基于AP-LSSVM的多模型预测控制

针对一类非线性系统的控制问题,结合基于仿射传播聚类的最小二乘支持向量机（LS-SVM）多模型建模算法与PSO优化算法,提出新的多模型预测控制算法.采用仿射传播聚类算法对历史样本数据进行聚类,得到各个类的训练样本数据|利用LS-SVM对各个类分别建立子模型,采用网格搜索和交叉验证为各子模型找到合适的模型参数,将所建立的子模型作为预测控制算法的预测模型.在滚动优化时,计算当前控制量与各聚类中心的欧氏距离,选择相应的子模型计算未来时刻模型的预测输出,计算得到参考轨迹.建立优化问题的目标函数,采用PSO算法优化求解得到系统的最优控制量作用于对象.将提出的算法在某芳烃异构化过程中进行仿真试验,分别采用提出的算法以及单模型预测控制算法、基于k均值和BP神经网络的多模型预测控制算法进行仿真.结果表明,采用提出的多模型预测控制算法可以获得更好的控制性能.     

最小二乘向量机在自动测试设备计量参数稳定性评估中的应用

针对自动测试设备(ATE)计量参数的非线性时变,提出一种基于最小二乘支持向量机(LS-SVM)的计量参数稳定性评估方法。该方法将ATE的参数变化量建模为非线性时间序列。用径向基函数作为LS-SVM的核函数,建立计量参数非线性时变的预测模型。根据预测模型的计算结果,采用模糊层次分析法对计量参数的稳定性进行评估。仿真结果表明,该方法能够对ATE计量参数的非线性时变进行预测,从而实现ATE计量参数稳定性的评估。     

黑箱系统的一种简便自适应预测控制策略

采用一种输入输出增量式一元线性回归模型作为黑箱系统的预测模型，应用投影算法估计模型参数．该模型将对象输出增量分解为2个分量：一个为非零控制增量作用下的强制分量，另一个为控制增量为零时的自由分量，是一种非齐次时变线性模型．此外，应用广义预测控制理论，提出了一种基于该模型的自适应多步预测控制策略，导出了基于该模型的多步最优预测算式和最优控制律．该控制策略不仅具有广义预测控制的强自适应能力和强鲁棒性，且模型参数少，算法简单，适用于黑箱系统的控制．仿真结果表明该控制策略是有效的。     

基于最小二乘支持向量机的时变信道建模

基于2.55 GHz市区微蜂窝多输入多输出信道实测数据,将机器学习中的最小二乘支持向量机（LS-SVM）算法应用于时变信道参数的建模中,建立了基于遗传算法（GA）优化的LS-SVM信道参数预测模型,对信道参数如时延扩展、接收端的水平角度扩展和垂直角度扩展的数据特征进行了学习,并实现了准确预测;同时通过与反向传播神经网络模型以及传统的LS-SVM模型进行比较,验证了算法的有效性.基于GA优化的LS-SVM模型能够在有限数据量下对信道参数的变化有着良好的适应性,可实现非线性时变信道参数的准确预测.     

混合粒子群优化算法及其在预测控制中的应用

在时变加速因子的自组织粒子群算法、中值粒子群算法、混沌粒子群算法的基础上,提出了一种新的混合粒子群优化算法( MPSO),并利用这种新的算法来训练径向基函数(RBF)神经网络的参数(连接权、隐节点中心和宽度),验证了所提方法的有效性.进一步,提出了基于神经网络的非线性系统直接预测控制方案,实现非线性系统的实时控制.通过...     

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.     

QDPSO滚动优化的LS-SVM预测控制研究

针对非线性强时滞系统,传统的预测控制算法难以建立精确模型,其控制精度不高。提出一种基于最小二乘支持向量机(LS-SVM)的非线性模型预测控制算法,该算法通过LS-SVM对非线性系统输入输出数据序列的训练学习,构建其离线的预测模型,然后运用量子粒子群优化(QDPSO)算法来完成整个滚动优化的过程。仿真结果表明基于LS-SVM的非线性模型预测控制比动态矩阵控制具有更好的控制品质。     

基于BP神经网络的广义预测控制算法在一级倒立摆控制中的应用

提出了一种基于BP神经网络的广义预测控制算法,其实质是利用BP神经网络来求取广义预测控制的最优控制律,该算法对广义预测控制算法进行了简化,可以应用于快速系统的控制.以倒立摆系统作为研究的对象,将新算法应用于一级倒立摆的控制,仿真结果证实了该算法的有效性和实用性.     

线性参数时变可测系统的混合反馈预测控制

针对参数可测的线性参数时变（LPV）系统,通过综合增益调度控制思想和多步控制集方法,设计鲁棒反馈预测控制器.借鉴增益调度控制扩大设计自由度,改善系统控制性能的优点,设计基于增益调度控制和普通反馈控制律序列的多步混合反馈预测控制策略.在首步椭圆集采用增益调度控制律,有效地利用可测的参数信息提高系统控制性能;在余下的椭圆集系列采用多步控制律,降低在线优化算法的计算量,在控制性能和计算负担之间进行有效平衡.利用该混合反馈预测控制器可以有效地利用当前可测的参数信息,且以较低的在线计算量取得了较优的控制性能.仿真结果验证了该方法的有效性.     

最小二乘支持向量机的参数优选方法及其应用

参数选择是支持向量机研究领域的重要问题,它本质上是一个优化搜索过程.以遗传算法和粒子群算法为基础探讨了基于两者的混合智能算法,将杂交操作、变异操作引入PSO算法中,同时,在种群随机搜索过程中嵌入确定性的模式搜索,使得算法可以在任何阶段进行精细搜索;在此基础上,提出了基于混合智能的最小二乘支持向量机方法(LS-SVM),以最小化k-fold交叉验证误差为评价函数,利用混合智能算法优化LS-SVM参数.最后结合实例对该方法进行了实证检验,并对结果进行分析.     

基于CARIMA模型GPC算法的感应电机直接转矩控制

针对感应电机直接转矩控制在低速时转矩脉动大等缺点,本文首次提出了一种基于CARIMA模型的广义控制算法,并使其应用于感应电机的直接转矩控制。该算法直接作用于直接转矩控制中的转速控制,不依赖于电机的具体模型,通过系统辨识与参数估计获得算法模型参数,具有在线辨、滚动优化和对模型的要求不高等优点。通过仿真表明,此算法提高了感应电机直接转矩控制的控制精度和低速性能。     

基于T-S模糊模型的直接自适应预测控制

提出一种基于T-S模糊模型的直接自适应预测控制算法。该算法利用加权递推最小二乘法在线辨识T-S模糊模型的后件参数。用已经辨识好的参数,进行直接迭代计算,直接得到模型的预测输出。此算法很好地解决了非线性预测控制中,建模与优化两大难题,为非线性系统的高精度控制提供了保证。计算机仿真表明,该算法具有较好的跟踪性能。     

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．     

基于神经网络的鲁棒型预测控制算法实现回转窑温度控制研究

回转窑的生产过程是一个复杂的物理化学反应过程,具有大惯性、纯滞后、非线性等特点。工艺过程复杂多变,难以得到精确的数学模型,常规控制算法难以满足控制要求。本文提出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算法。将这种算法用于回转窑温度控制系的仿真研究表明,该控制方案具有较强的鲁棒性和自适应能力,明显优于传统的PID控制。     

基于低维约束嵌入的分布参数系统建模

针对分布参数系统受时空耦合特性、强非线性、复杂的能量交换以及未知因素等的影响,难以精确建模的问题,提出基于数据驱动的低维约束嵌入建模方法. 以数据流形分布为基础,考虑数据局部非线性和全局非线性;通过非线性映射和流形学习方法,保证数据局部流形结构的非线性联系;约束非局部流形结构,避免数据在低维空间内发生混乱现象;采用最小二乘支持向量机建立时序模型,获得时间方向上的动态特征,并通过时空整合,重构系统完整的预测模型. 热过程的实验结果表明,所提出的方法能有效建立强非线性分布参数系统的模型,与传统方法对比,具有更强的建模性能与预测能力.     

Mine water discharge prediction based on least squares support vector machines

In order to realize the prediction of a chaotic time series of mine water discharge,an approach incorporating phase space reconstruction theory and statistical learning theory was studied.A differential entropy ratio method was used to determine embedding parameters to reconstruct the phase space.We used a multi-layer adaptive best-fitting parameter search algorithm to estimate the LS-SVM optimal parameters which were adopted to construct a LS-SVM prediction model for the mine water chaotic time series.The results show that the simulation performance of a single-step prediction based on this LS-SVM model is markedly superior to that based on a RBF model.The multi-step prediction results based on LS-SVM model can reflect the development of mine water discharge and can be used for short-term forecasting of mine water discharge.     

基于LS-SVM的模糊控制器研究

探讨了利用最小二乘支持向量机(LS-SVM)进行模糊控制器分析与设计研究的方法,提出了基于LS-SVM模型的模糊控制算法.该控制器融合了模糊控制与支持向量机的优点,具有不依赖被控对象模型、泛化能力强等特点.仿真结果表明,LS-SVM学习速度快,在小样本情况下具有良好的非线性建模和泛化能力.基于LS-SVM的模糊控制器具有很好的控制性能.     

Model Free Adaptive Predictive Control of Desulfurization Slurry pH Based on CPS Framework

In order to improve the slurry pH control accuracy of the absorption tower in the wet flue gas desulfurization process, a model free adaptive predictive control algorithm for the desulfurization slurry pH which is based on a cyber physical systems framework is proposed. First, aiming to address system characteristics of non-linearity and pure hysteresis in slurry pH change process, a model free adaptive predictive control algorithm based on compact form dynamic linearization is proposed by combining model free adaptive control algorithm with model predictive control algorithm. Then, by integrating information resources with the physical resources in the absorption tower slurry pH control process, an absorption tower slurry pH optimization control system based on cyber physical systems is constructed. It is turned out that the model free adaptive predictive control algorithm under the framework of the cyber physical systems can effectively realize the high-precision tracking control of the slurry pH of the absorption tower, and it has strong robustness.