基于子空间辨识的模型预测控制器经济性能评估方法

目前模型预测控制器(MPC)的经济性能评估(EPA)方法多依赖于过程解析的稳态模型,为了更方便有效的对MPC经济性能进行评估,本文提出一种基于子空间辨识的模型预测控制器经济性能评估方法,仅利用过程操作数据即可实现对控制器的经济性能评估,避免了对过程解析稳态模型的依赖性.利用已知过程操作数据,通过子空间辨识求取子空间矩阵...     

基于协方差指标预测的MPC实时性能监控

为利用过程数据实时监控模型预测控制(Model predictive control, MPC)的性能, 提出一种基于协方差预测残差的性能监控方法.首先在分析模型预测控制器优 化函数和控制结构的基础上, 构造包含预测误差、控制量和过程输出的监控变量集, 然后利用滑动时间窗口建立基于协方差的实时性能评价 指标.针对协方差指标缺少控制限的问题, 建立实时协方差指标的时间序列模型, 根据协方差指标的预测残差检测模型预测控制性能下降.进 一步利用基于数据集相似度的性能诊断方法确定性能恶化源.最后通过Wood-Berry二元精馏塔上的仿真研究验证了所提方法的有效性.     

最小平方误差算法的正则化核形式

最小平方误差算法是最常用的一种经典模式识别和回归分析方法,其目标是使线性函 数输出与期望输出的误差平方和为最小.该文应用满足Meteer条件的核函数和正则化技术,改 造经典的最小平方误差算法,提出了基于核函数和正则化技术的非线性最小平方误差算法,即 最小平方误差算法的正则化核形式,其目标函数包含基于核的非线性函数的输出与期望输出的 误差平方和,及一个适当的正则项.正则化技术可以处理病态问题,同时可以减小解空间和控制 解的推广性,文中采用了三种平方型的正则项,并且根据正则项的概率解释,详细比较了三种正 则项之间的差别.最后,用仿真资料和实际资料进一步分析算法的性能.     

基于2维性能参考模型的2维模型预测迭代学习控制策略

将迭代学习控制(Iterative learning control, ILC)系统看作一类具有2维动态特性的控制系统,根据模型预测控制(Model predictive control, MPC)和性能参考模型控制思想, 提出了一种基于2维性能参考模型的2维模型预测迭代学习控制系统设计方案.在该控制系统设计方案中,可以通过选择适当的2 维性能参考模型来构造2 维动态变化的设定值信号和预测控制信号,从而引导迭代学习控制系统收敛到合理的控制性能,并有效避 免系统性能收敛过程中控制输入可能发生的剧烈波动.通过对控制系统的结构分析可知,所得的迭代学习控制器本质上是由沿时 间指标的参考模型预测控制器和沿周期指标的迭代学习控制器组成,闭环系统的收敛性等价于一个2维滤波系统的稳定性.数值仿 真结果证明了该设计方案的有效性和鲁棒性.     

工业大系统双层结构预测控制的集中优化与分散控制策略

为降低工业大系统模型预测控制(Model predictive control,MPC)在线计算复杂度,同时保证系统的全局优化性能,提出一种集中优化、分散控制的双层结构预测控制策略.在稳态目标计算层(Steady-state target calculation, SSTC),基于全局过程模型对系统进行集中优化,将优化结果作为设定值传递给动态控制层;在动态控制层,将大系统划分为若干个子系统,每个子系统分别由基于各自子过程模型的模型预测控制进行控制,为减少各子系统之间的相互干扰,在各个子系统之间添加前馈控制器对扰动进行补偿,提高系统的总体动态控制性能.该策略的优点在于能确保系统全局最优性的同时降低了在线计算量,提高了工业大系统双层结构预测控制方法的实时性.仿真实例验证该方法的有效性.     

基于最佳平方逼近的B样条曲线降阶

提出了一种基于带约束的最佳平方逼近的B样条曲线降阶的方法.首先讨论了降阶后曲线控制顶点个数以及节点向量的取法、保端点的B样条曲线降阶方法,并把带约束的最佳平方逼近技术引入到B样条曲线的降阶,即误差大的区域施加较大的权函数以降低最大误差.为满足给定误差限制下的降阶,提出了对原曲线插入节点的准则,即对不满足误差限制的区域插入节点.并用实例对新方法和基于扰动约束技术的降阶方法进行了比较.     

判别最小平方有序回归

有序回归是特殊的机器学习范式,其目标是利用数据间内在的序标号以划分模式。尽管众多算法相继提出,但经典的最小平方回归( LSR)尚未应用于有序回归场景。为此,文中采用累积标号编码和间隔扩大策略,在LSR基础上提出判别最小平方有序回归( DLSOR)。 DLSOR在对回归函数无需施加约束的前提下,仅通过改造标号实现有序信息的嵌入和类间间隔的扩大,从而确保DLSOR在与LSR具有相当模型复杂度的同时,既保证较高的分类精度,又获得较低的平均绝对误差。实验验证DLSOR在提升有序回归性能上的优越性。     

基于反馈线性化的永磁同步电机模型预测控制

提出一种基于反馈线性化和模型预测控制(MPC)策略的永磁同步电机(PMSM)控制方案.运用微分几何理论讨论了非线性PMSM模型可进行反馈线性化的充分必要条件,并将其转换为新坐标空间中的线性模型;分析了MPC原理和对系统约束条件的处理方法.针对获得的PMSM线性模型,分别采用MPC和状态反馈极点配置方法设计了控制器.在有...     

MPC控制器的性能监视

本文介绍了MPC控制器的一种性能指标。该指标以MPC控制器在滚动优化中预计达到的稳态目标作为评估基准,没有苛刻的假设条件,且易于现场实时获得。以Honey鄄well公司的RMPCT多变量控制器为例,就干扰、模型误差等对性能指标的影响进行了仿真实验。     

机器人的鲁棒预测控制

本文提出基于误差预测的机器人鲁棒控制器。考虑到机器人的动力学建模误差影响其控制性能,本文建立机器人的误差模型,给出预测建模误差对运动轨迹偏差的作用的有效方法,并提出建模误差的鲁棒性补偿。本文分别在关节空间和直角空间针对冗余机器人和非冗余机器人提出鲁棒预测控制器设计,其有效性由仿真例子检验。     

一个基于插值的模糊控制器的推理方法

文章提出了一种基于插值的模糊控制器,它既保持了合成推理的灵活性,同时又简化了合成推理的复杂性.在此基础上,给出了三种插值模型：线性插值模型,平方插值模型以及拉格朗日插值模型,最后给出了一个实例并对合成推理和三种插值模型进行了比较.     

具有最小时间加权平方误差积分的主动队列管理算法ISTE-PI

针对现有基于控制论的主动队列管理(AQM)算法的不足,在不忽略TCP/AQM传递函数模型中时滞环节的条件下,将TCP短流和UDP流作为干扰信号引入AQM控制器的设计过程,并借助最小"时间加权平方误差积分(ISTE)"控制方法,设计了一个基于PI控制器的AQM算法ISTE-PI.与现有算法相比,ISTE-PI算法同时具备响应速度快、抗干扰能力强、能用于大时滞网络环境且鲁棒性好等特点.鉴于Internet网络流量由TCP长流、TCP短流和UDP流构成,且是大时滞网络,因此ISTE-PI算法能更好地适应Internet网络环境下的主动队列管理.     

一种基于LMI的非线性模型预测控制终端域优化方法

对于具有约束的非线性系统, 提出了一种模型预测控制 (Model predictive control, MPC) 的终端域优化方法. 基于线性矩阵不等式(Linear matrix inequality, LMI) 优化和非线性系统的范数有界线性微分包含 (Linear differential inclusion, LDI), 给出了求解非线性 MPC 终端代价函数和局部稳定控制器的一种方法, 在此基础上可方便地得到非线性模型预测控制终端域. 一个具体的数值算例验证了算法的有效性.     

基于数据驱动的气动柔性关节Takagi–Sugeno模糊系统建模与预测控制

针对气动柔性关节动态特性复杂、难以实现高精度控制的问题,提出一种基于Takagi–Sugeno (T–S)模糊系统的预测控制方法.首先,应用MBGD–RDA算法对T–S模糊系统进行离线训练,该算法结合了机器学习中的小批量梯度下降算法、正则化、Droprule和AdaBound算法.其次,基于模糊集相似性度量方法,对训练得到的T–S模糊系统的模糊集进行剪枝,对模糊规则进行合并,简化T–S模糊系统结构.最后,设计了基于T–S模糊系统的单层神经网络预测控制器. T–S模糊系统参数和预测控制器参数均能实现在线更新,且基于李雅普诺夫理论的稳定性分析保证了系统的稳定性.仿真结果验证了基于数据驱动的T–S模糊系统的高精度预测性能,且结构简化后的T–S模糊系统在规则数减少的情况下仍能维持较高的预测精度.实际实验中,所提控制方法最大跟踪误差小于3°,而传统的模糊逻辑控制器最大跟踪误差大于5°,这表明所提控制算法显著提升了对柔性关节的跟踪控制精度.     

基于连续控制集的永磁同步直线电机模型预测控制

永磁同步直线电机(permanent magnet linear synchronous motor, PMLSM)目前多被应用于直线牵引系统,例如轨道交通、无绳电梯等.传统的永磁同步直线电机预测控制主要考虑有限控制集模型预测控制(finite-control-set model predictive control, FCS–MPC),在一个系统采样周期从备选的开关状态中选择一个相对最优的开关状态送入逆变器中.该方法的计算量通常随着预测步长的增加呈几何增长,因而限制了其广泛使用.本文针对PMLSM提出一种基于二次优化的连续控制集模型预测控制(continuous-control-set model predictive control, CCS–MPC)策略.该方法在每个周期内选择两组开关状态送入逆变器,表现为两个相邻电压矢量的合成,因而可以达到更为平滑的控制效果.策略结合了FCS–MPC中的扇区划分原理,将扇区中的两个相邻非零矢量和一个零矢量等效合成为二次优化的最优控制矢量.与此同时,在二次优化的框架下CCS–MPC有效地避免了多步预测控制中计算量过大的问题.仿真与实验结果表明在相同条件下,所提方法相较于空间矢量调制以及FCS–MPC能获得更好的PMLSM控制效果.     

基于等价输入干扰滑模观测器的磁悬浮球系统模型预测控制

本文针对系统不确定性和外部干扰引起的磁悬浮球系统控制性能下降的问题,提出了一种基于等价输入干扰滑模观测器的模型预测控制(MPC+EIDSMO)方法.首先将原系统转化为EID系统,采用等价输入干扰滑模观测器对EID系统状态变量及等价输入干扰进行估计;然后基于状态估计值设计模型预测控制器,并将等价输入干扰估计值以前馈的方式补偿后得到最终的复合控制律,实现对参考位置跟踪的快速性,准确性以及对总扰动的鲁棒性.值得注意的是,与传统EID结构中的龙伯格观测器相比,等价输入干扰滑模观测器中增加的非线性观测误差反馈项有助于提高状态估计的快速性和精确性.从理论上证明了该系统是全局一致毕竟有界的.仿真和实验结果表明,相较于基于EID观测器的模型预测控制方法和基于龙伯格观测器的积分模型预测控制方法,所提方法提高了磁悬浮球系统的跟踪性能,并且有效的抑制了系统不确定性和外部干扰.     

基于多输出最小二乘支持向量回归建模的自适应非线性预测控制及应用

提出一种可有效提高常规预测控制方法控制性能与计算效率的数据驱动自适应非线性模型预测控制方法.首先,为了提高多输出非线性系统最小二乘支持向量回归(least squares support vector regression, LS–SVR)建模的精度,考虑各维输出间的耦合关系,采用在目标函数中加入样本整体拟合误差项,实现多输出LS–SVR(multi-output LS–SVR,M–LS–SVR)预测建模,同时采用粒子群算法优化模型参数;其次,针对动态过程建模的模型失配问题以及由于M–LS–SVR模型复杂导致传统智能算法求解预测控制律缓慢的问题,提出自适应非线性模型预测控制策略,包括两个非线性优化层:第1层采用梯度下降算法实时优化模型和实际过程输出的偏差,以自适应调节模型参数;第2层采用具有全局收敛性和超线性收敛速度序列二次规划(sequential quadratic programming, SQP)算法设计非线性预测控制器,以加速预测控制律的求解速度. Benchmark仿真实例及在高炉炼铁过程的数据试验表明:所提基于M–LS–SVR预测建模的自适应非线性模型预测控制具有较快的求解速度、较好的设定值跟踪和干扰抑制性能以及较强的鲁棒性.     

一种自调整模糊控制器的设计与仿真研究

提出了一种基于规则，参数自整定的模糊控制器的设计方法，它通过引入误差加权因子和误差变化率加权因子，以系统阶跃响应的上升时间和超调量为性能评价指标，并根据评价结果建立自适应算法，对模糊控制器的模糊推理规则及参数进行自调整。仿真结果进行表明，误差变化率加权因子以明显改善模糊控制器的稳定性，性能评价指标函数，模糊推理规则和参数调整算法简单实用，便于实现，对被控对象的参数变化具有较强的适应能力，控制效果良好。     

隐私团校准的模糊MEB学习

在一定条件下,基于最小累积平方误差（ISE）准则的高斯核密度估计与最小包含球（MEB）等价.在此基础上提出了一种含团状隐私数据保护的MEB学习方法,称为隐私团校准的MEB（PCC-MEB）方法;同时,通过引入模糊隶属度函数将PCC-MEB拓展为模糊的PCC-MEB（FPCC-MEB）,从而解决二类及多类问题中区域不可分问题.人造和真实数据集上的实验结果表明,所提出方法具有较好的性能.     

基于自适应MPC算法的轨迹跟踪控制研究

为了保证智能车辆在低附着且变速条件下跟踪控制的精确性和稳定性,提出一种基于自适应模型预测控制（MPC）的轨迹跟踪控制算法。针对低附着条件下轨迹跟踪存在行驶稳定性较差的问题,对车辆动力学模型添加侧偏角软约束,分别设计有无添加侧偏角约束的MPC控制器。仿真结果表明,添加侧偏角约束后MPC控制器性能更优,车辆行驶稳定性得到有效提高。在此基础上,又提出了一种自适应的轨迹跟踪控制策略,能够根据车辆速度的变化,实时产生预测时域[(Hp)],分别设计自适应的MPC控制器与4组定值[Hp]的MPC控制器。仿真结果表明,基于自适应模型预测控制的轨迹跟踪控制算法在提高低附着且变速条件下智能车辆轨迹跟踪控制的精度和稳定性方面具有一定的有效性和先进性。