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．     

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。     

非线性系统模糊预测控制研究

研究了非线性系统模糊预测控制的结构原理和算法原理。推导了相应的模糊预测控制算法,提出了模糊模型的在线递推修正公式,并对典型的非线性系统模糊预测控制进行了仿真研究。研究结果表明,所提出的非线性系统模糊预测控制算法,具有软件实现简易、系统性能优良等优点。     

机器人神经网络控制研究进展

介绍神经网络理论在机器人控制与应用中的研究进展,讨论具有代表性研究成果的特点与局限性,并提出可能的研究方向。     

一类非线性系统的子空间预测控制

基于组合建模思想，处理非线性系统的建模问题，并将子空间预测控制推广到一类非线性状态空间模型描述的系统，首先将非线性受控对象进行输入输出线性化处理，然后辩识等价的线性模型，最终对此线性对象应用高级控制策略，当实际对象与线性化环节失配时，受空过程＋一化环节不具备理论上的线性关系，存在鲁棒性问题，通过数字仿真，验证在有失配的民政部下所建议方法的有铲性及鲁棒性     

基于RBF神经网络的非线性模型预测控制

提出了一种基于径向基函数(RBF)神经网络的非线性模型预测控制系统,利用RBF神经网络的非线性拟合性,构建一个神经网络预测器(NNP)来预测模型未来时刻的输出值.然后利用神经网络控制器(NNC)实现基于模型的预测控制.仿真结果表明此方法具有较好的控制效果,并且在有扰动和模型失配的情况下,表现了良好的鲁棒性.     

基于多模型pH非线性过程的预测控制

对于强非线性系统，基于单一模型的传统预测控制系统的瞬态性能一般比较差，而克服这一缺点的直观且可行的方法是根据多个不同工作点建立多模型，通过在线切换设计自适应预测控制器，本文针对典型化工非线性对象pH中和过程，应用多模型处理方法，提出了pH过程的多模型预测控制设计方法；根据其工作范围建立了过程的多模型表示，然后在此基础上，设计了相应的预测控制器，通过模糊识别来调度控制器，从而获得大范围全局非线性对象的控制量，仿真结果是令人满意的。     

基于BP神经网络的非线性预测控制

将BP神经网络技术应用于预测控制,并对其控制算法进行研究。采用一个BP神经网络来实现对系统的辨识和多步预测,并将一种新型的非线性混沌映射引入到神经网络的参数学习算法中实现其权值调节,以逐步建立被控对象合理的多步预测模型,并用网络的多步预测输出序列与设定值序列的偏差修改控制律。仿真结果表明了该算法的有效性。     

基于非线性分离模型的预测控制及其应用

针对实际非线性过程控制的复杂性，提出了一种非线性分离模型用于描述非线性动态过程，在此基础上提出了一种基于非线性分离模型的预测控制方法，所提方法在海洋温度差发电装置及浆液混合控制的实际应用结果，证实了其可行性和有效性。     

非线性系统模糊预测控制研究

研究了非线性系统模糊预测控制的结构原理和算法原理。推导了相应的模糊预测控制算法,提出了模糊模型的在线速推修正公式,并对典型的非线性系统模糊预测控制进行了仿真研究。研究结果表明,所提出的非线性系统模糊预测控制算法,具有软件实现简易、系统性能优良等优点。     

移动机器人的鲁棒自适应控制器设计

对一类满足匹配条件的输入干扰不确定性非完整约束移动机器人,借助无源化设计方法提出了一种饱和鲁棒自适应控制器.该控制器不需要事先确定未知干扰的上界值，它能通过事先定义的逻辑切换方式在线调节未知干扰上界值参数的估计值.通过在控制器中引入饱和函数对控制信号进行平滑处理使得控制过程光滑平稳.从理论上证明了该鲁棒自适应控制器能够保证闭环系统的所有状态有界，并且当未知干扰为零时, 还能够保证闭环系统所有状态渐近稳定.     

Neuro-fuzzy predictive control for nonlinear application

Aiming at the unsatisfactory dynamic performances of conventional model predictive control （MPC） in a highly nonlinear process, a scheme employed the fuzzy neural network to realize the nonlinear process is proposed. The neuro-fuzzy predictor has the capability of achieving high predictive accuracy due to its nonlinear mapping and interpolation features, and adaptively updating network parameters by a learning procedure to reduce the model errors caused by changes of the process under control. To cope with the difficult problem of nonlinear optimization, Pepanaqi method was applied to search the optimal or suboptimal solution. Comparisons were made among the objective function values of alternatives in initial space. The search was then confined to shrink the smaller region according to results of comparisons. The convergent point was finally approached to be considered as the optimal or suboptimal solution. Experimental results of the neuro-fuzzy predictive control for drier application reveal that the proposed control scheme has less tracking errors and can smooth control actions, which is applicable to changes of drying condition.     

基于模型预测控制的仿人机器人实时步态优化

为了提高仿人机器人在行走过程中的抗干扰能力,提出基于模型预测控制（MPC）的步态生成与优化策略. 基于飞轮倒立摆模型（IPFM）,建立系统状态空间模型. 给定落脚点参考位置和躯干旋转参考角度,提出包含质心（CoM）轨迹生成、落脚点调整和躯干旋转角度优化的多目标惩罚函数;考虑足部支撑范围、落脚点变动范围等可行性约束,建立二次规划（QP）求解模型. 利用开源求解器,实现最优质心轨迹、足部落脚点和躯干旋转角度的在线生成. 通过仿真验证了该算法的可行性和有效性. 结果表明,每个控制循环在2 ms内完成,满足实时控制需求;该方法能够利用躯干旋转以实现更大范围变步行参数的稳定行走;与只调整落脚点相比,机器人对各个方向外力的抵抗能力都有提高.     

基于模型预测控制的四足机器人斜坡自适应调整算法与实现

为了实现四足机器人在有斜坡地形下的自适应稳定行走,在模型预测控制基础上进行扩展,设计四足机器人在斜坡上的足端位置调整与躯干姿态自适应调整策略。由惯性测量单元(inertial measurement unit,IMU)测得机器人运动时的姿态参数,通过推导的足端轨迹算法,得到足端位置的坐标映射,调整机器人在斜坡上的重心位置;通过设计的“虚拟斜坡”躯干姿态调整算法,实现机器人在上坡过程中躯干姿态的自适应调整。利用实验室的四足机器人物理平台和搭建的实际斜坡地形环境,验证了所提算法的可行性和有效性。机器人平台验证结果表明,所提出的斜坡自适应控制方法提高了机器人在坡面上的稳定裕度,优化了足端运动空间,实现了四足机器人的自适应爬坡调整。     

轮控小型月球探测器姿态稳定的非线性预测控制

针对月球探测器飞行任务要求,推导三轴姿态稳定非线性预测控制器,以抑制反作用轮低速摩擦等对姿态的扰动,满足月球探测器高精度姿态稳定控制精度和稳定度的要求．仿真结果表明该控制器控制精度高,能有效抑制飞轮低速摩擦等对姿态的扰动．     

约束非完整移动机器人轨迹跟踪的非线性预测控制

针对存在非完整约束和控制输入约束的轮式移动机器人动力学模型,研究了其全动态误差系统准无限时域非线性模型预测控制策略,通过沿名义轨迹在线线性化获取局部稳定化控制器及不变终端域,以跟踪"8"字形轨迹为例进行了仿真,结果表明,闭环系统在满足控制输入条件下具有良好的跟踪性能。     

一种柔性机械臂末端轨迹跟踪的预测控制算法

针对柔性机械臂末端轨迹跟踪的内动态不稳定和模型不精确问题,提出一种用于柔性臂末端轨迹跟踪的预测控制算法.利用输入-输出线性化的方法使得柔性臂末端变量和弹性变量解耦,并根据状态反馈设计出一个非线性预测控制系统,将轨迹跟踪问题转换为状态跟踪问题.该控制系统通过平衡末端跟踪误差、弹性变量和控制力矩3个最优指标来克服内动态不稳定性,并采用最优控制律求解和力矩求解相分离的策略来提高运算速度,同时引入了实际输出数据进行误差补偿以减少模型误差对末端轨迹跟踪精度的影响.仿真结果表明,所提出的预测控制算法在保证柔性臂内动态稳定的同时,能有效解决模型失配引起的控制精度下降问题,并具有较快的运算速度.     

基于模型预测控制的磨削机器人末端力跟踪控制算法

基于曲面预测与模型预测控制算法提出磨削机器人对连续曲面工作时的末端力控制算法。给出机械臂离散、线性化的动力学模型;根据曲面预测算法计算未来时刻的曲面坐标,通过快速算法和求逆解运算获得机械臂满足设定值时各关节的期望角度;由动态矩阵控制算法求得机械臂各关节的输入力矩,以实现对期望关节角的轨迹跟踪。在仿真试验中控制机械臂追踪未知连续曲面,证明了机械臂针对未知曲面作业时所提算法力控制的实时有效性,并且达到目标要求。