水泥生料立磨压差的广义预测PID控制

针对立磨粉磨系统的非线性、大滞后、慢时变问题,设计了广义预测PID控制器(GPC-PID).通过构造广义预测控制目标函数中的控制加权序列使广义预测控制具有PID控制算法的结构,通过广义预测控制和PID的相互递推关系计算PID参数.仿真结果表明,广义预测PID控制能较好地稳定磨内压差,并且具有响应速度快、抗干扰性强、鲁棒性好等优点.     

非线性系统的蚁群优化预测PID控制

针对非线性、时变及大惯性系统的控制问题,提出了一种基于蚁群算法的预测PID控制算法。该算法以神经网络作为预测模型,将预测控制和PID控制相结合,并用蚁群算法在线优化控制器参数,其中以常规的Ziegler-N ichols方法整定的控制器参数为基础,选取蚁群优化变量的动态搜索区间。该算法考虑了控制能量受限情况下,非线性系统的预测控制问题。计算机仿真结果表明,该非线性控制方案具有较好的鲁棒性,相对传统PID控制策略还表现出了良好的动态性能,能够满足对再热汽温对象的控制要求。     

基于递推模糊LSSVM的青霉素发酵优化控制

针对非线性、时变的发酵过程,提出一种递推式模糊最小二乘支持向量机建模方法。将最小二乘支持向量机和模糊思想融合起来,并采用递推式算法简化运算,仿真表明,建立的模型具有良好的预测效果。结合此模型采用粒子群优化算法优化发酵过程的补料速率控制轨线,结果证明该系统具有良好的控制效果。     

基于LS-SVM/PID复合逆系统的预测控制

为了提高预测控制算法的控制性能,提出一种基于最小二乘支持向量机(LS-SVM)/PID复合逆系统的预测控制算法。该算法在PID控制的基础上,利用LS-SVM离线建立被控对象的非线性逆模型作为前馈控制器,形成直接逆控制,其克服了逆系统方法鲁棒性不强的缺陷,并与原系统串联构成一个伪线性系统;然后,结合预测控制算法实现系统的预测控制。仿真结果表明,该算法具有较好的跟踪性能和抗干扰能力。     

自动染料配浆控制算法研究

在配浆控制过程中,是一个多干扰时变的系统,且有很强的非线性,存在一定的滞后,常规的自动控制算法不能满足快速,精确的调整目标.根据调浆的过程,提出了一套基于对参考轨迹寻优的ESO-GPC算法,通过扩张状态观测器(ESO)对非线性系统的动态补偿线性化,使广义预测控制的计算量大大降低,对干扰提前进行补偿,提高了系统的响应速度和抗干扰能力.基于神经网络对GPC(广义预测控制)的参考轨迹在线寻优调整,进一步提高系统的鲁棒性,优化控制轨迹.     

电加热炉系统预测函数PID控制算法的研究

由于电加热炉系统具有大时滞、时变性、非线性等特点,提出了一种新型预测函数PID控制算法.该算法将PID控制算法和预测函数控制算法结合起来,通过预测被控对象的未来输出值,得到一个新的优化目标函数,实时优化控制参数,得到控制量的解析解.仿真结果表明,与常规PID控制和预测函数PID串级控制相比,所设计的控制器满足系统对快速性和稳态精度的要求,系统具有较强的抗干扰性和鲁棒性,能够实现对电加热炉系统的有效控制.     

基于预测控制的玻璃窑炉温度系统的控制研究

玻璃窑炉温度系统是一个大惯性、大滞后并具有非线性特征的变参数系统,难以建立精确的数学模型,而且窑炉在运行过程中受到多种扰动因素的影响,传统的PID控制难以满足对窑炉温度控制的高性能要求。本文将引入预测控制中的一种典型控制算法-动态矩阵控制（DMC）算法,提出把此算法应用到玻璃窑炉温度系统中.针对窑炉温度系统的特性进行了参数的设计研究,最后对窑炉温度系统进行了仿真。结果表明该算法具有响应速度快﹑跟踪性能好﹑鲁棒性和抗干扰性强的优点,非常适合于工业上大滞后控制系统。     

核学习自适应预测控制器的在线更新方法

针对非线性过程控制器的设计问题,将基于稀疏核学习的一种具有解析形式的自适应预测控制算法与选择性递推核学习相结合.该在线核学习模型可以通过递推算法进行节点增长和删减的有效更新.因此,所提出的控制器复杂度可控,且能学习过程的时变等特性,从而获得更好的性能.通过一非线性时变过程的仿真研究,验证了所提出的核学习控制器较传统的PID和无在线更新的核学习控制器等具有更好的自适应能力和鲁棒性.     

一种新型的预测函数PID控制算法的研究

针对应用于工业过程中的系统具有大时滞、时变性、非线性等特点,采用传统的PID控制方法难以实现良好的控制效果.将预测函数控制算法和PID控制算法相结合,提出了一种新型的预测函数PID控制算法.该算法具有预测函数控制算法鲁棒性强和PID控制算法抗干扰性好的优点.仿真结果表明,与常规预测函数控制算法相比,该控制算法满足系统对快速性和稳态精度的要求,具有良好的鲁棒性和抗干扰能力.     

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。