基于西门子PLC的智能工业机电一体化机床控制研究

针对机床加工精度低和稳定性差的问题，提出以数控机床为研究对象，设计一种基于PLC的智能工业机电一体化机床控制系统。首先构建热误差建模算法，然后通过PLC实现热误差的补偿控制调节，可提高机床的加工精度和稳定性。具体实现为，由状态信息采集模块实现机床温度的测量；再在上位机数据处理模块中，通过建立机床温度与热误差同步测量系统，实现对热误差值的预测；再将预测值输入PLC控制模块，由PLC控制程序完成热误差预测值的补偿；并且对SIEMENS系统温度补偿功能的热误差补偿方法进行了研究。实验结果证明：在热误差补偿功能开启后，热误差最大值降低了78.9%。由此可知，本研究构建的机床控制系统可有效提高机床的加工精度以及稳定性，在实际应用中具有可行性。     

基于改进的BP网络误差修正的广义预测控制

该文利用预测误差的历史数据，基于改进的BP神经网络，对系统的建模误差进行预测。该网络采用了修正激励函数的BP算法，预测性能好，能够克服标准BP算法中Sigmoid函数的不足，加快了网络的学习速度。并将其与模型预测相结合构成广义预测控制算法，有效地克服了模型失配的影响，提高了控制的速度，同时引入控制增量增益，利用这个自由度来提高闭环的稳定鲁棒性。仿真结果表明了该算法的有效性。     

具有误差变化率校正的预测控制算法

提出了一种模型算法控制的改进算法。它在输出预测算式中增加了误差变化率校正项,使输出预测具有预测误差将来变化的能力,从而使MAC算法克服干扰的能力增强。仿真结果表明了该改进算法的优越性。     

一种具有PI结构的时滞系统APFC控制

提出了一种具有PI结构的时滞系统自适应预测函数控制（APFC），该算法通过在性能指标函数中引入预测输出误差和预测输出增量误差，使最终形成的控制器具有比例-积分（PI）结构。结合了预测控制具有较好的处理时滞、快速跟踪和PID调节器抗干扰性强、鲁棒性强的优点，并且模型参数是通过带遗忘因子的递推最小二乘算法在线辨识得到。在具有时滞的工业过程数学模型上进行仿真研究，结果表明，该算法具有较好的跟踪效果、抗干扰能力和鲁棒性。     

基于增量加权的预测函数控制

介绍了预测函数控制方法的主要思想和特点。针对通常的预测函数控制在优化求解的目标函数中仅含有输出误差的平方和序列，没有考虑控制增量的变化，通过在性能指标中对控制增量适当加权，提出了一种双值预测函数控制算法，提高了系统的稳定性，克服了系统的稳态偏差。在工业过程模型中，用Matlab软件进行了仿真研究，取得了良好的控制效果，表明该算法跟踪快、控制精度高、稳定性强，是一种比较有效的控制方法。     

基于ARMA和卡尔曼相结合的实际流量预测模型的研究

为了在高度复杂网络环境下,针对无线传感器网络流量预测精度偏低的问题,结合ARMA模型和卡尔曼提出了一种新的预测算法(State Prediction Algorithm based on ARMA and Kalman,SPAK)。该算法首先定义了ARMA模型分布特征,并给出该模型的理论依据。同时,通过融合ARMA与卡尔曼的预测结果提高其预测实际流量的预测精度,实现SPAK具体实现的步骤。最后,结合OPNET仿真采集流量数据,并使用Matlab对算法结果进行仿真,并对比FARIMA模型MF-FIR模型性能,结果发现该算法可以提前预测拥塞情况,提前进行路由选择,实现路由自适应控制。同样对网络的点比和能耗等做好自适应控制,通过对预测误差的比较,从而提高其预测精度。     

快速预测控制算法及在单回路数字控制器中的应用

为使先进的预测控制算法在工业过程单回路数字控制器中方便有效地实现，本文设计了一种快速预测控制算法，降低了控制律在线运行的计算理，了算法实现所需的存储空间，且同时具有良好的适应性和鲁棒性，基于此算法的单回路数字控制仪表“广义预测自校正单回器调节器”在工业现场投入试运行，控制效果好，具有广泛的应用推广价值。     

面向未知环境基于智能预测的模糊控制器研究

提出了一种新的面向未知环境的智能预测算法，并将此算法应用于机器人力跟踪控制中．该方法利用机械手末端与未知受限环境产生的接触轨迹，通过模糊推理智能地预测阻抗控制模型中的参考轨迹，并根据力误差变化用参考比例因子对其进行调节，以适应未知环境刚度的变化．通过对阻抗模型参数进行模糊调节减少受限运动中的力误差，提高了全局的力控制效果．仿真结果证明了此算法的有效性．     

基于输入输出模型广义预测控制的并行算法

本文提出了脉动算法实现基于输入输出模型的参数辨识及广义预测自校正控制，给出了相 阵列结构７工行实现这些算法，时序分析表明该方法可使广义预测自校正控制的实时性得到很大提高。     

非线性CSTR过程预测控制器设计

针对非线性CSTR(continuously stirred tank reactor)过程,提出一种新的预测控制的设计与仿真实现.在对一类特殊非线性过程分析的基础上,从系统的输入输出数据出发,基于子空间辨识算法建立双线性系统模型来近似描述被控系统;设计新的预测控制算法实现对CSTR过程的跟踪控制;为补偿模型失配以消除控制中的稳态误差,将积分作用包含在预测控制器的设计中,实现对控制输出的良好跟踪性能;最后通过一个仿真实例验证算法的有效性.     

机床主轴热误差建模算法*

针对机床主轴热误差补偿过程中现有建模方法的不足,提出一种新的热误差建模算法。首先应用FCM算法将众多温度测点予以分类,减少测点数量,提高测量精度。其次应用GCA算法对同类测点的热敏感度进行排序,选出该类中的关键测点。最后以优选出的测点为输入变量,以热位移为输出变量,利用ANFIS进行热误差模型设计,并与BP算法建立的模型进行了比较。实验数据表明：该方法降低了机床热误差,具有预测精度高的优点,能较好的实现机床主轴热误差的补偿。     

基于滑模预测控制的海底采矿车轨迹跟踪算法

海底采矿车多工作于稀软底质,其面临的外部扰动较大,难以快速收敛跟踪误差,精准地跟踪预设轨迹。为此,本文提出了一种海底采矿车的滑模预测控制（sliding model predictive control,SMPC）轨迹跟踪算法。基于海底采矿车的运动学模型,首先设计滑模控制率实现轨迹跟踪误差快速收敛,其次利用少预测时域的线性时变模型预测控制算法（linear time varying model predictive control,LTV-MPC）优化该滑模控制率。而后,通过证明滑模控制率收敛和模型预测控制稳定,保证了闭环控制系统的稳定性。RecurDyn&Simulink联合仿真结果表明,与单一的滑模控制（sliding mode control,SMC）和线性时变模型预测控制算法相比,所提出的SMPC轨迹跟踪算法提高了轨迹跟踪精度,且算法具有较好的实时性。     

基于最优梯度自适应优化算法的交通流预测

短时交通流预测在交通控制中起着基础的作用。建立了一类不需要选取初始值、带有动态参数的指数平滑模型。以预测误差平方和SSE最小为目标，构造了优选并自动生成最佳参数，使平滑模型得以优化的最速下降算法，增强了模型对时间序列的适应能力。较好地解决了指数平滑预测中，平滑参数靠检验确定且为静态、平滑初值难以确定并导致预测偏差等问题。通过比较上海浦东的实测数据和其它预测算法，验证了该算法的有效性和实用性。     

带有可调因子的NMSSPC算法的研究北大核心CSCD

针对模型失配对模型预测控制算法的影响,提出了一种新的应用于单变量系统的非最小状态空间模型预测控制(NMSSPC)算法。该算法利用阶跃响应数据建立传递函数模型,将模型转换为状态空间的形式,通过模型预测控制滚动优化求得控制律。文中改进了控制量的滚动优化策略,在目标函数中引入了可调因子,并在反馈校正中对预测误差补偿进行了改进,有效的减小了模型失配时产生的误差。仿真结果表明了算法的有效性,并且具有良好的跟踪控制性能。     

建筑供热负荷预防与预测控制策略研究

基于建筑供热节能需要和供热对象的特点，提出了供热负荷预防及对供热过程施加预测控制策略，根据时间序列分析原理，对供热负荷进行节能预后并作为预测控制的设定值，为满足实时性的要求，根据供热对象的特性对预测模型进行简化，给出了用预报误差校正代替误差校正的预测控制算法。最后对供热系统进行相关算法的仿真，其结果证明了该方法的有效性。     

新型输入加权预测控制器

提出一种新型输入加权预测控制器,通过对控制输入进行柔化和滤波处理,使实际实施的控制量为现时和现时对未来控制时域长度预测控制量的加权平衡,从而大大减小控制输入的震荡,具有较快的响应能力。通过对其结构的分析可知,该控制器具有滤波功能,能有效抑制模型误差的影响和控制量的震荡,克服了文献[1]需要在线记忆预测控制输入的缺点,不仅简化了算法,而且大大减少了系统的记忆容量。仿真结果表明了该算法的优异性能。     

一种新型自调节灰色预测控制器

提出一种结合传统反馈控制方法和灰色预测控制的新型自调节灰色预测控制器，可对系统当前输出误差和预测系统输出误差进行合成形成一个综合误差，并用综合误差代替传统反馈控制方法中的实际误差项，这样控制器可根据系统当前和将来的响应来计算控制律．该控制器可根据预测精度来自动调整控制器参数，使控制器对系统响应具有适应性．仿真结果表明，与传统反馈控制方法相比，该控制器可获得更为优良的动态性能和鲁棒性．     

串联系统的多前馈-反馈广义预测控制

为了充分利用对象的可知信息以实现串联系统的最优控制，提出了串联系统的多前馈-反馈广义预测控制算法，该算法把系统的可知外部扰动作为系统的多输入变量，把可测量的中间变量作为系统的多输出变量，运用多变量广义预测控制的思想给出了算法的控制结构。实现了前馈控制与反馈控制的有机结合，仿真结果表明，该算法能极大地改善串联系统的抗干扰性和鲁棒性。     

模糊神经网络在时滞系统中的应用

本文采用基于模糊神经网络的控制器实现了对时滞系统的控制，采取模糊规则对输出误差进行预测．预测中假设系统输出变化较缓慢．以至可以忽略高次项．得到的输出误差经过神经网络算法对控制对象进行控制．算法采用BP算法，仿真实验得到了很好的结果，系统的时滞基本消除．动态特性符合要求。     

智能预测控制在工业滞后系统中的应用

为了克服工业滞后系统难以建立准确模型、控制误差大的问题，文章采用基于神经网络的预测控制方法，实现了滞后补偿，提高了抗干扰能力，从而降低了控制误差。仿真结果表明该方法在不引起震荡的同时大大提高了系统的稳定性能。