基于小波变换的非线性广义预测控制

提出了基于小波变换的非线性广义预测控制算法。预测模型采用Hammerstein模型,对于其静态非线性部分采用小波网络来辨识,动态线性部分用最小二乘法来辨识。这种辨识方法比传统的多项式拟合的模型误差要小得多。基于这种预测模型广义预测控制器弥补了传统广义预测控制的模型失配问题。以CSTR为例对所设计的控制器进行仿真研究,结果表明控制器能够取得良好的控制效果。     

基于SVM逆系统的非线性系统广义预测控制

针对工业过程中普遍存在的非线性被控对象,提出了一种基于支持向量机(SVM)逆系统的广义预测控制算法。该方法根据广义预测控制基于预测模型的特点,将基于支持向量机系统辨识的方法应用于逆系统构建和广义预测控制。该方法利用SVM强大的非线性映射能力离线辨识被控非线性系统的α阶逆模型,并将辨识出的逆模型连接在原被控统之前形成一个α阶纯延时伪线性系统。然后采用广义预测控制(GPC)算法实现对构造出的伪线性系统的预测控制。仿真实验表明了该算法的有效性和优越性。     

对角CARIMA模型多变量自适应约束广义预测控制

为了简化约束存在时多变量广义预测控制算法的设计与实现,依据对角CARIMA模型的结构特点,将多输入多输出对象的参数辨识和模型预报问题转化为一系列多输入单输出子对象的参数辨识和模型预报问题.推导了输入输出的约束形式及优化求解过程.简化了多变量对象的参数辨识、模型预报、目标函数和约束条件系数矩阵的计算.在由DCS控制的非线性液位装置上的对比实验结果表明了该方法的有效性.     

基于LS-SVM预报的动态矩阵预测控制

针对实际工业过程中的非线性及时变特性,传统预测控制算法就难于建立精确的数学模型,从而提出了一种基于最小二乘支持向量机预报的动态矩阵预测控制模型.在整个过程中,首先建立基于最小二乘支持向量机的非线性动态矩阵预测控制结构,通过利用最小二乘支持向量机辨识被控对象模型,同时预测对象的未来输出,然后用动态矩阵控制算法进行滚动优化和反馈校正.仿真实例表明该模型对预测结果有很好的控制作用,有效消除输入干扰的影响,从而提高了预测精度.     

对角CARIMA模型多变量自适应约束广义预测控制

为了简化约束存在时多变量广义预测控制算法的设计与实现,依据对角CARIMA模型的结构特点,将多输入多输出对象的参数辨识和模型预报问题转化为一系列多输入单输出子对象的参数辨识和模型预报问题.推导了输入输出的约束形式及优化求解过程,简化了多变量对象的参数辨识,模型预报,目标函数和约束条件系数矩阵的计算.在由DCS控制的非线性液位装置上的对比实验结果表明了该方法的有效性.

     

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.     

SVM技术在网络GPC算法中的应用研究

针对传统的广义预测控制（GPC）算法必须有精确的数学模型,计算量很大,不适合实时性要求高的系统。网络控制系统在复杂的工业控制领域应用中,受网络时延的影响,导致了控制系统性能的下降甚至不稳定,给控制系统的分析和设计带来诸多问题。该文采用基于支持向量机的广义预测控制方法,将支持向量机作为预测模型,对控制对象模型进行预测,再加之广义预测控制算法和队列机制提出不基于对象模型且实时性高的广义预测控制快速算法,并且设计了支持向量机非线性建模和非线性广义预测控制队列机制算法,并相应做出了仿真。最后的仿真结果表明基于广义预测控制算法的网络控制系统具有良好的控制效果和稳定性。     

基于Wiener模型的混沌系统辨识与控制研究

本文采用Wiener模型来辨识混沌系统,利用扩 展Kalman滤波算法加快辨识过程．在此基础上,设计非线性广义预测控制算法对混沌系统加 以控制,引入增量因子改善了动态过渡过程特性．大量的辨识和控制仿真验证了本文的有效 性．     

基于机器人的神经网络预测控制算法

针对预测控制机理在处理非线性模型控制存在较大的困难,提出了将BP神经网络和广义预测控制(GPC)相结合后应用于网络控制系统的思想,构造了神经网络预测控制算法,其实质是用BP神经网络作为预测模型,产生预测信号,对系统进行反馈校正,并通过误差迭代求取广义预测的最优控制律,从而克服了对非线性系统难以辨识模型的困难,利用神经网络"黑箱"的功能达到对非线性系统的预测控制.以机器人为控制对象进行仿真,取得了较好的控制效果.     

一种约束输入输出的隐式广义预测控制新算法

基于CARIMA模型提出了一种约束输入输出的隐式广义预测控制算法.针对广义预测控制问题,在整个预测时域和控制时域,对输入幅值,输入增量和输出幅值施加了约束,引入了输入输出柔化系数,从而简化了目标函数,减小了计算量,该算法不必求解逆矩阵;并采用了隐式广义预测自校正控制算法,利用并列预测控制器间的特点,直接辨识输出预测器中的参数,从而避免了在线求解Diophantine方程.该算法占用内存小,计算速度快,仿真结果表明该算法具有良好的控制性能.     

新型随机广义预测自校正控制器

基于CARIMA模型,设计了一种新的广义预测控制器.由于本文算法是利用辨识结果直 接求解控制器,不需要在线求解Diopbantine方程,因而大大减少了计算量,便于控制系统的 在线设计.     

MULTIVARIABLE FUZZY GENERALIZED PREDICTIVE CONTROL

A Takagi-Sugeno (T-S) fuzzy model is used to express non-linear dynamic systems with time-delay in this paper, and an on-line identification algorithm is presented regarding its parameters and structures. A multivariable fuzzy generalized predictive control approach is proposed based on the identified fuzzy model by means of the generalized predictive control principle. The closed-loop stability is analyzed in detail. A simulation study for the multivariable load system of a boiler-turbine unit shows that the approach is superior to convention load control systems.     

采用遗传算法训练对角递归神经网络预测控制器

本文提出了一种基于广义预测控制的神经网络预测控制方案．预测控制器由对角递归 神经网络预测控制器和前向神经网络静态补偿器组成．两种神经网络均采用遗传算法进行训 练．仿真实验表明,对于带纯时延的非线性被控对象,采用遗传算法设计的对角递归神经网 络预测控制器具有令人满意的控制性能．     

预测控制的无扰切换技术

提出了关于动态矩阵控制器(DMC)与广义预测控制器(GPC)的改进无扰切换方法．其中 ，前者在DMC控制模式启动初期采用过程的脉冲响应模型实现对过程输出的自由响应预测， 在非DMC控制模式下，只需要存储过程输入/输出数据，而不必在线进行反馈校正．二者都有 一个共同特点，即不必考虑过程的直流工作点，这给预测控制算法的在线实现带来了很大的 方便．最后，通过纸机定量控制系统的仿真研究证明了上述算法的有效性．     

改进的广义预测控制算法

本文中,提出了改进的广义预测控制.这种算法简单,不受噪声多项式 C(q~(-1))稳定的限制.     

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．     

改进的多变量广义预测控制算法

本文中,我们把改进的广义预测控制推广列多变量线性系统中.这种算法大量地减少了计算量,能控制任意维输入任意维输出的线性系统.     

具有比例积分结构的广义预测自校正控制器

本文通过对一般预测控制中目标函数的改进，导出了具有比例积分结构的广义预测自校正控制器，从而极大地改善了控制器性能。仿真结果表明了该算法的有效性，对促进自校正控制器在工业中的应用具有一定意义。     

模型跟踪广义预测鲁棒自适应控制器

本文采用滤波CARMA模型,基于内模原理,提出了一种新的广义预测鲁棒自适应控制器,并分析了闭环系统性能,在新的控制器中,引入适当的前馈作用,使得跟踪和调节问题解耦,利用部分状态跟踪、模型参考以及极点配置方法解决跟踪问题,利用多步预测滚动优化方法解决调节问题;适当选择滤波器可以保证对平稳随机扰动有满意的响应,减少可调参数对闭环系统响应的影响,增强系统对未建模动态的鲁棒性,仿真结果表明:该控制器对确定性和非平稳随机扰动具有不变性,对系统时延和阶次变化具有鲁棒性,适用于非最小相位和开环不稳定系统。     

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．