基于输入输出线性化的连续系统非线性模型预测控制

非线性约束预测控制关键是求得可行性优化解. 输入输出反馈线性化是非线性控制一种常用的方法, 其系统的初始线性输入约束转化成非线性基于状态的约束, 因而无法采用常规的二次规划(QP)求解优化问题. 针对连续状态空间模型系统, 本文提出迭代二次规划方法来寻求非线性优化解. 为了保证算法的收敛性, 系统加入另外一种迭代算法来保证其在整个预测时域上能得到可行解. 仿真控制结果表明了该方法的有效性.     

基于T-S 模型的模糊预测控制研究

提出一种基于T—S模型的模糊预测控制策略．利用模糊聚类算法高线辨识T—S模型，采用带遗忘因子的递推最小二乘法进行模型参数的选择性在线学习；对模糊模型在每一采样点进行线性化，将T—S模型表示的非线性系统转化为线性时变状态空间模型，并将约束非线性优化问题转化为线性二次规划问题，解决了非线性预测控制中如何获得非线性模型和非线性优化在线求解的难题．将预测域内的线性模型序列作为预测模型，减小了模型误差，提高了控制性能．pH中和过程的仿真验证了该方法的有效性．     

基于T—S模糊模型的多变量预测控制

提出一种基于T-S模糊模型的多输入多输出预测控制策略.T-S模糊模型用于描述对象的非线性动态特性,模糊规则将非线性系统划分为多个局部子线性模型.为提高预测控制性能,采用多步线性化模型构成多步预报器,从而将预测控制中的非线性优化问题转化为一个线性二次寻优问题.串接贮槽液位控制系统的仿真结果表明,多步线性化模型预测控制性能优于单步线性化模型预测控制性能.     

模糊预测控制炉窑温度系统中应用

针对炉窑温度系统的大时滞、多扰动和非线性的特点,将T-S模糊状态空间模型作为预测控制的预测模型,并将T-S模糊表示的非线性系统转化为线性时变系统,给出了基于状态空间的多变量复杂系统的T-S模糊模型表达形式,设计出预测时域内多模型的非线性模糊预测控制器。根据实际控制中对控制量和输出的约束,将控制器输出求解转化为二次规划问题。     

非线性M IMO 系统H 2 öH ∞模糊输出反馈控制

研究了非线性MIMO系统H2／H∞模糊输出反馈控制问题．采用局部线性化方法，用T—S模糊线性模型逼近非线性系统．在希望的H∞干扰抑制约束下，通过最小化H2控制性能指标，实现了模糊输出反馈次优控制．通过将优化问题转化成特征值问题(EVP)，应用线性矩阵不等式(LMI)优化方法求解，简化了问题的求解过程．所设计的闭环系统在平衡点是局部二次型稳定的，系统抗扰性能和动态性能均较好．     

基于Volterra模型的预测控制及应用

由于工业实践的需要,非线性预测控制近年来受到广泛地关注.Volterra模型是一类特殊的非线性模型,非常适合描述工业过程中的无记忆非线性对象.传统的基于Volterra模型的控制器合成法及迭代计算预测控制器法计算量大,且不便于处理控制约束.非线性模型预测控制求解是典型的非线性规划问题,序列二次规划(sequential quadratic program,SQP)算法是求解非线性规划问题常用方法之一.针对Volterra非线性模型预测控制求解问题,本文将滤子法与一种信赖域SQP算法相结合,提出一种改进SQP算法用于基于非线性Volterra模型的带控制约束的多步预测控制求解,并分析了所提方法的收敛性.工业实例仿真结果证实了所提方法的可行性与有效性.     

基于最优保留遗传算法的非线性模糊预测控制

针对传统的模型预测控制不能很好解决具有严重非线性、不确定性的对象或过程的控制问题，提出将模糊模型用于描述对象的非线性动态特性，通过将模糊模型的输出反馈作为模型输入，从而构成了模糊多步预测器。采用一种收敛精度高、速度快的具有最优保留特性遗传算法(EGA)，依据模型预测输出在线滚动求解控制律的非线性预测控制算法。仿真结果表明该算法对一类非线性系统具有较快的响应速度和较强的抗干扰能力。     

基于最优保留遗传算法的非线性模糊预测控制

针对传统的模型预测控制不能很好解决具有严重非线性、不确定性的对象或过程的控制问题。提出将模糊模型用于描述对象的非线性动态特性。通过将模糊模型的输出反馈回来作为模型输入，从而构成了模糊多步预测器，采用一种收敛精度高、速度快的具有最优保留特性遗传算法(EGA)依据模型预测输出在线滚动求解控制律的非线性预测控制算法。仿真结果表明该算法对一类非线性系统具有较快的响应速度和较强的抗干扰能力。     

饱和非线性时滞系统约束预测控制

针对一类具有执行器饱和与输出约束的离散非线性时滞系统,提出新的模糊预测控制方法。首先,采用T-S模糊模型来逼近实际非线性系统,运用平行分步补偿（PDC）原理将该系统转化为一系列线性系统的凸组合。其次,通过每个采样时刻优化无穷时域的“min-max”性能指标来求解状态反馈预测控制器,得到系统满足Lyapunov渐近稳定的充分条件,并进一步将该条件转化为基于线性矩阵不等式（LMI）技术的半正定规划（SDP）问题。最后,通过数值仿真验证该方法的有效性。     

时变非线性不确定系统H∞鲁棒模型预测控制

针对输入受限的时变不确定非线性系统,提出一种H∞鲁棒模型预测控制策略。假设线性化系统矩阵一致有界,将非凸的无穷时域优化问题转化为带有单个线性矩阵不等式(LMI)约束的凸优化问题,降低控制量求解难度。结合滚动优化原理与H∞控制方法在线极小化性能指标,使得闭环系统满足控制性能和约束。在LMI框架下给出H∞NMPC的求解方法及其鲁棒稳定性充分条件。仿真实验对比验证了该策略的有效性。     

A PSO-BASED MULTIVARIABLE FUZZY DECISION-MAKING PREDICTIVE CONTROLLER FOR A ONCE-THROUGH 300-MW POWER PLANT

Model predictive control is an available method for controlling large-lag process in power plants, but conventional constrained predictive control cannot deal with the widely existent uncertainties and nonlinearities in power plants. With the help of the fuzzy set theory, this article proposes a new constrained predictive control algorithm based on Fuzzy Decision-Making Method (FDMPC). Compared with the other traditional constrained predictive control, this new algorithm replaces the conventional objective function with the appropriate fuzzy index function. As a result, it is easy to integrate the constraints into the fuzzy index function, which can greatly reduce the complexity of the optimization. Then a new evolutionary computation method named particle swarm optimization is firstly applied into the design of a model predictive controller. Moreover, this article also demonstrates that the conventional predictive control is actually a particular case of the proposed algorithm even though in the MIMO case, so this new algorithm is an extension of the traditional constrained predictive control strategy. At last, the proposed FDMPC has been applied into a real once-through power unit model, and the simulation results have validated the good control performance of the proposed FDMPC.     

MIMO系统的多模型预测控制

针对非线性多变量系统提出一种多模型预测控制(MMPC)策略.首先给出一种多模型 辨识方法,利用模糊满意聚类算法将复杂非线性系统划分为若干子系统,并获得多个线性模型, 通过模型变换得出全局系统模型,接着对全局MIMO系统设计MMPC,并进行了系统的性能分 析,最后以pH中和过程为例,通过仿真研究验证了辨识和控制算法的有效性.     

INTERACTIVE FUZZY PROGRAMMING BASED ON FRACTILE CRITERION OPTIMIZATION MODEL FOR TWO-LEVEL STOCHASTIC LINEAR PROGRAMMING PROBLEMS

In this article, we focus on two-level linear programming problems involving random variable coefficients in objective functions and constraints. Following the concept of chance constrained programming, the two-level stochastic linear programming problems are transformed into deterministic ones based on the fractile criterion optimization model. After introducing fuzzy goals for objective functions, interactive fuzzy programming to derive a satisfactory solution for decision makers is presented as a fusion of a stochastic approach and a fuzzy one. An illustrative numerical example is provided to demonstrate the feasibility of the proposed method.     

多Agent协作的生物网络服务质量的智能评估模型

生物网络结构是为设计和实现可调整的、适虚的及可生存的网络应用的中间件.生物网络的服务和应用是通过多Agent之间的相互协作,动态地选择Agent所提供的服务来完成的.基于模糊逻辑、神经网络和遗传算法相结合的方法提出了多Agent协作的生物网络整体服务质量的智能评估和优化模型,它是一种基于五层模糊神经网络的模型,并采用遗传算法进行优化.仿真实验验证该模型的可行性.该智能评估模型能够高效地处理多Agent的模糊和非确定的服务质量评估问题.     

一种新的模糊约束满意优化控制算法

将模糊满意度概念与以无穷范数为优化指标的鲁棒预测控制相结合，给出了模糊满意度意义下满意控制的一般算法及适用于一般计算机在线优化的实用算法，解决了优化过程中各种要求(目标、约束)的协调、权衡和折衷问题．仿真结果说明了该算法的有效性．     

Aeroservoelastic model based active control for large civil aircraft

A modeling and control approach for an advanced configured large civil aircraft with aeroservoelasticity via the LQG method and control allocation is presented.Mathematical models and implementation issues for the multi-input/multi-output(MIMO) aeroservoelastic system simulation developed for a flexible wing with multi control surfaces are described.A fuzzy logic based optimization approach is employed to solve the constrained control allocation problem via intelligently adjusting the components of output v...     

多变量系统控制器的参数满意优化设计

为了将满意优化拓展到多变量系统中以解决多变量控制系统线性二次型(LQ)控制器设计中加权系数阵确定难的问题,提出多变量系统满意优化设计方法,通过设计满意度函数,构造出多变量系统的满意优化数学模型,并用改进遗传算法实现二级倒立摆系统LQ控制器满意优化设计.仿真结果显示,系统具有更满意的综合性能指标.证实了该方法的有效性和实用性.本文的研究对多变量系统优化设计具有一定的参考价值.     

多变量系统中多参数多目标满意优化研究

本文提出了多变量系统的多参数多目标满意优化方法，将系统性能指标要求的满意设计与控制器参数优化融为一体统一考虑，通过设计性能指标满意度函数和系统综合满意度函数，构造出多变量系统满意优化模型，并用改进遗传算法实现其满意优化．仿真结果显示该方法可获得比传统优化方法更满意的综合性能指标，表明了该方法的有效性和实用性．     

Comments on "The multisynapse neural network and its application to fuzzy Clustering"

In the above-mentioned paper, Wei and Fahn proposed a neural architecture, the multisynapse neural network, to solve constrained optimization problems including high-order, logarithmic, and sinusoidal forms, etc. As one of its main applications, a fuzzy bidirectional associative clustering network (FBACN) was proposed for fuzzy-partition clustering according to the objective-functional method. The connection between the objective-functional-based fuzzy c-partition algorithms and FBACN is the Lagrange multiplier approach. Unfortunately, the Lagrange multiplier approach was incorrectly applied so that FBACN does not equivalently minimize its corresponding constrained objective-function. Additionally, Wei and Fahn adopted traditional definition of fuzzy c-partition, which is not satisfied by FBACN. Therefore, FBACN can not solve constrained optimization problems, either.     

光源跟踪伺服系统模糊PID控制的仿真研究

在光源跟踪控制方面，采用传统PID控制器的响应速度、调整时间和稳定性等存在一定不足。该文利用模糊控制原理，采用模糊推理的方法，实现对PID控制器的参数在线整定，并利用MATLAB工具箱，对光源跟踪伺服系统进行仿真研究。仿真结果表明，对于固定特性的对象或变结构对象，相对于常规PID控制，采用参数模糊白整定的PID控制器能使超调和反应时间大幅减小，为在实际应用中进一步提高光源跟踪速度和精度提供了理论依据。