非线性广义预测控制算法及其仿真研究

为了实现对非线性广义预测控制算法的仿真研究,采用神经网络建立非线性预测模型,在其工作点附近线性化,并对线性化模型进行广义预测控制,利用单片输出BP网络所辨识的非线性模型进行分析,提出了一种基于非线性广义预测前馈补偿控制律的补偿算法,改善了线性化所带来的模型失配误差.最后通过Matlab进行了仿真.仿真结果验证了算法的有效性.     

广义预测控制算法的研究

针对一类输出波动幅度较大的控制问题,提出了一种改进的广义预测控制算法。这种新算法对经典的广义预测控制算法中的控制目标进行的改进,使其有效地抑制生产过程中因为各种原因引起的输出波动。对经典的广义预测控制算法和改进的算法进行多次的仿真研究,并分析和比较彼此的控制效果,得出结论,验证了该改进算法的有效性。     

支持精细农业的信息采集节点的设计

基于现有的物联网技术在精细农业中的研究基础上对系统体系中的最低层,即感知层中各种信息节点结合微处理器技术进行采集、处理和无线传输设计和研究,保证各个节点能够正常稳定地工作,并能实时可靠地传输数据,论文最后给出了一套具体的实现方案.     

时变时滞非线性系统自适应神经网络控制

对于一类具有未知时变时滞和虚拟控制系数的不确定严格反馈非线性系统,基于后推设计提出一种自适应神经网络控制方案.选取适当的Lyapunov-Krasovskii泛函补偿未知时变时滞不确定项.通过构造连续的待逼近函数来解决利用神经网络对未知非线性函数进行逼近时出现的奇异问题.通过引入一个新的中间变量,保证了虚拟控制求导的正确性.仿真算例表明,所设计的控制器能保证闭环系统所有信号是半全局一致终结有界的,且跟踪误差收敛到零的一个邻域内.