一类非线性系统的自适应预测控制

针对一类非线性系统,将其等价为时变线性系统,然后用三次样条函数逼近时变系数,利用梯度算法在线辨识多项式的系数以实现时变系统的参数估计,最后运用广义预测控制策略,实现了对原非线性系统的自适应预测控制.仿真结果表明了所提方法的有效性.     

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.     

稳定的非线性系统广义预测控制

针对广义预测控制(GPC)算法稳定性分析困难,对参数未知非线性系统提出一种稳定广义预测控制(DGPC)方法。该方法首先将非线性系统转换为时变线性系统,然后利用三次样条基函数逼近时变系统中的系数,通过带时变遗忘因子的递推最小二乘算法辨识系数获得对象模型。基于模型通过性能指标中的前馈增益设计来保证控制系统稳定,仿真结果验证了该方法的有效性。     

一类非线性系统的广义预测控制研究

针对一类难以线性化的单输入单输出非线性离散系统，就其实际输出信号跟踪参考输出信号的控制问题，研究了它的广义预测控制律设计方法。在系统数学模型非线性项的系数多项式满足一定条件的情况下，通过适当的数学处理，使问题的本质归结为求解线性差分系统的一组Diophantine方程，从而解出了非线性系统广义预测控制律表达式中的各个系数多项式，并给出了广义预测控制律的具体解析形式。通过仿真实例验证了所提出设计方法的正确性和有效性。     

一类弦-梁耦合非线性振动系统的动力学数值模拟研究

本文研究了一类具有参数激励和外激励弦-梁耦合非线性系统.首先,运用多尺度法分析弦-梁耦合非线性系统的响应,求得系统平均方程.其次,基于求得的方程,以系统的阻尼系数作为分叉参数,并对系统平衡点的稳定性进行分析,得到平衡点的分叉曲线.为了验证理论预测的正确性数值模拟了不同分叉参数下的相空间轨线.利用四阶龙格库塔方法验证了弦-梁耦合非线性系统混沌运动的存在性,从数值模拟看出系统存在单倍周期运动、多倍周期运动和混沌运动.     

基于粒子群优化的非线性系统最小二乘支持向量机预测控制方法

对于非线性系统预测控制问题, 本文提出了一种基于模型学习和粒子群优化(PSO)的单步预测控制算法.该方法使用最小二乘支持向量机(LS-SVM)建立非线性系统模型并预测系统的输出值, 通过输出反馈和偏差校正减少预测误差, 由PSO滚动优化获得非线性系统的控制量. 该方法能在非线性系统数学模型未知的情况下设计出有效的预测控制器. 通过对单变量多变量非线性系统进行仿真, 证明了该预测控制方法是有效的, 且具有良好的自适应能力和鲁棒性.     

小波与神经网络相结合的网络流量预测模型

针对网络流量序列的非线性和多时间尺度特性,提出了一种将小波变换与人工神经网络相结合进行网络流量预测的新模型.该模型吸取了小波变换的多分辨功能和人工神经网络的非线性逼近能力,对流量时间序列进行小波分解,得到小波变换尺度系数序列和小波系数序列,分别使用RBF神经网络和Elman神经网络进行预测,把两种预测的结果通过BP神经网络合成为最终预测结果.用实际网络流量对该模型进行验证,结果表明,该模型具有较高的预测效果.     

复杂系统控制中的神经网络预测器研究

本文从径向基函数(RBF)神经网络原理分析出发,探讨了一种用于非线性复杂系统预测控制的神经网络预测模型方法,并将此方法用于实际非线性系统的预测控制.结果表明,基于RBF的神经网络预测模型可快速准确地完成对非线性动态过程的预测描述,因而可以在非线性系统的预测控制中得到良好地应用.     

多自由度非线性系统动态参数化模型建模方法研究

针对多自由度非线性系统的动态模型辨识问题,基于NARX(Non-linear Autoregressive with Exogenous inputs)模型的建模方法,考虑系统的物理设计参数,建立非线性系统动态参数化模型.首先,根据系统输入、输出数据建立系统不同参数下的NARX模型,并通过EFOR(Extended Forward Orthogonal Regression)算法对不同参数下NARX模型进行修正,以统一辨识得到的系统模型结构.随后,建立NARX模型系数与物理设计参数间的函数关系,得到多自由度非线性系统的动态参数化模型.以单输入、单输出两自由度非线性系统为例,根据数值仿真结果,对系统的动态参数化模型建模过程进行说明.最后,以带非线性涂层阻尼的悬臂梁作为试验对象,建立其动态参数化模型以反映其动力学特性.试验结果表明,非线性系统动态参数化模型能准确预测多自由度非线性系统的输出响应,为非线性系统的分析与优化设计提供了理论基础.     

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.     

一类非线性系统的自适应广义预测控制

针对一类非线性系统,通过分析将其表示为具有时变系数的线性系统,然后利用带协方法差修正的最小二乘法对时变参数进行在线辨识,最后运用广义预测控制策略实现对原系统的自适应预测控制。仿真结果表明了该方法的有效性。     

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．     

基于支持向量机N4SID辨识模型的非线性预测控制

针对工业控制领域中非线性系统的模型辨识与预测控制问题,采用最小二乘支持向量机回归方法构造非线性函数,运用状态子空间（N4SID）模型辨识方法辨识非线性状态空间模型.在此基础上建立非线性预测控制器,利用拟牛顿算法进行非线性预测控制律的求解,从而实现了一种新的基于支持向量机N4SID辨识模型的非线性预测控制算法.仿真实验验证了该算法的有效性和可行性.     

基于多模型的非线性系统广义预测控制

对于复杂的离散时间非线性系统，提出一种基于多模型的广义预测控制方法．通过在平衡点附近建立线性模型，并用径向基函数神经网络来补偿匹配误差，形成了非线性系统的多模型表示，然后采用模糊识别方法作为切换法则，并结合广义预测控制构成了多模型广义预测控制器．通过对连续发酵过程的计算机仿真，表明了该方法的有效性．     

采用dsDNA-MC优化的非线性系统预测控制

将基于DNA双链结构的膜计算优化方法（dsDNA-MC）用于输入受限的非线性预测控制器设计,提出了基于dsDNA-MC优化的非线性系统预测控制算法。在对单输入单输出非线性系统预测控制分析的基础上,将非线性系统预测控制问题归结为具有输入约束的非线性系统优化问题,并采用dsDNA-MC算法来求解这一问题。仿真结果表明该算法可行、有效。     

Control of nonlinear plants with state-dependent coefficients

The theoretical fundamentals for solving the linear quadratic problems may be sometimes used to design the control actions for the nonlinear systems. The method relying on the Riccati equation with state-dependent coefficients is one of the promising and rapidly developing tools for design of the nonlinear controllers. The set of possible suboptimal solutions is generated by the ambiguous representation of the nonlinear system as a linearly structured system with state-dependent coefficients and the lack of sufficiently universal algorithms to solve the Riccati equation also having state-dependent coefficients. The paper proposed a method to design a guaranteed control for the uncertain nonlinear plant with state-dependent parameters. An example of designing the controller for an uncertain nonlinear system was presented.     

广义预测控制器系数直接算法

为了简化广义预测控制算法的分析与设计，提出了广义预测控制器系数直接计算方法．该方法利用过程模型直接递推，把广义预测控制律表达成控制器系数与参考轨迹及过程历史信息乘积的形式．其控制器系数计算只与模型参数及设计参数有关，避免了在线求解Diophantine方程、输出预测表达式及自由响应项，简化了设计思路，减少了在线运算量．在一个DCS控制的非线性液位装置上得到的对比实验结果表明该方法是可行和有效的．