参数未知系统直接广义预测控制

传统的广义预测控制(GPC)算法需要在线递推求解Diophantine方程及矩阵求逆,因此计算量很大,不适合对实时性要求高的控制系统.文中对参数未知线性系统提出一种直接广义预测控制(DGPC)方法.该方法直接辨识广义预测控制器参数θu,即基于广义误差估计值对控制器参数和广义误差估计值中的未知向量θu进行自适应调整.理论证明了该方法可使广义误差收敛到原点的一个小邻域内.仿真结果验证了此方法的有效性.由于实时性提高,并且不需要被控对象模型,该方法更利于实际应用.     

参数未知线性系统的直接自适应模糊广义预测控制

将自适应模糊逻辑系统引入广义预测控制，对参数未知线性系统提出一种直接自适应模糊广义预测控制方法。该方法直接利用模糊逻辑系统设计广义预测控制器，并基于广义误差估计值对控制器参数和广义误差估计值中的未知向量进行自适应调整。证明了该方法不仅能保证闭环系统输入输出有界，而且可使广义误差收敛到原点的一个小领域内。     

未知参数多变量线性系统自适应模糊广义预测控制

对未知参数多变量线性系统提出了自适应模糊广义预测控制方法.该方法直接用模糊逻辑系统组成的向量设计广义预测控制器,并基于广义误差向量估计值对控制器中的未知向量和广义误差估计值中的未知矩阵进行白适应调整.该方法不但能保证闭环系统所有信号有界,而且可使广义误差向量收敛到原点的一个邻域内.     

未知参数多变量线性系统自适应模糊广义预测控制

对未知参数多变量线性系统提出了自适应模糊广义预测控制方法.该方法直接用模糊逻辑系统组成的向量设计广义预测控制器,并基于广义误差向量估计值对控制器中的未知向量和广义误差估计值中的未知矩阵进行自适应调整.该方法不但能保证闭环系统所有信号有界,而且可使广义误差向量收敛到原点的一个邻域内.

     

基于最小二乘支持向量机的非线性广义预测控制

通过中值定理将一类非线性系统近似为时变线性系统,然后将提出的在线最小二乘支持向量机回归(OLSSVMR)与广义预测控制相结合,提出了一种基于OLS-SVMR的自适应直接广义预测控制.利用OLS-SVMR直接设计预测控制器,并基于广义误差估计对控制器参数和广义误差估计中的未知向量进行自适应调整.理论证明了该方法可使广义误差估计值收敛到原点的一个小邻域内.仿真算例也验证了该方法的有效性.     

一类未知非线性离散系统的直接自适应模糊预测控制

将自适应模糊逻辑系统引入预测控制,对一类未知非线性离散系统提出了直接自适应 模糊预测控制方法.首先对被控对象提出了线性时变子模型加非线性子模型的预测模型,然后直 接利用模糊逻辑系统设计预测控制器,并基于广义误差估计值对控制器参数和广义误差估计值中 的未知向量进行自适应调整.文中证明了此方法可使广义误差估计值收敛到原点的小邻域内.     

非线性系统的RBF网络直接广义预测控制

针对广义预测控制(GPC)算法需要在线递推求解Diophantine方程及矩阵求逆等计算量大的缺陷,本文对参数未知非线性系统提出一种RBF网络的直接广义预测控制方法。该方法首先将非线性系统转化为时变线性系统,然后用三次样条基函数逼近系统广义误差中的时变系数,并基于广义误差估计值对控制器参数即网络权值和广义误差估计值中的未知向量进行自适应调整,然后利用RBF网络来逼近控制增量表达式。     

基于特征模型的柔性结构直接自适应模糊预测控制

为了避免用模态截断方法设计控制器时所引起的控制和观测溢出问题,把柔性结构模型转化为用含有未知系数的二阶差分方程描述的特征模型,对此模型提出了当柔性结构实现位置保持时的直接自适应模糊预测控制方法.此方法直接利用模糊逻辑系统设计预测控制器,并基于广义误差估计值对控制器参数和广义误差估计值中的未知向量进行自适应调整.文中证明了所设计的控制器可使广义误差估计值收敛到原点的一个小邻域内.仿真结果验证了此方法的有效性.     

柔性关节微操作机器人自适应模糊预测控制

对一种柔性关节微操作机器人系统提出了多输入多输出直接自适应模糊广义预测控制方法,此方法先基于机器人理论模型设计出广义预测控制器,再构造直接自适应模糊控制器逼近广义预测控制器,并用机器人视觉误差信息对控制器参数和广义误差向量估计值中的未知向量进行自适应调整,以增强对建模误差的鲁棒性,并证明了所设计的控制器可使微操作机器人跟踪时变参考轨迹时的广义误差估计值收敛到原点的小邻域内,以达到控制要求,仿真结果验证了此方法的有效性.     

基于最小二乘支持向量机的非线性广义预测控制

通过中值定理将一类非线性系统近似为时变线性系统,然后将提出的在线最小二乘支持向量机回归(OLS-SVMR)与广义预测控制相结合,提出了一种基于OLS-SVMR的自适应直接广义预测控制.利用OLS-SVMR直接设计预测控制器,并基于广义误差估计对控制器参数和广义误差估计中的未知向量进行自适应调整.理论证明了该方法可使广义误差估计值收敛到原点的一个小邻域内.仿真算例也验证了该方法的有效性.

     

未建模误差补偿Elman网络直接广义预测控制

针对一类非线性系统,提出了Elman网络直接广义预测控制算法。先将非线性系统等价转换成线性系统,然后对未建模动态误差进行估计,最后利用Elman网络进行预测控制器设计,并根据跟踪误差对控制器参数中的未知向量进行自适应调整,理论证明了误差收敛到原点一个小邻域内。该方法不需要求解Diophantine方程和矩阵求逆,只需要辨识一个参数θ（k）,因此减少了在线计算量,提高了实时性。仿真结果验证了该方法的有效性。     

基于RBF神经网络的直接广义预测控制

针对广义预测控制算法需要在线递推求解 Diophantine 方程及矩阵求逆等计算量大的缺陷,对参数未知多变量非线性系统提出一种径向基函数神经网络的直接广义预测控制算法.该算法将多变量非线性系统转化为多变量时变线性系统,用三次样条基函数逼近系统广义误差向量中的时变系数,然后利用径向基神经网络来逼近控制增量表达式,并基于广义误差估计值对控制器参数向量即网络权值向量θu和广义误差估计值中的未知向量θe进行自适应调整.仿真结果验证了此算法的有效性.     

Model predictive control using an extended ARMarkov model

The original ARMarkov identification method explicitly determines the first μ Markov parameters from plant input–output data and approximates the slower dynamics of the process by an ARX model structure. In this paper, the method is extended to include a disturbance model and an ARIMAX structure is used to approximate the slower dynamics. This extended ARMarkov model is then used to formulate a predictive controller. As the number of Markov parameters in the model varies from one to P (prediction horizon)+1, the controller changes from generalized predictive control (GPC) to dynamic matrix control (DMC). The advantages of the proposed ARM-MPC are the consistency of the Markov parameters estimated by the ARMarkov method, independent tuning of the controller for servo and regulatory responses and the ability to combine the characteristics of GPC and DMC. The theoretical results are illustrated through simulation examples.     

一类非线性系统的H2容错控制器的设计及其在空间飞行器的应用

针对存在执行器故障的不确定系统,本文研究了一种H2鲁棒容错控制的设计.控制器包括三个功能: 1)利用径向基函数(Radial basis function, RBF)神经网络估计得到的近似非线性函数构成闭环控制,抵消系统的非线性特征; 2)能实现H2性能指标的最优控制; 3)利用滑模控制抑制模型估计误差以提高控制精度, 并且控制器具有指定稳定裕度的设计功能.文中提出了用于执行器故障估计的调整规则, 故障估计信息用于控制律的设计.基于Lyapunov函数,推导了满足H2最优性能的充分条件:非线性二次矩阵不等式. 为了降低计算成本,给出了不等式求解的简化算法,避免了在线求解非线性矩阵不等式.通过一个空间飞行器模型的仿真, 验证了本文提出方法的有效性.     

基于神经网络的时滞非线性系统的广义预测控制

针对一类时滞非线性被控对象,提出一种基于RBF神经网络的广义预测自校正控制方案,在广义预测控制中,采用RBF神经网络建立被控对象的多步预测模型,并不断修正预测输出,提高预测输出的精度.控制器则采用GPC隐式修正算法,不用辨识对象的模型参数,大大减少了计算量.经过仿真研究,与常规的PID自适应控制方法相比较,证明了该方法的优越性,预测控制误差小,实时性好,动态响应快.     

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.