基于多模型的自适应预测函数控制

作为第三代模型预测控制算法，预测函数控制已经在线性系统控制中取得了很好的效果，但应用于非线性对象还有一定局限性。针对现实中大量存在的非线性过程，提出了基于局部模型设计的预测函数控制器加上模型切换算法的多模型自适应预测函数控制器。通过计算机仿真应用于连续发酵过程，表明基于多模型的自适应预测函数控制器比常规的预测函数控制器具有更好的控制效果。     

非线性系统的多内模控制

任何一个实际系统均具有一定程度的非线性，由于非线性对象的复杂性，目前还没有统一的控制器设计方法，用传统的线性系统理论来设计，当工作点大范围变化时，很难保证其性能及稳定性。本文提出了基于多模型的内模控制方法，它对非线性过程的控制具有良好的性能。在该方法中，非线性对象的内模是通过在不同工况辨识得到多模型。仿真结果表明，该控制策略比常规的单内模控制在大范围具有更好的控制品质。     

基于Hammerstein模型的非线性预测函数控制

提出了只需线性动态优化的基于Hammerstein模型的非线性预测函数控制策略，其中非线性控制器由一个线性的预测函数控制器Hammerstein模型的非线性部分的反函数组成，实现了线性控制器的输出uPFC与闭环系统内部模型线性部分的输入完全一致，使模型的输出ym只依赖于uPFC，通过这种方式实现了非线性预测函数控制策略只需线性优化而不需要非线性滚动优化。过程的预测输出只需应用模型参数直接计算得到而不需要求解丢番图（Diophantine）方程。pH中和过程的计算机仿真结果表明，该控制算法比PID控制具有更好的控制品质。     

基于径向基函数神经网络偏差补偿的预测函数控制

基于线性模型设计预测函数控制器，用径向基函数神经网络（RBFNN）来补偿由系统的非线性和外界干扰引起的预测误差，从而实现非线性系统的自适应预测函数控制。将该控制算法用于pH中和滴定过程，仿真实验表明该算法计算量小，控制效果好。     

基于Wiener模型的非线性预测函数控制

针对传统的预测函数控制对非线性强、结构多变的实际对象控制效果不佳问题,提出了一种基于Wiener模型的非线性预测函数控制(PFC)方法。通过引入支持向量机回归方法,建立Wiener模型中非线性部分的逆模型,在输出反馈和参考轨迹上分别添加一个Wiener模型中非线性部分的逆模型,将非线性预测函数控制转化为线性预测函数控制,用线性优化算法解决非线性预测函数控制问题,避免了复杂的非线性优化。pH中和过程的计算机仿真结果表明,该方法比PID控制效果更好,而且对模型失配具有很好的自适应性能。     

基于神经网络的非线性预测函数控制

给出了一种新的神经网络多步预估器结构,建立了CSTR过程的人工神经元网络的动态模型,并在此基础上提出了基于人工神经元网络模型的非线性预测函数控制算法．给出了非线性预测函数控制的具体实施步骤．计算机仿真表明。人工神经元网络模型的精度已满足预测控制的需要。该控制系统比常规PID控制器具有更好的控制效果．     

非线性预测控制在巡航弹地形跟踪上的应用

运用非线性连续预测控制方法，设计了巡航弹地形跟踪控制器，提出了预测跟踪误差和跟踪误差率线性组合的性能指标，通过使性能指标最小，生产最优非线性反馈控制律。结果表明，该控制器不仅具有精确的跟踪性能而且具有良好的鲁棒性。     

一种双线性系统的预测函数控制算法

预测控制是以计算机为手段基于模型预测进行控制的方法，但是以往的预测控制算法通常是集中在线性渐进稳定对象，对非线性系统的研究工作较少。针对实际工业过程中广泛存在的双线性系统，通过对其每一滚动优化点进行线性化处理后，设计了一种简便高效的、可与线性系统媲美的预测函数控制算法，核算法具有解析形式，从而避免了一般非线性子优的繁琐计算。利用Matlab软件份真表明该非线性预测函数控制方法是一种计算简单、抑制干扰能力强、跟踪性能好、误差较小的有效的控制方法。     

废水中和处理pH值控制的研究与实践

根据pH对象的特性曲线,设计了一种利用非线性增益补偿pH静态增益的变化,同时运用模糊前馈系统抑制pH超调的前馈 反馈非线性控制模型,实现了pH值的闭环控制,并且在实际运用中取得了较好的效果．     

参数不确定和扰动下智能汽车路径跟踪控制

针对智能汽车在路径跟踪过程中因模型参数不确定性、外部干扰、系统状态时变性非线性等导致跟踪精度较低、鲁棒性较差的问题，设计基于鲁棒预测控制（RMPC）的路径跟踪控制方法.考虑轮胎的非线性特性，对轮胎侧偏刚度进行修正.考虑纵向车速时变性，利用有限个多胞体顶点描述车辆纵向车速，建立离散的车辆多胞不确定模型.根据Lyapunov渐进稳定性和无穷时域二次型性能指标，采用带松弛变量的线性矩阵不等式（LMI），求解优化问题.利用改进后的离线鲁棒预测控制算法，提高了控制器的实时性并降低了保守性.通过SimulinkCarsim联合仿真和硬件在环试验，验证了控制器的有效性.仿真结果表明，所设计的控制器具有较好的跟踪精度和鲁棒性.