基于神经网络的广义非线性预测PID控制

针对一些复杂的非线性系统用基于线性模型的预测控制器控制效果不理想的问题，本文提出在利用前馈网络对非线性系统建模的基础上，对系统输出实现递推多步预测，并且结合非线性PID，用另一前馈神经网络作为控制器，实现对非线性系统的控制。经网络的在线辨识采用梯度法，仿真实验验证了方法的有效性。     

一类非线性系统的自适应预测函数控制

针对一类具有输出反馈耦合的离散非线性系统，将过程的非线性状态空间模型等效为线性时变状态空间模型；然后利用最小二乘法辨识系统参数，并通过在目标函数中引入系统状态的变化给出一种具有类似离散PI最优调节器结构的新型自适应预测函数控制器．由于引入了新的优化目标函数，该控制器控制效果与鲁棒性要优于仅考虑预测输出误差的传统预测函数控制器．仿真结果表明，该控制器优于经典离散PI最优调节器．     

基于Taylor 逼近的非线性系统P ID 型多步预测控制

基于局部递归神经网络对非线性系统进行递归多步向前预测，将系统实际多步向前预测值按泰勒公式在其递归预测值上展开，实现对非线性系统多步预测输出值的二次逼近，减少了预测误差，进而通过对PID型多步预测性能指标函数极小化求取控制量，控制器与广义预测控制器结构相似，其参数通过神经网络在线辨识获得，仿真实验表明了该方法的有效性。     

一种自调节灰色预测PID控制器

为提高传统PID控制的性能及扩大其适用范围,提出一种结合传统PID控制、灰色预测和全程快速非线性跟踪．微分器的自调节灰色预测PID控制器。利用灰色预测对系统的输出偏差和预测偏差进行合成形成一个综合偏差,用来代替传统PID控制中的实际偏差项。这样控制器既有预测系统未来行为的功能,又能根据预测模型精度自动调节控制器参数,能有效减小预测误差对系统的不利影响。同时用非线性跟踪．微分器代替差分法来提取微分信号,提高了微分信号的品质。仿真结果表明,与传统PID控制器相比,该控制器可获得更为优良的动态性能。     

平台上的无人直升机非线性预测姿态控制

针对在平台上的无人直升机姿态控制,设计了1个非线性预测姿态控制器,该预测控制器具有解析解不需要在线优化,通过查表的方式可以方便地得到满足设计要求的控制器参数。讨论了当输入饱和时的处理方法,通过仿真比较了当输入出现饱和时剪切法和方向保持法对系统性能的影响。最后,将非线性预测控制器和PID控制器的进行了比较,仿真结果说明采用该控制器系统响应比PID控制快,并且可以去除通道耦合引起的过大的超调量。     

基于神经网络与多模型的非线性自适应广义预测控制

针对一类不确定非线性离散时间动态系统, 提出了基于神经网络与多模型的非线性广义预测自适应控制方法. 该自适应控制方法由线性鲁棒广义预测自适应控制器, 神经网络非线性广义预测自适应控制器和切换机制三部分构成. 线性鲁棒广义预测自适应控制器保证闭环系统的输入输出信号有界, 神经网络非线性广义预测自适应控制器能够改善系统的性能. 切换策略通过对上述两种控制器的切换, 保证系统稳定的同时, 改善系统性能. 给出了所提自适应方法的稳定性和收敛性分析. 最后通过仿真实例验证了所提方法的有效性.     

基于神经网络与多模型的非线性自适应广义预测解耦控制

针对一类非线性多变量离散时间动态系统,提出了基于神经网络与多模型的非线性自适应广义预测解耦控制方法.该控制方法由线性鲁棒广义预测解耦控制器和神经网络非线性广义预测解耦控制器以及切换机构组成.线性鲁棒广义预测解耦控制器用于保证闭环系统输入输出信号有界,神经网络非线性广义预测解耦控制器能够改善系统性能.切换策略通过对上述两种控制器的切换,保证系统稳定的同时,改善系统性能.同时本文给出了所提自适应解耦控制方法的稳定性和收敛性分析.最后,通过仿真实例验证了该方法的有效性.     

基于神经网络与多模型的非线性白适应广义预测解耦控制

针对一类非线性多变量离散时间动态系统,提出了基于神经网络与多模型的非线性自适应广义预测解耦控制方法．该控制方法由线性鲁棒广义预测解耦控制器和神经网络非线性广义预测解耦控制器以及切换机构组成．线性鲁棒广义预测解耦控制器用于保证闭环系统输入输出信号有界,神经网络非线性广义预测解耦控制器能够改善系统性能．切换策略通过对上述两种控制器的切换,保证系统稳定的同时,改善系统性能．同时本文给出了所提自适应解耦控制方法的稳定性和收敛性分析．最后,通过仿真实例验证了该方法的有效性．     

基于遗传算法的非线性模型预测控制方法

介绍了非线性模型预调控制算法结构，提出了基于遗传算法的非线性模型预测控制方法，将遗传算法作为优化技术用于受限非线性模型预测控制器的设计。算法采用双模控制策略，将保证预测控制算法稳定性的终点等式约束转化为终点不等式约束，以利于遗传算法的实施。基于不变集理论，给出了非线性模型预测控制算法的稳定性定理。仿真结果表明了所提出控制算法的可行性和有效性。     

基于混沌优化的非线性预测控制器

针对非线性系统的控制问题,本文将神经网络辨识、混沌优化和预测控制思想有机结合,提出了一种新型非线性预测控制器.该控制器以神经网络作为预测模型,混沌优化算法作为滚动优化策略,避免了非线性预测控制中复杂的梯度计算和矩阵求逆问题.另外在训练神经网络过程中,采用了带混沌机制的自适应学习率的BP算法,以提高神经网络的收敛能力和收敛速度.仿真研究说明了该非线性预测控制器的有效性及实时性.     

基于最优保留遗传算法的非线性模糊预测控制

针对传统的模型预测控制不能很好解决具有严重非线性、不确定性的对象或过程的控制问题。提出将模糊模型用于描述对象的非线性动态特性。通过将模糊模型的输出反馈回来作为模型输入，从而构成了模糊多步预测器，采用一种收敛精度高、速度快的具有最优保留特性遗传算法(EGA)依据模型预测输出在线滚动求解控制律的非线性预测控制算法。仿真结果表明该算法对一类非线性系统具有较快的响应速度和较强的抗干扰能力。     

基于最优保留遗传算法的非线性模糊预测控制

针对传统的模型预测控制不能很好解决具有严重非线性、不确定性的对象或过程的控制问题，提出将模糊模型用于描述对象的非线性动态特性，通过将模糊模型的输出反馈作为模型输入，从而构成了模糊多步预测器。采用一种收敛精度高、速度快的具有最优保留特性遗传算法(EGA)，依据模型预测输出在线滚动求解控制律的非线性预测控制算法。仿真结果表明该算法对一类非线性系统具有较快的响应速度和较强的抗干扰能力。     

Multi-model predictive control of an industrial C3/C4 splitter

In this paper, the application of a linear predictive controller to an industrial distillation column that presents a nonlinear behavior is described. The system is represented by a set of linear approximating models, where each model corresponds to a possible operating point of the system. The control sequence computed by the control algorithm is based on a min–max optimization problem where the controller cost is minimized for the worst process model. The control algorithm makes use of a particular form of the state-space model, which preserves the structure of conventional model predictive control controllers that are based on the step response model. The performance of the proposed controller applied to an industrial system is illustrated with results of the real system at typical plant conditions with the controller performing as a regulator and as an output reference tracker.     

Adaptive receding horizon control for constrained MIMO systems

An adaptive control algorithm for open-loop stable, constrained, linear, multiple input multiple output systems is presented. The proposed approach can deal with both input and output constraints, as well as measurement noise and output disturbances. The adaptive controller consists of an iterative set membership identification algorithm, that provides a set of candidate plant models at each time step, and a model predictive controller, that enforces input and output constraints for all the plants inside the model set. The algorithm relies only on the solution of standard convex optimization problems that are guaranteed to be recursively feasible. The experimental results obtained by applying the proposed controller to a quad-tank testbed are presented.     

电厂锅炉除氧器系统的解耦广义预测控制研究

由于除氧器具有非线性、大迟延、强耦合和模型时变的特性,传统的PID调节器难以使除氧控制系统达到理想的控制效果。为了使除氧器水位和冷凝泵出口压力的控制取得满意的效果,采用解耦广义预测控制方法。该算法首先利用预测模型得到系统未来时刻的输出,然后将设定输出值和预测值间的预测误差变化率作为自适应控制器的输入,控制器利用最小二乘算法推理得到控制输出,并在系统中增加一个相互耦合项,来调整原有的自适应控制规律,获取未知参数信息并有效地抑制强耦合造成的控制量波动。通过仿真表明,该算法计算简单、鲁棒性较强、控制品质较高,运用此算法的该除氧系统比常规系统具有更优越的性能。     

GA-based nonlinear predictive switching control for a boiler-turbine system

In this paper,the problem of designing a controller for a highly coupled constrained nonlinear boilerturbine system is addressed with a predictive controller.First,a nonlinear predictive control is imp...     

一类非最小相位对象的内模预测控制：MIMO情形

针对一类多变量非最小相位受控对象,提出一种基于多道非因果ＦＩＲ型控制器的内模预测控制新算法,建立了控制器系数矢量与多变量受控对象输出的关系,并给出相应的控制器系数矢量估计法与仿真实例。     

基于神经网络Smith预估器的预测控制

针对非线性系统时滞问题,给出了一种新型的单神经元Smith预测控制算法.神经网络的预测控制器由不完全微分的单神经元自适应PID控制器和神经网络的Smith预估器组成.预估器对输出进行多步预测,控制器超前动作以消除时滞对系统的影响.不完全微分的单神经元自适应PID控制器通过改进的Hebb学习规则实现其权值调节,通过权系数的在线调整实现自适应控制.仿真实验证明了该方法具有较快的响应速度和较好的响应性能.     

网络控制系统的自整定PID 控制器设计

结合广义预测控制（GPC）方法和PID反馈结构,设计了一种具有预测功能的PID控制器,PID参数根据未来时刻的预计输出误差进行整定.控制器导出多步控制序列,置于执行器端的延迟补偿器根据网络时延从控制序列中选择控制信息并作用于控制对象,从而对时延进行补偿,使控制性能得到极大改善.控制器结合了PID控制和预测控制的优点,具有较强的鲁棒性和工程意义.最后通过构造Lyapunov函数对闭环系统的稳定性进行了分析,并通过仿真验证了该算法的有效性.