神经网络解耦预测函数控制

结合解耦思想研究多变量系统预测函数控制。通过引入神经网络补偿环节，对多变量系统解耦，在此基础上，对解耦后各子系统进行单变量预测函数控制，以确定各个控制量。同时基于系统脉冲传递函数，得到单变量PFC控制器的显式表达式。仿真表明，该算法有较好的跟踪特性，对解决多变量系统的优化和控制具有一定的适用性。     

内模统一预测控制的进一步分析

统一预测控制克服了一般预测控制器设计时难以比较每种控制器效果的缺点,将每 个问题的设计统一在一种框架下进行,设计费用也显著降低.对单输入单输出系统,统一预测 控制是一种优越的预测控制方法.采用内模结构就设计参数和模型匹配性对统一预测控制闭 环系统的跟踪性能和鲁棒性能的影响作更为详细的分析.从中可以看出内模结构在预测控制 中的独特优点.本文最后对一些结论给出了仿真结果.     

一类非线性系统的广义预测控制研究

针对一类难以线性化的单输入单输出非线性离散系统,就其实际输出信号跟踪参考输出信号的控制问题,研究了它的广义预测控制律设计方法。在系统数学模型非线性项的系数多项式满足一定条件的情况下,通过适当的数学处理,使问题的本质归结为求解线性差分系统的一组Diophantine方程,从而解出了非线性系统广义预测控制律表达式中的各个系数多项式,并给出了广义预测控制律的具体解析形式。通过仿真实例验证了所提出设计方法的正确性和有效性。     

基于灰色系统模型的预测函数控制方法研究

以灰色系统模型为基础，建立了一种预测函数控制方法．分析了灰色系统建模、模型预测输出和控制量计算方程的求解．通过仿真结果表明，该算法具有鲁棒性好、跟踪快速和抑制干扰能力强等特点。     

带有内动态的离散不确定非线性系统的滑模预测跟踪控制

对于一类带有内动态的单输入-单输出不确定离散非线性系统,基于滑模预测控制技术设计了一个控制器.通过反馈校正和滚动优化技术,可以及时补偿不确定性的影响,提高了匹配和不匹配不确定项的鲁棒性.然后,通过滚动优化技术得到期望的滑模控制律.特别地,通过预测控制,滑模控制的抖振现象可以消除.最后,在不确定项的界未知的情况下,得到闭环系统的所有信号都是有界的,并且跟踪误差是鲁棒稳定的.仿真例子说明所提出控制方法的有效性.     

基于多模型自适应预测控制的双容水箱液位控制系统研究

针对工业环境中的液位控制问题，设计了一种水箱液位控制系统装置，利用OPC技术将MATLAB和PLC控制系统进行集成，使用MATLAB/Simulink中的OPC工具箱及其他模块来进行液位控制系统的搭建，并采用多模型自适应预测控制方案实现了双容水箱液位的预测控制。根据双容水箱系统建立了机理模型，并通过MATLAB系统辨识工具箱对系统模型进行了参数辨识，得到双容水箱的输入输出模型，从而进行液位控制的模型预测控制研究。实际控制结果表明，多模型自适应预测控制与单模型预测控制相比，前者的响应加快，超调量减少，性能更优。     

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。     

基于预测控制的混沌系统参数微调控制方法

本文将预测控制理论引入混沌系统的控制研究中，提出一种基于预测控制的混沌系统参数微调控制方法，通过对控制参数进行微调，将模型未知时的混沌运动稳定到系统的不稳定不动点处．与现有同类方法相比，本控制系统具有快得多的响应速度，需要较短的时间就能实现混沌系统的控制．本方法能够控制超混沌系统，算法简便，控制算法的收敛性和控制系统的稳定性能够保证，理论分析和仿真实验都表明了本方法的有效性．     

约束非线性系统构造性模型预测控制

研究了连续时间约束非线性系统模型预测控制设计.利用控制Lyapunov函数离线构造单变量可调预测控制器,再根据性能指标在线优化可调参数,其中该参数近似于闭环系统的"衰减率".同时,控制Lyapunov函数保证了算法的可行性和闭环系统的稳定性.最后通过数值仿真验证了该算法的有效性.     

汽温系统的一种稳定预测控制方法设计

预测控制的最主要特征是滚动优化,该文深入分析了预测控制原有的滚动优化策略,提出了一种简化的预测控制方案,给出了算法步骤,并基于李亚谱诺夫稳定性理论对简化的控制算法进行了稳定性分析与设计.通过仿真研究在对单变量系统进行控制效果分析的基础上将其应用于200MW机组带汽-汽换热器的多变量汽温系统,结果表明,该方法具有算法简单,运算量小,运算速度快,控制量变化柔和,鲁棒性好的特点,尤其适用于复杂系统的控制,具有良好的应用前景,是对预测控制算法简化的一种有益的尝试.     

约束非线性系统多变量最优控制研究

近年来，非线性规划算法在最优控制领域中正受到越来越多的关注。该文深人研究并实现了一种新的非线性规划算法——FSQP算法，该算法具有所有迭代点均处于可行域之内、收敛速度较快的特点。提出了一种基于FSQP算法的约束非线性系统最优控制方法。然后，运用该方法解决了带有约束的复杂非线性系统的多变量时间最优控制问题，并通过计算机仿真表明了该控制算法的可行性和良好的控制效果。     

一类非线性系统的神经网络预测控制

针对一类具有特殊模型的非线性系统本文提出了一种新型神经网络预测控制算法。该算法利用线性系统预测控制技术和神经网络的非线性映射及并行处理能力来求实际控制量，避免了解非线性方程和非线性预测控制所需的在线数值寻优计算，减少了计算量和计算时间。仿真结果表明了该算法的何效性。     

Primary exploration of nonlinear information fusion control theory

By introducing information fusion techniques into a control field, a new theory of information fusion control (IFC) is proposed. Based on the theory of information fusion estimation, optimal control of nonlinear discrete control system is investigated. All information on control strategy, including ideal control strategy, expected object trajectory and dynamics of system, are regarded as measuring information of control strategy. Therefore, the problem of optimal control is transferred into the one of information fusion estimation. Firstly, the nonlinear information fusion estimation theorems are described. Secondly, an algorithm of nonlinear IFC theory is detailedly deduced. Finally, the simulation results of manipulator shift control are given, which show the feasibility and effectiveness of the presented algorithm.     

非线性HAMMERSTEIN系统的预测控制及其pH过程应用

本文基于非线性离散Hammerstein模型,开发了一种非线性Hammerstein系统预测控制(Non-Linear Hammerstein Predic- tive Control,NLHPC)算法。遵循预测控制策略,该算法利用Hammerstein模型进行输出预测。理论分析结果表明,该算法不仅具有好的稳定性和鲁棒性,而且其自身具有积分作用。在一台工业PC机上实现了该NLHPC算法,并用于具有强非线性的酸碱中和过程实验装置pH值的控制。实验结果表明NLHPC有着比工业界常用的非线性PID控制(nonlinear PID,NL-PID)更好的控制性能。     

A design technique for fast sampled-data nonlinear model predictive control with convergence and stability results

ABSTRACT

In this study, a sampled-data nonlinear model predictive control scheme is developed. The control algorithm uses a prediction horizon with variable length, a terminal constraint set, and a feedback controller defined on this set. Following a suboptimal solution strategy, a defined number of steps of an iterative optimisation routine improve the current input trajectory at each sampling point. The value of the objective function monotonically decreases and the state converges to a target set. A discrete-time formulation of the algorithm and a discrete-time design model ensure high computational efficiency and avoid an ad hoc quasi-continuous implementation. This design technique for a fast sampled-data nonlinear model predictive control algorithm is the main contribution of the paper. Based on a benchmark control problem, the performance of the developed control algorithm is assessed against state-of-the-art nonlinear model predictive control methods available in the literature. This assessment demonstrates that the developed control algorithm stabilises the system with very low computational effort. Hence, the algorithm is suitable for real-time control of fast dynamical systems.     

A continuation/GMRES method for fast computation of nonlinear receding horizon control

In this paper, a fast numerical algorithm for nonlinear receding horizon control is proposed. The control input is updated by a differential equation to trace the solution of an associated state-dependent two-point boundary-value problem. A linear equation involved in the differential equation is solved by the generalized minimum residual method, one of the Krylov subspace methods, with Jacobians approximated by forward differences. The error in the entire algorithm is analyzed and is shown to be bounded under some conditions. The proposed algorithm is applied to a two-link arm whose dynamics is highly nonlinear. Simulation results show that the proposed algorithm is faster than the conventional algorithms.     

非线性系统模糊神经网络变结构自适应控制

在非线性系统的模糊动力学模型基础上,提出一种模糊神经网络变结构自适应控制器;网络的结构根据非线性系统特性动态构成,基于该网络提出非线性预测器,基于梯度法提出了一种网络参数学习算法,并分析了收敛性及其性质。将网络预测器与参数学习算法相结合,构成自适应控制算法,证明了算法的收敛性。仿真结果证实了算法的有效性。     

A formulation of nonlinear model predictive control using automatic differentiation

An efficient algorithm is developed to alleviate the computational burden associated with nonlinear model predictive control (NMPC). The new algorithm extends an existing algorithm for solutions of dynamic sensitivity from autonomous to non-autonomous differential equations using the Taylor series and automatic differentiation (AD). A formulation is then presented to recast the NMPC problem as a standard nonlinear programming problem by using the Taylor series and AD. The efficiency of the new algorithm is compared with other approaches via an evaporation case study. The comparison shows that the new algorithm can reduce computational time by two orders of magnitude.     

Adaptive-Predictive Control of a Class of SISO Nonlinear Systems

In this paper, an adaptive-predictive control algorithm is developed for a class of SISO nonlinear discrete-time systems based on a generalized predictive control (GPC) approach. The design is model-free, based directly on pseudo-partial-derivatives derived on-line from the input and output information of the system using a recursive least squares type of identification algorithm. The proposed control is especially useful for nonlinear systems with vaguely known dynamics. Robust stability of the closed-loop system is analyzed and proven in the paper. Simulation and real-time application examples are provided for real nonlinear systems which are known to be difficult to model and control.     

基于遗传算法的非线性模型预测控制方法

介绍了非线性模型预调控制算法结构，提出了基于遗传算法的非线性模型预测控制方法，将遗传算法作为优化技术用于受限非线性模型预测控制器的设计。算法采用双模控制策略，将保证预测控制算法稳定性的终点等式约束转化为终点不等式约束，以利于遗传算法的实施。基于不变集理论，给出了非线性模型预测控制算法的稳定性定理。仿真结果表明了所提出控制算法的可行性和有效性。