抑制输入输出波动的广义预测控制算法

针对控制工程中出现的控制量波动都较大的广义预测控制问题,提出了一种改进的预测控制算法.通过对传统广义预测控制算法的控制目标函数中增加输出增量优化目标项,并充分利用预测控制的输入增量变化信息,在线对控制增量加权系数进行修正,用以抑制输入增量的较大波动,从而使输出量的波动和超调得到改善,增强了系统的稳定性.仿真结果验证了该方法的可行性和有效性,效果良好.     

PID型广义预测控制在过热温控中的应用

在分析PID算法和广义预测控制算法的基础上,将广义预测控制算法的性能指标构造成PID形式,并推导出改进的PID型广义预测控制算法（PIDGPC）。通过在发电厂的过热蒸汽温度串级控制系统中的仿真,在时域内分析PIDGPC算法控制器的参数选择对控制性能的影响,说明PIDGPC算法比基本广义预测控制算法具有更好的控制性能,具有较好的应用前景。     

一种改进的广义预测控制算法仿真研究

对广义预测控制(GPC)算法进行简介.针对GPC控制算法在大迟延过程控制中超调量偏大的缺点,提出了一种改进的广义预测控制算法(简称AGPC);以电阻加热炉为研究对象,利用MATLAB的SIMULINK工具编写程序,对改进后的GPC控制算法进行仿真研究.结果表明改进后的GPC控制算法不仅能有效地抑制超调量,而且能兼顾快速性和鲁棒性,从而提高了控制品质.     

一种约束输入输出的隐式广义预测控制新算法

基于CARIMA模型提出了一种约束输入输出的隐式广义预测控制算法.针对广义预测控制问题,在整个预测时域和控制时域,对输入幅值,输入增量和输出幅值施加了约束,引入了输入输出柔化系数,从而简化了目标函数,减小了计算量,该算法不必求解逆矩阵;并采用了隐式广义预测自校正控制算法,利用并列预测控制器间的特点,直接辨识输出预测器中的参数,从而避免了在线求解Diophantine方程.该算法占用内存小,计算速度快,仿真结果表明该算法具有良好的控制性能.     

基于广义混杂预测算法的智能车电机控制

智能汽车的关键技术在于根据传感器获取的道路输入信息确定汽车转角及速度的输出。针对广义预测控制算法(GPC)对离散系统控制的局限性,结合混杂动态逻辑模型(MLD)以及广义预测算法的特点,提出一种广义混杂预测控制算法。该算法主要利用在被控对象的数学模型中引入辅助二进制变量,在不影响系统稳定性的前提下,增加了对离散事件的响应,扩展了广义预测控制算法在混杂系统中的应用。以飞思卡尔智能车模为控制对象,对电机的控制算法进行了实际测试。实验结果表明,该算法自适应能力强,稳定度高,可以实现智能车模型的平稳快速过弯。     

柔化系数在线调整改进广义预测控制在质子交换膜燃料电池供气系统中的应用

针对质子交换膜燃料电池中质子交换膜两侧的压力差易受负载电流变化的影响及压力差在常规控制中输出响应幅值过大等不足,本文提出了基于模糊推理的柔化系数在线调整改进广义预测控制算法来实现对压力差的控制。在预测控制的基础上,通过加入模糊推理对柔化系数进行实时调整和更新,来实现对供气系统中氢气分压和氧气分压输出响应速率的调节,以达到改善压力差动态响应过程的目的:。借助MATLAB进行仿真实验,验证了提出的控制算法在对压力差的控制具有调节时间短和输出响应幅值小等优点,其控制效果优于二固定柔化系数广义预测控制算法和PID控制算法。     

广义预测控制综述

总结了近年来广义预测控制的递推算法、直接 算法、组合算法、稳定的广义预测控制算法、连续的广义预测控制算法、非线性系统的广义 预测控制算法等各方面的理论研究成果,概述了广义预测控制的稳定性和鲁棒性分析的结论 ,讨论了进一步研究的方向．     

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。     

网络控制系统中考虑动态延时的广义预测控制算法

基于网络控制系统的状态空间统一模型和对网络动态延时的预测,提出了一种预测步数可变的广义预测控制算法,并基于实际对象的数学模型进行了仿真验证．结果表明,所提算法可很好地适应延时波动,且具有较好的控制效果．     

基于稳定平台的广义预测控制算法

广义预测控制算法(GPC)大都属于间接算法,即通过辨识被控对象的参数,进行多步预测和在线滚动优化来设计控制律,所以需要求解逆矩阵,计算量大。提出一种改进的广义预测控制算法,这是一种直接算法,直接估计控制器的参数,避免求逆矩阵。这种控制器能任意逼近多自由度稳定平台这种不确定对象,不用知道系统的精确结构,同时由于预测控制的加入,使系统在线计算方便,控制质量提高了。通过MATLAB软件的仿真结果可以看出,传统的PID对于不确定对象不能很好的解决,而采用提出的改进广义预测控制算法,系统的鲁棒性和快速性都得到了改善,并且具有较好的控制效果。     

Improving feedforward disturbance compensation capabilities in Generalized Predictive Control

This paper deals with the measurable disturbance rejection problem in Generalized Predictive Control (GPC). First, it is analyzed how the unconstrained GPC algorithm with implicit disturbance compensation can be interpreted as a typical feedback plus feedforward control scheme, where the main feature is that the feedforward action includes future estimations of the measurable disturbances. Then, it is shown that classical GPC cannot always eliminate the effect of measurable disturbances even using perfect disturbance models and having exact disturbance estimations along the prediction horizon. To overcome this problem a particular GPC tuning condition is proposed, which allows the improved GPC controller to eliminate the disturbance effect even in those cases where causality and instability problems can appear in the relation between the dynamics of the load disturbance and the process output with the dynamics of the control signal and the process output. Since the new tuning condition for disturbance compensation in GPC leads to a high bandwidth in the feedback loop, a two degrees of freedom control scheme within the Filtered Smith Predictor (FSP)-based GPC framework has been implemented to improve the robustness capabilities of the control law. Simulation examples are presented to show the main advantages of the proposed control scheme, including a realistic simulation based on a greenhouse climate control problem where estimators for the main process disturbances are also designed.     

一种基于神经网络的鲁棒型预测控制算法

针对复杂工业过程中存在的时滞、强干扰的严重非线性控制对象,仿真研究了一种利用神经网络作为预测模型,遗传算法作为滚动优化策略的预测控制方法.在算法中为了提高辨识非线性系统的鲁棒性以及降低控制器对未建模动态的敏感性,引入了一种伪模型,即将系统实际输出与预测输出综合成的新的输出信号,由该信号代替量测输出.仿真结果表明对于非线性被控对象该方法具有良好的鲁捧性和跟踪性能,对于改善非线性预测控制不失为一种有益的尝试.     

基于状态空间模型广义预测控制的并行算法

本文首先基于脉动阵列经，提出了一种实时参数辨识的并行算法，然后推导出基于状态空间模型广义预测控制的两种新算法，这两种算法都可以通过阵列结构并行实现。     

基于GPC算法的网络控制系统研究

针对具有随机时延的一类网络控制系统(NCS),文章设计了一种基于时延补偿和广义预测控制(GPC)算法的控制器。该控制器根据数据包的时间戳计算传感器-控制器时延,通过时延补偿得到被控对象当前的状态和输出,采用GPC算法计算控制量。仿真结果证实了该控制器的有效性。     

基于遗传算法的小波神经网络温度补偿模型

对单晶硅压阻式压力传感器的输出随温度漂移的问题,提出了基于遗传算法的小波神经网络模型,该模型充分发挥了遗传算法的全局搜索能力和小波神经网络简单快速的函数逼近能力,研究结果表明,该模型有效的抑制了温度对压力传感器输出的影响,提高了传感器的稳定性和准确性。     

比例–积分控制加广义预测控制算法及其应用

针对比例–积分(proportional-integral, PI)控制因不能预测未来输出而提前改变控制量使其用于光电稳定伺服系统时往往响应剧烈的问题,研究了光电稳定伺服系统的广义预测控制(generalized predictive control, GPC).首先通过证明受控自回归积分滑动平均(controlled auto-regressive integral moving-average, CARIMA)模型的直接递推预测与Diophantine方程预测等价,提出了预测较快的模型等价预测GPC算法,其预测复杂度比原GPC降低了一个阶次.其次通过对PI和GPC的特点进行分析,综合考虑两者的优缺点,提出了一种新型的基于PI增量和GPC增量加权的比例积分控制加广义预测控制(proportional-integral control plus generalized predictive control, PI+GPC)算法,实现了基于历史、当前和未来偏差计算控制量,并给出了算法设计流程和参数选取规则.最后通过仿真并在某光电稳定伺服平台上验证后得出, PI+GPC和PI相比稳定精度有所提高,且平稳性和快速性大为改善.     

基于广义预测控制的松散回潮出口含水率控制系统

松散回潮作为卷烟生产加工的首道核心工序,其出口含水率稳定性对后续各工序工艺指标有着直接的影响。为解决松散回潮工序烟片出口含水率控制精度低、过程控制能力弱等问题,本文围绕德国虹霓TB-L（flex）松散回潮机控制系统进行优化升级,充分利用厂内现有的工业控制和信息化系统采集制丝实时数据并分析,而后采用广义预测控制（generalized predictive control,GPC）方法,建立了具备工况自适应能力的加水量动态预测和调整模型,并编写相应的软件模块对过程进行自动化控制,实现了工艺过程参数动态优化、智能化的预测性控制系统。实际应用效果表明,该系统有效提高了松散回潮工序出口含水率稳定性。