基于纳什议价的无人机编队自主重构控制方法

针对任务环境下携带不同载荷的无人机(Unmanned aerial vehicles, UAVs)组成的编队, 为实现无人机间的相互支援和补充而进行编队重构控制, 运用多目标多人博弈理论, 将其转化为纳什谈判过程. 结合分布式模型预测控制(Distributed model predictive control, DMPC)方法, 设计一种基于纳什谈判的分布式预测控制(Nash bargaining solution-DMPC, NBS-DMPC)算法求解该问题, 并对算法收敛性进行了证明. 仿真实验表明, 该算法能够有效控制编队自主重构, 实现编队无人机间的威胁规避和协同保护, 同时能够有效降低无人机编队自主重构控制问题的求解规模.     

可实现单边区间控制的模型预测控制算法

对于具有多变量强耦合特点的工业过程对象,控制系统的稳定性是非常重要的。这要求减少控制作用和降低控制强度。但对于控制输出偏离控制目标,尤其控制输出偏向非常不希望的方向时,需要较强的控制作用使输出快速返回目标值,这样就存在怎样协调控制的快速性和稳定性之间的矛盾。本文针对这一问题,提出了以MPC(model predictive control)理论为基础的单边区间控制算法。通过权重区分输出偏离目标值的方向,对不同的偏离方向采取不同的控制强度,在保证快速控制的前提下最大限度满足稳定控制的要求。本文还对算法的求解进行了讨论,并通过实例仿真说明了新算法能够实现单边区间控制。     

预测控制在工业锅炉汽包水位中的应用研究

根据工业锅炉汽包水位的动态特点,提出了汽包水位预测控制方案,采用一种基于BP神经网络预报的动态矩阵预测控制新算法,在该算法中,先用BP神经网络辨识对象模型,同时预测对象的未来输出.该方法解决了非线性、时变对象难以建模及控制的问题,仿真结果验证了这一算法的可行性.     

基于随机模型预测控制的插电式混合动力汽车 多目标能量管理策略

为了改善插电式混合动力汽车的燃油消耗和排放, 开展多目标随机模型预测控制策略的研究. 首先, 建立适用于模型预测的多元线性回归的发动机和电池模型, 建立融合燃油消耗和排放的多目标价值函数的模型预测控制, 随后, 基于随机驾驶员模型未来时刻的车速, 结合交通信息并利用动态规划(DP)算法进行参考电荷状态(SOC)优化, 进而建立多目标随机模型预测控制策略. 最后, 通过与DP, MPC等策略进行对比验证, 及给出两组不同权值进行多目标控制效果分析. 结果表明, 该策略的燃油消耗和排放最接近DP的控制效果, 且设置不同权重值可获得相应的控制目标, 说明该策略对提升燃油消耗和排放的多目标性能的有效性.     

基于最优保留遗传算法的非线性模糊预测控制

针对传统的模型预测控制不能很好解决具有严重非线性、不确定性的对象或过程的控制问题，提出将模糊模型用于描述对象的非线性动态特性，通过将模糊模型的输出反馈作为模型输入，从而构成了模糊多步预测器。采用一种收敛精度高、速度快的具有最优保留特性遗传算法(EGA)，依据模型预测输出在线滚动求解控制律的非线性预测控制算法。仿真结果表明该算法对一类非线性系统具有较快的响应速度和较强的抗干扰能力。     

状态空间模型的双层结构预测控制算法

双层结构预测控制是指先进行设定值优化、再进行设定值跟踪的预测控制.在已有的双层结构动态矩阵控制的基础上,本文给出基于状态空间模型的双层结构预测控制算法.该算法基于干扰模型和新定义的开环预测值,给出了新的开环预测模块.该开环预测模块采用Kalman滤波方法得到操作变量、被控变量的开环动、稳态预测值.基于这些开环预测值,稳态目标计算模块的基本原理同双层结构动态矩阵控制,但是具体细节上遵循状态空间方法.动态控制模块基于稳态目标计算提供的操作变量、被控变量的稳态目标(设定值),采用二次规划算法计算控制作用.仿真算例证实了该算法的有效性.     

对角CARIMA模型多变量自适应约束广义预测控制

为了简化约束存在时多变量广义预测控制算法的设计与实现,依据对角CARIMA模型的结构特点,将多输入多输出对象的参数辨识和模型预报问题转化为一系列多输入单输出子对象的参数辨识和模型预报问题.推导了输入输出的约束形式及优化求解过程.简化了多变量对象的参数辨识、模型预报、目标函数和约束条件系数矩阵的计算.在由DCS控制的非线性液位装置上的对比实验结果表明了该方法的有效性.     

基于神经网络的预测控制算法

针对某炼油厂油品车间柴油调和过程这个多输入多输出复杂对象进行了神经网络内模控制的仿真研究,其中在线优化算法采用线性规划的方法.神经网络预测控制正是克服了传统控制思想的束缚,通过对象的输入输出特性建立对象的数学模型,而不必通过复杂的系统辨识来建立过程的模型.对仿真结果进行了比较,结果表明神经网络预测控制算法对复杂对象具有较好的控制作用.     

基于多Hammerstein模型及APSO的预测控制策略

研究了基于多Hammerstein模型的非线性预测控制问题,提出了基于多模型融合的非线性预测控制方法,根据实际对象不同的工作点建立了非线性系统的多Hammerstein模型表示,以此模型集合作为实际对象的预测模型,兼顾预测控制处理各类约束的优点,以计算量较小的自适应粒子群算法(APSO)作为预测控制的滚动优化方法计算最优控制序列,避免了传统粒子群算法易早熟和算法后期粒子易在全局最优解附近"振荡"的缺点,并给出相应的模型切换策略,pH中和反应的仿真结果说明了此方法的有效性,同时也为菲线性预测控制提供了一种新方法.     

线滞后系统的控制算法比较

本文介绍了用于时滞系统的Smith预估补偿控制、采样PI控制和预测控制方法的原理,并对一阶纯滞后对象,采用Matlab工具对其控制性能进行仿真比较.仿真结果表明,Smith预估补偿算法在滞后被控对象模型已知的情况下能够取得较好的控制效果,而在模型参数未知或不准确情况下,适合采用采样PI控制或预测控制.     

带有输出区域控制目标特性的多变量预测控制算法

针对实际过程控制系统中某些被控变量没有设定值要求只有区域目标约束要求这一特点,提出一种带有输出区域目标特性的多变量预测控制算法(ZMMPC).该算法根据区域目标约束条件的满足情况,将控制器的目标函数及约束条件划分为两种工作状态,使用基于逻辑的方法完成动态控制过程中目标与约束条件的切换.仿真实例结果表明ZMMPC不仅可以增加控制系统的自由度,而且可根据被控变量的优先权进行灵活设计,使复杂控制系统具有更好的动态和稳态控制品质.     

Neurodynamic programming and tracking control scheme of constrained-input systems via a novel event-triggered PI algorithm

In this paper, a new event-triggered approach for neurodynamic programming and optimal tracking control problem of constrained-input systems is proposed, where the desired trajectory can be generated as a large class of useful command trajectories. Firstly, the complex tracking problem is converted to a stabilizing control optimization problem by reconstructing a novel augmented tracking system with discounted performance index. Secondly, instead of the conventional time-driven control, an event-triggered policy iteration (PI) algorithm is designed to drive the system dynamic to track the reference trajectory, which requires less computation and fewer transmissions during the solving. Thirdly, the novel tracking control can be bounded as desired, which overcomes the unconstrained steady-state control from the general adaptive dynamic programming based tracking solution. Moreover, only critic neural network is used in the implementation of iteration learning, which simplifies the actor-critic architecture and reduces computational load. And by the means of Lyapunov method, the ultimately boundedness of the tracking system under the event-triggered PI algorithm is proved. Finally, the developed approach is applied to track a sinusoidal waveform and a periodic rectangular step signal in the simulations, where the effectiveness is also demonstrated.     

Exact optimal solution for a class of dual control problems

This paper considers a discrete-time stochastic optimal control problem for which only measurement equation is partially observed with unknown constant parameters taking value in a finite set of stochastic systems. Because of the fact that the cost-to-go function at each stage contains variance and the non-separability of the variance is so complicated that the dynamic programming cannot be successfully applied, the optimal solution has not been found. In this paper, a new approach to the optimal solution is proposed by embedding the original non-separable problem into a separable auxiliary problem. The theoretical condition on which the optimal solution of the original problem can be attained from a set of solutions of the auxiliary problem is established. In addition, the optimality of the interchanging algorithm is proved and the analytical solution of the optimal control is also obtained. The performance of this controller is illustrated with a simple example.     

PLANNING IN REACTIVE ENVIRONMENTS

The diffusion of domotic and ambient intelligence systems have introduced a new vision in which autonomous deliberative agents operate in environments where reactive responses of devices can be cooperatively exploited to fulfill the agent's goals. In this article a model for automated planning in reactive environments, based on numerical planning, is introduced. A planner system, based on mixed integer linear programming techniques, which implements the model, is also presented. The planner is able to reason about the dynamic features of the environment and to produce solution plans, which take into account reactive devices and their causal relations with agent's goals by exploitation and avoidance techniques, to reach a given goal state. The introduction of reactive domains in planning poses some issues concerning reasoning patterns which are briefly depicted. Experiments of planning in reactive domains are also discussed.     

目标规划法在预测控制滚动优化及在线辨识中的应用

针对有约束多目标多自由度预测控制问题,应用目标规划方法,提出了一种既适合于 参数模型又适合于非参数模型的在线滚动优化策略,并且通过计算饥仿真研究,验证了该方法 的有效性.然后,对于参数模型预测控制问题,提出了一种抗扰动的最小绝对值辨识算法.由于 该辨识算法可用目标规划快速求解,因此可作为慢时变工业过程控制的在线辨识算法.     

一类混杂系统建模和优化控制的研究

为解决混杂系统优化控制的计算复杂性问题,针对结合逻辑规则的工业过程混杂模型,采用结合约束程序的混合整数非线性规划算法,求解这种混杂模型的优化控制。计算实例表明,通过混杂建模方法,可以充分利用工业对象的机理模型以及操作工经验或专家经验,建立系统的更精确模型;结合约束程序混合整数非线性规划算法可以较迅速地求解混杂模型优化控制问题,从而使该方法可以用于工业过程实时控制中。     

实时多播流的弹性公平性和基于门限的拥塞控制策略

该文提出了关于实时IP多播流基于速率弹性的公平性定义，并结合有关多播组规模估计的机制和多播拥塞控制算法。实现了一种基于门限的实时多播业务的等级拥塞控制策略，使实时多播流在满足瞬态弹性公平性的同时，也基本满足稳态的比例公平性，并对此进行了仿真验证。     

建筑结构基于RBF神经网络的离散滑模控制研究

抖振问题是离散滑模控制在实际系统中应用的突出障碍.根据神经网络控制的优点,采用一种基于RBF神经网络的离散滑模控制方法对地震作用下建筑结构的振动控制问题进行了研究.根据离散系统建模技术,得到了离散时间形式的状态方程,同时给出了确定切换面的方法,并推导了控制律的表达式.以一个三层剪切型建筑结构模型为例来验证所提出的离散滑模控制方法的有效性.算例分析结果表明:本文所提出的控制方法能够有效地减小结构的地震峰值响应,同时达到了削弱控制系统抖振的目的.     

电网调度自动化系统中的安全策略算法

电网调度的主要控制是倒闸操作不管是人工调度还是自动化谳度必须保证倒闸操作的正确和可靠。本语文在分析了人工调度中使用的安全策略后,提出倒闸操作的安全策略算法。从而在自动化调度系统中实现这种算法,简化了编程和光验．     

Adaptive dynamic programming and optimal control of nonlinear nonaffine systems

In this paper, a novel optimal control design scheme is proposed for continuous-time nonaffine nonlinear dynamic systems with unknown dynamics by adaptive dynamic programming (ADP). The proposed methodology iteratively updates the control policy online by using the state and input information without identifying the system dynamics. An ADP algorithm is developed, and can be applied to a general class of nonlinear control design problems. The convergence analysis for the designed control scheme is presented, along with rigorous stability analysis for the closed-loop system. The effectiveness of this new algorithm is illustrated by two simulation examples.