排序方式： 共有4条查询结果，搜索用时 78 毫秒
1
1.
针对一类有界不确定线性离散被控对象,采用Min—Max优化方法,提出一种新的稳定广义预测控制（MMSGPC）算法.引入内模控制结构,将干扰和不确定性从被控对象中分离出来,并利用局部反环节对其进行补偿;采用Min—Max优化方法,将终端约束条件转化为有界不确定性最差情况对应的线性方程;通过引入矩阵的Moore—Penrose逆,得到了终端约束线性方程的通解,并结合性能指标函数求得了最优控制律。通过仿真实例验证了该方法的稳定效果。 相似文献
2.
不确定系统的稳定广义预测控制 总被引：2，自引：0，他引：2
针对一类有界不确定线性离散被控对象,采用Min-Max优化方法,提出一种新的稳定广义预测控制(MMSGPC)算法.引入内模控制结构,将干扰和不确定性从被控对象中分离出来,并利用局部反环节对其进行补偿;采用Min-Max优化方法,将终端约束条件转化为有界不确定性最差情况时应的线性方程;通过引入矩阵的Moore-Penrose逆,得到了终端约束线性方程的通解,并结合性能指标函数求得了最优控制律.通过仿真实例验证了该方法的稳定效果. 相似文献
3.
针对一类有约束的稳定广义预测控制问题,提出一种基于状态空间的稳定广义预测控制算法。首先通过传递函数的状态空间实现,得到被控对象的离散状态空间形式;然后引入Deadbeat状态反馈矩阵并给出约束条件的等价性定理,实现了约束条件的等价转化;最后通过等价约束条件优化性能指标函数求解控制律。仿真实例表明该方法具有良好的稳定性。 相似文献
4.
1