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.     

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.     

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.     

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。     

改进的广义预测算法在过热气温控制中的应用

针对传统广义预测控制算法（GPC）的计算量大这一缺陷,结合隐式广义预测算法（IGPC）和基于柔化矩阵的广义预测算法,通过辨识参数和输入增量引入柔化系数矩阵进行约束的方法对原算法进行改进,算法只精确计算当前时刻的控制作用而对未来时刻的控制序列进行离线近似计算.该算法简单,不必求解丢番图（Diophantine）方程和矩阵求逆,减小了在线计算量,确保了系统的快速性,并能够将输入很好地控制在约束范围之内,并具有良好的控制性能.同时隐式广义预测算法对模型的阶次、参数的变化都有较好的鲁棒性,能适应电厂过热汽温的控制.     

动态矩阵控制参数的神经网络优化算法

动态矩阵控制是一种重要的预测控制算法,适用于具有大纯滞后的工业对象和非最小相位系统,在实际应用中需要确定多个参数。文章提出了一种以限制控制量变化为目标,用神经网络在线优化控制矩阵参数的DMC控制算法。仿真结果验证了该文提出算法的有效性。     

一种基于T-S模糊模型的自适应预测函数控制

针对离散时间非线性系统，提出了一种基于T-S模糊模型的自适应预测函数控制算法。该算法利用加权递推最小二乘法在线辨识T-S模糊模型后件参数，以克服模型失配对系统性能的影响。根据辨识得到的模型参数直接递推计算模型的预测输出，而不需要求解Diophantine方程，进而直接递推求解预测控制律，而不需要求解矩阵逆。仿真结果表明，该算法具有良好的跟踪性能和较强的鲁棒性。     

多变量广义预测控制的快速算法

针对传统广义预测控制算法的计算量大这一缺陷，通过对未来的控制序列的离线近似计算，而只精确求解当前时刻要实施的控制量，提出了一种广义预测控制的快速算法。该算法简单．适用于任意维输入任意维输出(ADIADO)线性系统。由于不必求解Diophantine方程，并在求解逆矩阵时．降低了逆矩阵的维数，从而大大减小了在线计算量。仿真结果证实了该算法有效性和实用性。     

一种广义预测控制的快速算法

针对传统广义预测控制算法的计算量大这一缺陷 ,通过对未来的控制序列的离线近似计算 ,而只精确求解当前时刻要实施的控制量 ,提出了一种广义预测控制的快速算法。该算法简单 ,不必求解Diophantine方程和逆矩阵 ,大大减小了在线计算量。仿真结果表明 ,该算法具有良好的控制性能 ,而且对控制作用具有较强的约束能力     

基于柔化矩阵的广义预测控制快速算法

本文针对输入要求平稳的系统设备提出了一种预测控制新算法.该算法通过对输入增量引入柔化系数矩阵从而进行约束,避免了矩阵求逆的计算,大大减少了计算量,确保了系统的快速性,同时保留了广义预测控制的基本特征.其次,控制算法中改善了传统广义预测控制算法的单一性,充分利用预测信息的补偿作用进行加权平均,很好得抑制了超调的出现.通过挤出机的压力系统做仿真试验,结果验证了该算法的有效性.     

基于IGPC的时变大时滞系统自适应控制

针对工业过程中常见的参数时变和大时滞问题，研究了广义预测控制算法在其中的应用问题。为了克服普通广义预测控制算法计算复杂的缺点，采用隐式广义预测控制算法(IGPC)通过直接辩识控制器参数求解最优控制增量，具有计算量小、计算速度快的特点。仿真结果表明，在不需要关于被控对象的先验知识的情况下，隐式广义预测自校正控制器能很好地跟踪设定值的变化，当参数时变时仍具有很好的控制性能，适合于实现时变大时滞系统的自适应控制。     

基于Laguerre函数的BLDCM转速预测控制器

针对无刷直流电机(Brushless DC Motor,BLDCM)模型参数时变的特性,为解决不同工况下的转速跟踪问题,将Laguerre函数引入控制器设计中,提出了一种新型的广义预测控制算法。该算法通过对控制量的参数化设计,减少了计算量,使得系统响应加快;通过修改PI型性能指标,抑制了超调,提高了系统稳定性。仿真结果表明,相比传统广义预测控制(Generalized Predictive Control,GPC)算法,用该算法设计的转速控制器对跟踪指令响应更快,抗干扰能力强且对参数不确定性具有较强的鲁棒性。     

一种约束输入的多变量广义预测控制新算法

针对多变量有约束过程，将一种约束输入的广义预测控制新算法（CPCLC）推广到任意维输入任意维输出（ADLADO）线性系统中，该算法简单，不必解Diophantine方向，而且在求逆矩陈时，与传统的广义预测控制相比，极大地减少了计算器，仿真结果进一步证实了算法的有效性。     

一类非线性大滞后系统的智能前馈控制策略与算法

针对工业控制中一类常见的非线性大滞后对象,本文提出一种基于仿人智能策略的前馈组合控制器.前馈控制部分通过在线优化滞后参数估计值来获得被控对象的静态逆模型,逆模型辨识与直接逆控制由两个神经网络分别实现,从而可以在线调整网络权值.基本模糊控制器可在模糊PID和模糊PD控制算法之间进行转换,适用于控制系统的各工作状态.仿人智能控制策略根据输出误差变化的不同阶段调整所使用的控制组合,并具有自寻优功能.仿真表明,这种控制方法可取得较好的控制效果.     

基于ε滤波和反馈误差学习原理的自适应逆控制

如何调节逆控制器是自适应逆控制的一个关键.本文采用基于ε滤波和反馈误差学习原理的方法来解决这个问题.利用反馈误差学习原理调节逆控制器,利用ε滤波方法在线构造反馈控制器,从而构成一个非线性自适应逆控制系统,使得被控对象的输出跟随指令输入.仿真结果表明了这种方法的有效性.     

基于RBF网络自整定PID控制的应用研究

经典PID的控制参数难以精确整定，且依赖于对象的数学模型，故自适应性较差，很难适应具有非线性、时变不确定性的被控对象，控制精度难以保证。该文对纯滞后工业对象提出了一种基于RBF神经网络PID参数自整定的控制方法，采用将RLS算法和梯度法相融合的新型学习算法，并将这种控制方法与PID控制器相结合应用于纯滞后工业对象中，克服了不确定性对控制对象性能的不利影响，解决了传统PID控制鲁棒性差，及需要预先知道受控对象精确数学模型的问题。仿真结果表明了该方法的鲁棒性和跟踪性能均优于传统PID控制方法。     

蚁群算法自整定PID控制器的研究与设计

针对复杂工业过程控制要求多样性、控制参数难调整的问题,提出了一种基于蚁群算法的自适应PID控制器的设计方法。用蚁群算法优化并在线调整PID参数,以确保系统的响应具有最优的动态和稳态性能。仿真结果表明,控制器具有响应速度快,稳态精度高等特点,可用于控制不同的对象和过程。     

Optimal interval controller design for uncertain systems

The interval controller design is a hot issue for uncertain systems, whereas how to design an optimal interval controller under the premise of ensuring system stability is a difficult problem that needs further study. This paper mainly aims at the single input single output uncertain system to propose an optimal interval controller based on the Kharitonov theorem and an interval optimization algorithm, which can guarantee the stability and optimization of a closed-loop interval system. According to the Kharitonov theorem, the optimal interval controller design can be transformed into an optimal controller synthesis issue of multiple vertex objects. An interval particle swarm optimization (IPSO) algorithm is then used to optimize the quadratic performance index with interval variables for each vertex object to obtain the solution domains of the controller parameters, and the vertex method is utilized to prevent interval width expansion or divergence in the iteration. Finally, the intersections of the solution domains for all vertex objects are obtained as the optimal interval solution of interval controller parameters. In addition, the stability verification approach of the closed-loop system and the empirical rule to select the interval particle width are given. Simulation results for typical examples demonstrate that the designed interval controller not only performs optimally but also can robustly stabilize the interval system.     

一种多变量隐式极点配置自校正控制器及其应用A

本文提出了一种极点配置自校正控制器.该控制器不仅能控制开环不稳定或非最小相位 系统,而且能控制具有任意、未知或变化传输延时结构的多变量系统.该控制器采用隐式方式 来实现即利用输入输出数据直接辨识控制器的参数.这样不仅避免在线解矩阵方程,而且增 加算法的鲁棒性.仿真和实时控制多变量电加热系统的结果表明该控制器具有好的控制性能.     

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.