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．     

输入状态稳定的鲁棒预测控制

以有界干扰非线性系统为研究对象,设计一种基于近似可达集的鲁棒预测控制方法。该方法以鲁棒控制不变集作为终端约束集,采用一种简单的三次多项式逼近预测控制的待优化控制律,通过在线优化求解三次多项式的各项系数,并从理论上证明了所设计的鲁棒预测控制律可以使系统输入状态稳定。最后通过仿真实例验证了所提出的鲁棒预测控制方法的可行性和有效性。     

非线性广义最小方差控制律综述

如何设计简单的控制策略对复杂非线性系统进行控制是控制界还未解决的难题．非线性广义最小方差控制律的提出使得非线性控制器的设计可以基于更为一般的非线性模型，并且控制器易于实现．整个系统包含时滞环节，稳定的非线性输入子系统和一个可以用多项式或者状态空间描述的子系统．通过最小化由误差加权项、状态加权项和输入加权项组成的信号的方差得到优化控制器．在系统为开环稳定的情况下，可用史密斯预估器进行控制．本文首先介绍了非线性广义最小方差控制的发展进程，然后综述了基于状态空间和多项式描述的系统的非线性广义最小方差控制器的设计以及其现状和今后的发展方向．     

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.     

电液伺服系统多项式非线性建模与控制一体化设计

常规电液伺服系统PID控制无法克服非线性因素影响,存在跟踪准确性和鲁棒性问题.因此,本文提出电液伺服系统多项式非线性H_∞控制律设计方法,改进电液伺服系统的控制性能与鲁棒性.首先利用多项式非线性模型对电液伺服系统进行系统辨识,得到以误差作为状态变量的多项式非线性模型;然后设计多项式非线性控制律,证明所提出控制律可以保证系统从干扰至控制输出L₂增益小于等于设定值,并且在系统干扰为零时保证误差全局渐进收敛,同时给出了控制律的求解方法.最后对提出的控制律进行实验验证.实验结果表明:相较于常规PID控制,多项式非线性控制律能够改善实验台伺服缸控制过程的瞬态响应,具有更好的抗干扰能力.本文提出的设计方法为非线性H_∞控制在电液伺服系统控制领域的实际应用提供了可行方案.     

Volterra模型辨识及其在蒸馏塔预测控制中的应用

本文研究一类单输入单输出非线性系统的预测函数控制问题，这类系统能用有限阶离散Volterra级数模型表示，采用最小二乘法进行参数辨识，并通过求解高次方程得到控制律。针对化工过程蒸馏塔控制系统，通过仿真计算验证了该方法的有效性。     

非线性系统有输入饱和时基于平方和的鲁棒模型预测控制器

本文针对带有参数不确定和输入饱和的单输入单输出(SISO)仿射非线性系统,利用反馈线性化,将非线性系统转化为带有扰动和状态依赖输入饱和的多胞线性参变(LPV)模型,进而提出一种基于平方和(SOS)的鲁棒模型预测控制器(RMPC)设计方法.基于多胞RMPC控制器,设计加权状态反馈控制律,通过引入范数有界定理,确保扰动下预测状态收敛到不变集内,并利用勒让德多项式近似和SOS技术,将状态依赖输入饱和约束转化为多项式凸优化问题,以获得实际和辅助状态反馈律,所设计的SOS-RMPC控制器能够保证闭环系统的稳定性.通过与常规多胞RMPC控制器的仿真比较,验证了本方法的有效性,并进一步仿真分析了勒让德多项式阶次对控制器性能的影响.     

卫星姿态直接自适应模糊预测控制

对具有模型不确定性和未知外干扰的卫星姿态系统提出了多输入多输出直接自适应模糊预测跟踪控制设计方法. 此方法先基于卫星姿态动力学模型设计出非线性广义预测控制律, 再构造直接自适应模糊控制器逼近预测控制律中因模型不确定性引起的未知项. 文中证明了所设计的控制律能使卫星跟踪给定的期望姿态轨迹, 跟踪误差收敛到原点的小邻域内. 仿真结果验证了此方法的有效性.     

基于深度学习的非线性广义预测控制

针对一类离散时间单输入-单输出(single-input single-output, SISO)非线性动态系统,将非线性切换控制与基于深度学习的未建模动态估计方法相结合,提出了一种新的非线性广义预测控制方法。该方法针对未建模动态的未知增量,通过使用基于深度学习技术的长短记忆神经网络(long short-term memory, LSTM)进行预估,设计了一种带有未建模动态增量估计的非线性广义预测控制器,增强控制性能。对所提的控制算法进行了稳定性和收敛性分析,最后通过数值仿真实验验证了所提方法的有效性。     

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.     

Global robust output regulation of multivariable systems with nonlinear exosystem

It is well known that multi‐input, multi‐output nature of nonlinear system and generalized exosystem have posed some challenges to output regulation theory. Recently, the global robust output regulation problem for a class of multivariable nonlinear system subject to a linear neutrally stable exosystem has been studied. It has been shown that a linear internal model‐based state feedback control law can lead to the solution of previous problem. In this paper, we will further study the global robust output regulation problem of the system subject to a nonlinear exosystem. By utilizing nonlinear internal model design and decomposing the multi‐input control problem into several single‐input control problems, we will solve the problem by recursive control law design. The theoretical result is applied to the non‐harmonic load torque disturbance rejection problem of a surface‐mounted permanent magnet synchronous motor. Copyright © 2016 John Wiley & Sons, Ltd.     

Adaptive-Predictive Control of a Class of SISO Nonlinear Systems

In this paper, an adaptive-predictive control algorithm is developed for a class of SISO nonlinear discrete-time systems based on a generalized predictive control (GPC) approach. The design is model-free, based directly on pseudo-partial-derivatives derived on-line from the input and output information of the system using a recursive least squares type of identification algorithm. The proposed control is especially useful for nonlinear systems with vaguely known dynamics. Robust stability of the closed-loop system is analyzed and proven in the paper. Simulation and real-time application examples are provided for real nonlinear systems which are known to be difficult to model and control.     

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.     

非线性系统的神经网络鲁棒自适应跟踪控制

针对一类具有未知非线性函数和未知虚拟系数非线性函数的二阶非线性系统,提出了一种神经网络鲁棒自适应输出跟踪控制方法.用李雅普诺夫稳定性分析方法证明了本文的神经网络自适应控制器能够使受控系统内的所有信号均为有界.选择的神经网络权值调整规律可以防止自适应控制中的参数漂移.     

滑模等式约束的时滞系统广义预测控制

提出了一种滑模等式约束的广义预测控制方法.该方法将广义预测控制与离散滑模控制结合起来用于具有大惯性、大时滞、时变和非线性的热力站换热机组的供水温度控制系统中,并采用柔化输入信号的方法,可避免广义预测控制算法中的矩阵求逆,有效缩短了预测时域,减小计算量.最后给出了稳定性分析并通过仿真验证了该方法的有效性.     

汽轮发电机主汽门开度的非线性最优预测控制

基于非线性最优预测控制理论,提出了一种汽轮发电机主汽门开度非线性预测控制器的设计方法.通过单机无穷大系统的建模分析,导出具有闭型解析解的控制律,避免了在线优化带来的大量计算负担,从而满足实时控制的要求.控制器的输入信号均选为发电机组的当地测量量,便于工程实现.仿真结果表明,该控制器能有效地提高电力系统的暂态稳定及改善其动态品质.     

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.     

基于分段Lyapunov 函数的Hammerstein-Wiener 非线性预测控制

针对输入和输出受约束的Hammerstein-Wiener型非线性系统,建立T-S模糊模型,并提出一种基于分段Lyapunov函数的非线性预测控制算法.通过构造分段二次Lyapunov函数,分析非线性系统的稳定性,降低普通二次Lyapunov函数的保守性;通过离线设计分段反馈控制律,在线实施符合条件的反馈控制律,极大程度地提高了在线计算效率.仿真结果验证了该方法的有效性.     

一个基于神经网络模型的鲁棒自适应控制算法

对于具有不确定因素的离散非线性动态系统,通过校正神经网络预报器的输出,运用加权 预报控制性能指标和网络辨识器模型局部线性化的思想,提出了一个间接鲁棒自适应神经网 络控制算法,仿真研究证实了该控制策略的鲁棒性和有效性.     

采用自适应自回归小波神经网络的单步预测控制

针对非线性系统的控制问题,提出一种基于神经网络辨识的单步预测控制算法。算法在自回归小波神经网络的基础上,利用混沌机制消除了神经网络易陷入局部极值的缺点．采用自适应性学习率,提高神经网络的收敛能力和速度．以该神经网络为预测模型,引入输出反馈和偏差校正克服预测误差,以此构造一步加权预测控制性能指标。然后采用Brent一维搜索方法求取控制律,Brent法无需任何相关的导数信息,需调整的参数少,使得Brent法适合实时控制．仿真研究说明了该非线性预测控制器的有效性。