SISO动态矩阵控制的鲁棒稳定性条件

定量分析了单输入单输出(SISO)动态矩阵控制系统的鲁棒稳定条件,采用脉冲响 应模型簇来描述被控过程的不确定性,并讨论了基于脉冲响应模型(FIR)的动态矩阵控制 (DMC)算法;在此基础上,推导了DMC闭环系统的鲁棒稳定条件.     

多输入/多输出系统动态矩阵控制鲁棒稳定性

研究了基于脉冲响应模型的动态矩阵预测控制(DMC)算法,针对多输入、多输出(MIMO)系统脉冲响应模型的特点,利用脉冲响应系数误差矩阵范数平方和定义预测模型的模型误差,以线性矩阵不等式(LMI)的形式提出了DMC闭环鲁棒稳定充要条件,将DMC算法闭环稳定问题转换为一类线性矩阵不等式的可解问题.并且研究了模型误差与闭环系统稳定性之间的关系,给出了保证系统稳定条件下模型误差界的求取方法,通过求解一个线性矩阵不等式约束的凸优化问题得到保证闭环系统稳定的误差界.最后,利用算例对本文方法的有效性进行了验证.     

多变量数字鲁棒最优控制器的设计及应用

针对线性多变量离散控制系统,给出一种新的鲁棒最优控制器的设计方法．该方法提出了多变量系统的行特征函数的设计新思想,实现等价系统的动态解耦,使闭环控制系统的传递函数矩阵为正规矩阵,达到鲁棒H∞最优稳定;进一步,通过对等价解耦控制系统应用l∞最优控制方法,又能使原闭环控制系统获得最优时域指标．通过在某纸机3种定量和水分控制系统中的在线应用,验证了数字控制器的最优性与鲁棒性．     

一类SISO线性时变模型跟踪控制系统的参考模型设计

本文针对一类单输入单输出（SISO）线性时变模型跟踪控制系统,提出一种参考模型设社方法。该方法由如下的两个步骤构成：首先,根据闭环系统的动态性能指标要求,如对闭环系统的极点配置的要求,来确定参考模型中的系统矩阵;其次,根据闭环系统的稳态性能指标要求,如要求参考模型的稳态输出准确复现参考模型的输入（即期望输出或系统指令输人）、要求系统的稳态输出或状态准确复现参考模型的稳态输出成状态等,来确定参考模型中的控制增益矩阵。最后,通过仿真其例验证了本文方法的正确与有效。     

线性时滞系统的耗散控制

研究了一类线性时滞系统的二次耗散控制问题,基于线性矩阵不等式（LMI）方法导出了耗散控制器存在的充分条件,通过线性矩阵不等式的可行解构造出耗散态状态反馈和动态输出反馈控制律,相应的闭环系统是二次稳定和严格（Q,S,R）耗散的,本文的主要贡献是统一了线性时滞系统现有的H∞控制和无源控制结果。     

具有控制约束的网络控制系统的鲁棒H∞控制

针对具有控制约束的网络控制系统（Networked Control Systems,NCS）的特点,建立了具有外部扰动的网络控制系统模型,对其H∞性能加以分析和研究,并验证所取得的理论成果．假设具有控制约束的网络控制系统的口。控制器与执行器均为事件驱动,传感器为时间驱动,且网络诱导时延小于传感器的采样周期,然后将此类网络控制系统的广义被控对象建模为一类线性离散系统,运用Lyapunov函数和线性矩阵不等式（LMI）,导出闭环系统渐近稳定且满足给定H∞性能指标的充分条件,并给出了控制器的具体求法。得到了系统的H∞控制器存在条件及具体方法,通过设计该控制器,使具有外部扰动的网络控制系统的性能有很大的改善,通过Matlab仿真证明该控制器行之有效。     

状态反馈预测控制的结构性能及应用实例

本文分析了状态反馈预测控制系统的结构与控制性能，基于状态空间模型，使用实 测状态变量反馈，状态反馈预测控制系统是状态变量动态反馈结构．对比动态矩阵控制（DM C）、广义预测控制（GPC）和内模控制（IMC）算法，由于使用可测状态变量动态反馈结构 ，提高了控制系统抑制不可测干扰能力，改善了控制系统的鲁棒性，预测模型可适用于较大 的操作范围．预测控制系统稳定时，对阶跃型给定值及干扰静态无偏差．给出了催化裂化装 置稳定吸收系统，稳定汽油饱和蒸汽压先进控制的应用实例，先进控制系统的设计功能全部 在DCS层实现，现场运行实测数据对比表明控制效果较好．     

具有传感器故障的网络控制系统保性能可靠控制

基于存在时延和丢包的网络传输环境.针对具有参数不确定性的网络化控制系统,研究了其在传感器故障条件下的保性能可靠控制问题.根据Lyapunov稳定性理论和线性矩阵不等式(LMIs)方法,推导出使闭环网络控制系统在传感器故障条件下渐近稳定且保证综合性能指标满足要求的充分条件,并利用LMIs提出了保性能可靠控制率的设计方法.该控制算法在提高网络化控制系统可靠性的同时有利于系统综合体性能的优化.数值仿真验证了该方法的可行性和有效性.     

一种针对延迟的时间标记动态矩阵控制

由网络引入的通信延迟能导致系统性能退化甚至不稳定，针对这种网络控制系统中的延迟，引入时间标记的动态矩阵控制算法（TSDMC），建立随同时间标记的通信延迟模型。通过时间标记测量网络延迟，在线校正系统的阶跃响应系数和控制系数．并给出了算法的推导过程。根据仿真的确认，这种新的算法能得到比传统动态矩阵控制算法更好的控制性能，改进了网络控制系统可靠性。     

输入/输出无约束的模型预测控制器设计

动态矩阵控制算法是一种基于对象阶跃响应的预测控制算法,适用于控制系统复杂、数学模型难以精确建立的过程。针对输入/输出无约束的模型控制器设计,采用动态矩阵控制方法,包括预测模型、滚动优化、误差校正和闭环控制形式。通过MATLAB对它的仿真,验证了闭环系统鲁棒性较好,系统性能容易满足要求。结果表明,动态矩阵预测控制算法控制明显,因此是一种最优控制技术。     

一种多变量系统分散优化DMC算法

提出一种多变量系统的分散优化动态矩阵控制（ＤＭＣ）算法,该处冯动 经的特点,将多变量系统ＤＭＣ算法分散为若干单变量系统的ＤＭＣ算法,使多变量ＤＭＣ算法参数设计和算法求解计算人为简化。     

Neural‐network‐based predictive controller design: An application to temperature control of a plastic injection molding process

This paper presents a neural‐network‐based predictive control (NPC) method for a class of discrete‐time multi‐input multi‐output (MIMO) systems. A discrete‐time mathematical model using a recurrent neural network (RNN) is constructed and a learning algorithm adopting an adaptive learning rate (ALR) approach is employed to identify the unknown parameters in the recurrent neural network model (RNNM). The NPC controller is derived based on a modified predictive performance criterion, and its convergence is guaranteed by adopting an optimal algorithm with an adaptive optimal rate (AOR) approach. The stability analysis of the overall MIMO control system is well proven by the Lyapunov stability theory. A real‐time control algorithm is proposed which has been implemented using a digital signal processor, TMS320C31 from Texas Instruments. Two examples, including the control of a MIMO nonlinear system and the control of a plastic injection molding process, are used to demonstrate the effectiveness of the proposed strategy. Results from both numerical simulations and experiments show that the proposed method is capable of controlling MIMO systems with satisfactory tracking performance under setpoint and load changes. Copyright © 2010 John Wiley and Sons Asia Pte Ltd and Chinese Automatic Control Society     

非匹配不确定系统的显式反步变结构控制

研究非线性多输入多输出不确定系统在非匹配条件下的鲁棒输出跟踪问题.基于相对阶的假设,给出了多输入多输出不确定系统的标准型;进而结合反步设计方法和变结构控制方法,提出一种非匹配条件下非线性不确定系统鲁棒输出跟踪问题的显式反步变结构控制器设计方法.所给跟踪算法不仅只由不确定性的变化范围直接确定,而且有效地克服了现有反步设计算法因隐式递推关系和复杂偏导数计算给实时控制带来的困难.     

MIMO系统的多模型预测控制

针对非线性多变量系统提出一种多模型预测控制(MMPC)策略.首先给出一种多模型 辨识方法,利用模糊满意聚类算法将复杂非线性系统划分为若干子系统,并获得多个线性模型, 通过模型变换得出全局系统模型,接着对全局MIMO系统设计MMPC,并进行了系统的性能分 析,最后以pH中和过程为例,通过仿真研究验证了辨识和控制算法的有效性.     

ADAPTIVE DYNAMIC MATRIX CONTROL FOR NETWORK‐BASED CONTROL SYSTEMS WITH RANDOM DELAYS

Random transfer delays in network‐based control systems (NCSs) degrade the control performance and can even destabilize the control system. To address this problem, the adaptive dynamic matrix control (DMC) algorithm is proposed. The control algorithm is derived by applying the philosophy behind DMC to a discrete time‐delay model. A method to estimate the network‐induced delays is also presented to facilitate implementation of the control algorithm. Finally, an NCS platform based on the TrueTime simulator is constructed. With it, the adaptive DMC algorithm is compared with the conventional DMC algorithm under different network conditions. Simulation results show that the proposed adaptive DMC algorithm can respond to various network conditions adaptively and achieve better control performance for NCSs with random transfer delays.     

Advantages of an easy to design fuzzy predictive algorithm in control systems of nonlinear chemical reactors

Advantages of a fuzzy predictive control algorithm are discussed in the paper. The fuzzy predictive algorithm is a combination of a DMC (Dynamic Matrix Control) algorithm and Takagi–Sugeno fuzzy modeling, thus it inherits advantages of both techniques. The algorithm is numerically effective. It is in fact generalization of the standard DMC algorithm widely used in the industry, thus the existing implementations of the DMC algorithm can be extended using the presented fuzzy approach. A simple and easy to apply method of fuzzy predictive control algorithms synthesis is presented in the paper. It can be easy applied also in the case of Multiple Input Multiple Output (MIMO) control plants. Moreover, information about measured disturbance can be included in the algorithms in an easy way. The advantages of the fuzzy predictive control algorithm are demonstrated in the example control systems of two nonlinear chemical reactors: the first one—with inverse response and the second one—a MIMO plant with time delay.     

MIMO系统预测控制及其Matlab与VC仿真实现

本文对一个多入多出耦合系统设计了一种基于隐式算法的广义预测控制器(GPC),此隐式算法利用与基于脉冲模型的预测控制(DMC)算法的等价性化简,避免求解Diophantine方程。同时对此多入多出系统设计了DMC控制器,并对二种算法和控制效果进行了比较。本文用Matlab编程实现两种控制算法,用VC++设计界面,在VC中调用M函数的动态链接库DLL实现Matlab和VC的混合编程。对此被控MIMO系统,最终即可通过在VC界面上实现控制方式和控制输出的设定得到控制输入输出的仿真图。此程序可以脱离Matlab环境运行。     

采样非线性系统的动态神经网络稳定自适应控制

研究了一类采样数据非线性系统的动态神经网络稳定自适应控制方法.不同于静态 神经网络自适应控制,动态神经网络自适应控制中神经网络用于逼近整个采样数据非线性系 统,而不是动态系统中的非线性分量.系统的控制律由神经网络系统的动态逆、自适应补偿项 和神经变结构鲁棒控制项组成.神经变结构控制用于保证系统的全局稳定性,并加速动态神 经网络系统的适近速度.证明了动态神经网络自适应控制系统的稳定性,并得到了动态神经 网络系统的学习算法.仿真研究表明,基于动态神经网络的非线性系统稳定自适应控制方法 较基于静态神经网络的自适应方法具有更好的性能.