控制

针对电厂协调控制系统,提出了一种基于支持向量机(SVM)的广义预测控制(GPC)建模方法和控制算法。首先,根据电厂机组的实际运行参数,建立了600 MW亚临界燃煤机组协调控制系统受控对象的数学模型。其次,在建模过程中提出了一种新的混合优化算法——差分进化-灰狼优化混合算法(DE-GWO),以优化SVM,提高模型的准确性。最后,将基于SVM的GPC算法用于电站协调控制系统的设计。仿真结果表明,所提方法具有良好的跟踪能力和较强的鲁棒性。     

转向系统背压加载的广义预测控制

针对转向系统背压加载的时变、非线性、多变量耦合等过程特性,研究了一种基于最小二乘支持向量机(least square support vector machine,LS-SVM)的广义预测控制算法.采用LS-SVM辨识方法对系统进行建模,并用粒子群算法对LS-SVM的参数进行寻优,为控制器的设计奠定基础;对于时变的特点,采用基于在线LS-SVM的广义预测控制混合算法,实时修改模型参数.转向系统背压加载的控制实验结果表明,基于LS-SVM的广义预测控制混合算法是有效的,能准确地跟踪设定的加载压力,对扰动有较强的鲁棒性,具有实际工程应用价值.     

基于BP神经网络变参数设计的广义预测控制

针对广义预测控制算法中控制参数整定困难这一缺陷,提出了一种基于BP神经网络变参数设计的广义预测控制算法,实现了广义预测控制中的输出柔化系数α和控制增量加权系数λ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,均优于固定参数设计的广义预测控制算法,并对干扰有一定的抑制作用。     

基于LS-SVM与GPC算法的锅炉燃烧优化控制

基于LS-SVM算法和反馈网络建立了非线性对象全参数动态模型,实现了对非线性系统动态特性的多步预测;考虑控制的实时性,研究了将非线性LS-SVM动态模型在线线性化和构造对象实时线性CARIMA动态模型的方法;并结合GPC算法,提出了LSSVM-GPC动态优化控制策略。文中验证了LSSVM-GPC动态优化控制算法的跟踪能力和抗干扰能力,通过仿真试验给出了该算法对电站锅炉燃烧系统具有优秀的动态调节性能。     

强干扰环境下船舶动力定位自抗扰控制系统仿真研究

根据船舶动力定位系统的强非线性等特点,研究了将自抗扰控制应用于船舶动力定位控制器的设计方法,给出了自抗扰控制器的相关算法,并对实际船舶分别进行有强干扰下和无干扰下的仿真实验,分析其控制特性。结果表明,与经典PID控制相比较,自抗扰控制具有更好的动态性能、抗干扰能力和鲁棒性。     

基于输入设计的广义预测控制

讨论了广义预测控制 ( GPC)中参数γ的选取问题 ,指出了其中的不足 ,进而提出了基于输入设计的广义预测控制 ( GPCID)。该算法不必求逆矩阵 ,比 GPC占用内存小 ,计算速度快 ,但增强了鲁棒性。仿真结果表明了该算法优于 GPC算法     

基于频域的自抗扰广义预测控制的稳定性分析

为了克服广义预测控制的在线计算量大这一不足,本文提出了一种自抗扰广义预测控制(ADRC-GPC)算法。并针对一阶非线性不确定系统,推导了新算法的闭环反馈结构,分析了其频域特性,证明了所提算法的稳定性,利用Bode图分析总结了控制器参数选取的原则与规律。分析结果表明:与传统的广义预测控制相比,新算法可以离线求得丢番图方程的通解,且无需辨识被控对象的参数,因此极大地减少了算法的线计算量;仿真结果表明:和β-GPC预测控制算法相比,新算法具有更好的动态性能和更高的控制精度。     

广义预测控制在机组控制系统中的仿真研究

根据单元机组控制系统的特性,将广义预测控制算法应用到单元机组的控制系统中,为了说明广义预测控制算法优良的控制性能,引入PID控制算法和多变量动态矩阵控制算法;选取300MW机组在70％负荷点处定压工况下运行,采用三种控制算法对机组控制系统的响应速度和鲁棒性进行了分析,应用MATLAB软件得到仿真曲线;通过分析比较控制效果可见采用广义预测控制算法的单元机组控制系统的响应速度和鲁棒性方面具有较好的效果.     

神经-模糊预测控制算法及应用

提出了一种新的神经－模糊系统，结构上分为六层，包括一个输入层、一个输出层和四层隐层。该系统规则的结论部分采用线性ARX模型，训练方法结合最小二乘法与BP算法。将此神经－模糊系统与广义预测控制算法相结合，形成一种神经－模糊预测控制算法。有一个具有三条规则的神经－模糊系统建立某大型纸浆厂碱回收炉的模型，并应用神经－模糊预测控制算法进行控制，结果显示神经－模糊预测控制算法性能优良，应用前景广阔。     

输入受限的广义预测控制快速算法

针对传统约束广义预测控制算法的计算量大这一缺陷,通过只精确计算当前时刻的控制作用,而对未来时刻的控制序列进行离线近似计算,提出了一种输入受限的广义预测控制快速算法。该算法简单,不必求解Diophantine方程和逆矩阵,大大减小了在线计算量。并且,能够将输入很好地控制在约束范围之内,并具有良好的控制性能。仿真结果表明了该算法的可行性和有效性。