双层结构模型预测控制算法性能分析

双层结构模型预测控制是在常规模型预测控制的基础上集成了稳态目标计算层,所增加稳态目标计算层通过对给定外部目标进行调节或执行独立经济优化为底层动态控制提供设定值.本文着重于分析增加稳态目标计算层对常规模型预测控制策略在控制性能、经济性能、及鲁棒性方面的影响.阐明稳态目标计算是在动态不确定性下的最优决策过程,可实时考虑当前工况环境给出最佳设定值,使动态层控制量的计算更加合理,并可保证在动态控制层实现无静差控制;稳态目标计算层可利用包含目标跟踪和经济优化的性能指标,在保证跟踪控制要求的同时利用操作自由度进行经济性优化,有助于提高系统经济性能,此外由于操作自由度增加使得系统对于特定方向的扰动和通道失配具有更强的鲁棒性.最后通过实验仿真验证了所做分析的正确性.     

一类工业过程运行反馈优化控制方法

为了克服流程工业运行优化中控制回路闭环系统的动态误差对运行优化性能的影响,本文针 对一类工业过程提出了使运行指标实际值与目标值偏差和控制回路输出与设定值跟踪误差的二次性能 指标极小化的运行优化反馈控制方法. 该方法由运行层设定值反馈控制和回路控制层设定值跟踪控制组成,其中设定值反馈控制采用基于LMI的 模型预测控制,回路控制采用衰减率可调的带有积分项的状态反馈调节律. 本文给出了保证运行优化反馈控制闭环系统渐近稳定的充分条件,并开展了浮选过程运行优化反馈控制仿 真实验,实验结果表明所提方法的有效性.     

基于改进Smith预估控制结构的二自由度PID控制

针对工业过程中的二阶不稳定时滞过程, 基于改进史密斯预估控制结构提出了一种简单的两自由度控制方案.设定值跟踪控制器和扰动抑制控制器采用同一设计程序, 并基于内模控制原理提出了控制器解析设计方案.设定值跟踪控制器和抗扰动控制器可分别通过单性能参数独立调节和优化, 每个控制器都具有PID形式, 给出了控制器调整参数的选择范围和扰动抑制闭环保证鲁棒稳定性的条件.仿真实例验证了提出方法对于近期其他方法的优越性.     

未知参数非线性系统的自适应广义预测控制

研究非线性系统的稳定性和跟踪优化问题,针对未知参数非线性系统的参数辨识和输出跟踪问题,给出参数自适应广义预测控制方法,为使辨识模型能实时反映被控对象特性以及输出对设定值的跟踪有较高精度.提出将非线性系统转化为受控自回归滑动平均模型,根据输入输出数据辨识模型参数.采用广义预测控制滚动优化的策略得出最优控制律,将最优控制律作用于对象实现非线性系统的优化控制以及系统输出对设定值的跟踪控制.明显克服了自适应控制对模型精度要求高的缺陷且具有在线辨识,滚动优化的特点.最后,通过仿真实例验证了方法的有效性.     

工业过程多速率分层运行优化控制

工业过程运行优化控制通常采用基础回路层和运行层两层结构,涉及不同时间尺度特性的被控对象,且由于检测装置采样周期不同难以统一控制与采样周期;此外,运行层动态往往机理复杂难以建模.因此针对这一多层次、多时间尺度且部分模型未知的复杂多速率控制问题,本文提出一种工业过程多速率分层运行优化控制方法.该方法在使用提升技术解决分层多速率问题的基础上,采用一种基于Q-!学习的数据驱动运行层设定值优化方法,更新基础回路层的设定值;并针对提升后的系统采用模型预测控制（Model predictive control,MPC）方法设计基础回路层控制器以跟踪设定值,从而实现运行指标的优化控制.对典型工业闭路磨矿过程进行了仿真实验,验证了本文所提方法的有效性.     

模糊预测控制在pH中和过程中的应用

针对pH中和过程,提出了一种基于T-S模型的模糊预测控制算法,以实现系统的滚动优化控制。T-S模糊模型的前件和后件参数分别采用模糊C均值聚类(FCM)和正交最小二乘法(OLS)进行离线或在线辨识。在每一个采样时刻以当前辨识出的T-S模型为基础实现系统的局部动态线性化,再根据线性化模型对pH过程实施广义预测控制(GPC),得到当前的控制量。仿真表明了该控制方法具有较小的超调性质,且在扰动作用下能快速跟踪到设定值,具有很强的鲁棒性。     

核电站蒸汽发生器水位模糊预测控制

在核电站运行过程中,U形管蒸汽发生器的水位作为重要参数需维持在安全的范围内.U形管蒸汽发生器结构复杂、系统逆动态、大范围变工况下具有强非线性,尤其在低负荷下,采用常规控制难以取得良好效果.本文建立了蒸汽发生器水位模糊模型,提出了能够满足系统输入输出约束的基于模糊模型的准–最小–最大预测控制方法.为了减轻在线运算负担,通过线性矩阵不等式离线计算椭圆不变集合及其对应的反馈控制律,然后依据系统的状态,二等分搜索对应的椭圆不变集参数,将在线计算简化为一个简单的优化问题.针对水位设定值跟踪和负荷变化的仿真结果表明了本文所提出控制策略的有效性.     

基于核应急机械手的主从双边控制系统研究

针对核应急机械手在非结构化环境作业过程中,从端机械手存在自适应能力差的问题,提出了一种可优化的自适应双边控制结构。该控制结构是以主端阻抗控制为外环,以从端模糊PD控制为内环的双闭环控制结构。采用PHANTOM设备与MATLAB搭建了双边控制系统,并在该控制系统结构下完成了联合仿真试验。根据从端机械手末端跟踪轨迹的特性,采用模糊控制器对从端控制参数进行优化处理,以提高系统自适应能力。对从端控制器参数优化前与优化后的跟踪轨迹进行试验对比。优化后的主、从端跟踪轨迹的误差明显减小。从端跟踪轨迹较优化前表现较为平滑,克服了跟踪不足问题,能够实现稳定的双边跟踪控制,从端的自适应性能也得以提升。试验结果表明,该控制系统能够实现优化跟踪,自适应性能良好,为同类型控制系统提供了理论参考。     

基于关联存储网络的非线性约束监督预测控制

设定值优化是复杂工业过程中一种有效的优化控制手段,通过在通常的校正级上面加一层监督级而实现.模型预测控制已广泛应用于工业过程控制,但约束优化的实现是一个难题.鉴于此,建立了非线性监督预测控制的模糊神经网络模型,由此推导出监督预测控制的可行解,并用于燃气轮机系统转速和功率的控制.仿真结果表明了该方法的优越性.     

积分时滞过程的数字P I D 控制

对积分时滞过程提出一种数字PID控制结构，通过一个内部反馈回路对积分时滞过程进行预稳定控制，并给出数字PI控制器的设计算法，仿真结果显示该控制结构具有良好的设定值跟踪特性，并且对时滞偏差具有很强的鲁棒性能，最后简要讨论了抗负载干扰的控制结构。     

Adaptive sliding mode controller design based on T-S fuzzy system models

An adaptive sliding mode control (ASMC) technique based on T-S fuzzy system models is proposed in this paper for a class of perturbed nonlinear MIMO dynamic systems in order to solve tracking problems. A T-S fuzzy model is firstly formed by utilizing fuzzy theorem to amalgamate a set of linearized dynamic equations. The adaptive sliding mode controller is then designed based on this fuzzy model with perturbations. The proposed control scheme can drive the dynamics of controlled system into a designated sliding surface in finite time, and guarantee the property of asymptotical stability. It is also shown that the information of upper bound of modeling errors as well as perturbations, except the information of upper bound of input uncertainty, is not required when using the proposed controller.     

机械手的模糊逆模型鲁棒控制

提出一种基于模糊聚类和滑动模控制的模糊逆模型控制方法,并将其应用于动力学 方程未知的机械手轨迹控制.首先,采用C均值聚类算法构造两关节机械手的高木-关野 (T-S)模糊模型,并由此构造模糊系统的逆模型.然后,在提出的模糊逆模型控制结构中, 离散时间滑动模控制和时延控制(TDC)用于补偿模糊建模误差和外扰动,保证系统的全局 稳定性并改进其动态和稳态性能.系统的稳定性和轨迹误差的收敛性可以通过稳定性定理来 证明.最后,以两关节机械手的轨迹跟随控制为例,揭示了该设计方法的控制性能.     

一种基于Wiener模型的非线性预测控制算法

针对一类Wiener模型描述的非线性系统,提出了一种改进的非线性预测控制算法.该算法利用Laguerre函数描述Wiener模型动态线性部分的控制信号，将预测控制中在预测时域内优化求解未来控制输入序列转化为优化求解一组无记忆的Laguerre系数,以减少优化所需的计算量.利用静态模糊模型来逼近Wiener模型的非线性部分,将非线性预测控制优化问题转化为线性预测控制优化问题,克服了求控制输入时解非线性方程的困难,进而推导出了预测控制输入的解析式.CSTR过程的仿真结果表明了本文算法的有效性和可行性.     

有界扰动下异质车辆队列分布式鲁棒经济预测控制

针对有界扰动下异质车辆队列节能与稳定分布式协同控制问题,提出一种新的分布式鲁棒经济模型预测控制(economic model predictive control, EMPC)策略.首先采用不确定误差模型描述有界扰动下异质车辆队列纵向行驶动态特性,再应用tube思想对系统约束进行紧缩设计,补偿有界扰动对系统造成的不确定性.其次,采用局部车辆行驶能耗模型描述车辆队列分布式经济性能优化的有限时域最优控制问题,并利用传统跟踪性能指标设计附加稳定收缩约束函数.进一步,基于系统收缩原理,建立车辆队列闭环系统关于有界扰动的输入-状态稳定性条件.最后,通过与车辆队列传统分布式鲁棒模型预测控制策略的数值仿真对比结果验证了所提出策略的有效性和优越性.     

Adaptive fuzzy neural network finite-time command filtered control of n-link robotic systems with actuator saturation

The finite time tracking control of n-link robotic system is studied for model uncertainties and actuator saturation. Firstly, a smooth function and adaptive fuzzy neural network online learning algorithm are designed to address the actuator saturation and dynamic model uncertainties. Secondly, a new finite-time command filtered technique is proposed to filter the virtual control signal. The improved error compensation signal can reduce the impact of filtering errors, and the tracking errors of system quickly converge to a smaller compact set within finite time. Finally, adaptive fuzzy neural network finite-time command filtered control achieves finite-time stability through Lyapunov stability criterion. Simulation results verify the effectiveness of the proposed control.     

基于T-S 模型的模糊预测控制研究

提出一种基于T—S模型的模糊预测控制策略．利用模糊聚类算法高线辨识T—S模型，采用带遗忘因子的递推最小二乘法进行模型参数的选择性在线学习；对模糊模型在每一采样点进行线性化，将T—S模型表示的非线性系统转化为线性时变状态空间模型，并将约束非线性优化问题转化为线性二次规划问题，解决了非线性预测控制中如何获得非线性模型和非线性优化在线求解的难题．将预测域内的线性模型序列作为预测模型，减小了模型误差，提高了控制性能．pH中和过程的仿真验证了该方法的有效性．     

基于自结构动态递归模糊神经网络的无人机姿态控制*

针对无人机非线性、强耦合等特点,提出了基于该自结构动态递归模糊神经网络的姿态控制系统,给出了基于Lyapunov函数的系统稳定性证明。对四层模糊神经网络进行了优化和改进,设计了自结构动态递归模糊神经网络,该网络可以根据系统状态在线更新权值、创建/删除节点、优化网络结构。仿真表明：该控制方法的突出优点是,在兼顾考虑了系统中的不确定性因素、非线性因素及外部干扰并存的情况下,保证系统的稳定性和跟踪性能;同时此网络结构比固定结构的模糊神经网络响应速度快,因此更具优越性。     

基于神经网络和模糊补偿的水下机械臂控制

针对水下机械臂动力学模型建模复杂且滑模控制的抖振问题,利用Lagrange法和Morison方程精准建立二连杆串联水下机械臂的动力学模型,对模型中参数的不确定项使用4个RBF神经网络分别进行逼近,并且对摩擦项使用模糊控制进行补偿的方法,精准迅速地实现了对水下机械臂控制系统跟踪控制。通过进行仿真分析,基于神经网络和模糊补偿控制的方法与滑模控制、整体RBF神经网络控制和分块RBF神经网络控制相比,控制系统的平均误差分别降低了85.5%、71.8%、93.1%。结果表明,此方法有效降低了控制系统的跟踪误差,并同时提高了稳态性和抗干扰性。     

Integrating dynamic economic optimization and model predictive control for optimal operation of nonlinear process systems

In this work, we propose a conceptual framework for integrating dynamic economic optimization and model predictive control (MPC) for optimal operation of nonlinear process systems. First, we introduce the proposed two-layer integrated framework. The upper layer, consisting of an economic MPC (EMPC) system that receives state feedback and time-dependent economic information, computes economically optimal time-varying operating trajectories for the process by optimizing a time-dependent economic cost function over a finite prediction horizon subject to a nonlinear dynamic process model. The lower feedback control layer may utilize conventional MPC schemes or even classical control to compute feedback control actions that force the process state to track the time-varying operating trajectories computed by the upper layer EMPC. Such a framework takes advantage of the EMPC ability to compute optimal process time-varying operating policies using a dynamic process model instead of a steady-state model, and the incorporation of suitable constraints on the EMPC allows calculating operating process state trajectories that can be tracked by the control layer. Second, we prove practical closed-loop stability including an explicit characterization of the closed-loop stability region. Finally, we demonstrate through extensive simulations using a chemical process model that the proposed framework can both (1) achieve stability and (2) lead to improved economic closed-loop performance compared to real-time optimization (RTO) systems using steady-state models.     

空间三关节机器人模糊积分滑模控制

研究提高关节机器人轨迹跟踪控制的性能,由于关节机器人运动中产生振动,影响系统的稳定性能。为解决上述问题,提出了一种反馈线性化的自适应模糊积分滑模控制方法。在上述方法的基础上,对机器人非线性动力学模型反馈线性化。为了进一步提高滑模控制的精度,设计了一种积分滑模面的滑模控制器,可以减弱积分滑模控制的抖振。通过设计一个模糊控制器,根据积分滑模面的大小自适应地调节积分滑模控制的切换部分,达到削弱抖振的目的。利用李亚普诺夫定理证明了控制系统的稳定性。仿真结果表明,改进方法有效地提高了关节机器人跟踪控制性能。