预测控制在单元机组协调控制系统中的应用

预测控制是20世纪70年代中后期出现的一类新型计算机控制算法.它具有控制效果好、鲁棒性强等优点.采用了广义预测与动态矩阵混合控制算法,该算法中以误差预测补充基于模型的预测,是一种综合预测.文中对单元机组协调控制系统进行了仿真.仿真结果表明,该算法具有较好的控制品质,增强了系统的稳定性和鲁棒性.     

基于Kalman预测的远程步进电机控制系统

因网络性能限制,远程控制系统常存在数据传输不可靠的问题.据此以步进电机为典型控制对象,设计了一套远程控制系统,建立了步进电机的数学模型,结合Kalman预测算法来改善网络控制系统中数据包丢失问题.通过实验室模拟试验证明,该预测方法能减少网络对步进电机控制系统的不良影响,改善远程控制系统的动态性能,具有良好的应用前景.     

基于RBF网络的多变量系统自适应预测PID控制器

针对非线性、多变量、大滞后耦合系统使用常规PID控制难以达到理想效果,提出了一种基于RBF网络的自适应预测PID控制器.该控制器利用递推多步预测克服时滞,并采用基于RBF网络整定的PID控制器在线调整控制器参数,从而克服了系统的耦合作用,提高了控制系统的输出跟踪精度.仿真结果表明,该方法控制效果良好,具有较快的系统响应、较强的自适应性和鲁棒性.     

基于预测控制的神经网络PID在热分散温度控制系统中的应用

热分散过程中对温度的控制是非常重要的,温度控制具有非线性、慢时变、大滞后的特点,并且存在不可测的干扰,所以采用基于预测控制的神经网络PID策略,预测下一时刻的模型输出,经过反馈校正,结合最优化指标调整BP网络的权值校正PID的调节参数,实现对热分散温度控制系统的有效控制.该方法已应用在某纸业制浆控制系统中,该系统温度控制平稳,调节时间短,热分散效率明显提高,取得了较好的效果.     

基于模糊预测控制的地铁自动控制研究

介绍了模糊预测控制的构成与应用,对地铁自动控制系统、预测控制部分的算法进行了设计,并经过系统仿真验证了模糊预测控制系统的可行性。     

基于双隐层L-M算法的BP神经网络机械加工误差预测控制模型

分析了误差的来源和传递方式,针对机械加工过程高度非线性、多输入和多输出的特点,构造了双隐层L-M算法BP神经网络误差预测控制模型.根据工艺系统刚度、工件硬度、加工前、后径向误差来预测控制刀具径向总进刀量、第一、第二次刀具径向进刀量,实验和仿真结果表明该模型能指导生产、优化加工工艺和提高产品质量.最后,采用LAB-VIEW软件和MATLAB软件编制了误差预测控制系统,实现了预测控制的可视化.     

一种克服模型参数失配的广义预测控制算法

针对模型参数失配对广义预测控制输出的影响,提出了一种输出增量反馈的广义预测控制简化算法.该算法通过引入一个输出增量速度函数,设计了输出增量参考序列,以控制输出增量的方式间接控制系统输出;同时利用阶梯控制方式,对输入增量引入柔化系数矩阵进行约束,既避免了传统预测控制律中逆矩阵的求解,减少了计算量,又防止了控制量的剧烈变化;最后引入控制增量增益,利用这个自由度提高了系统的鲁棒稳定性.仿真结果表明:该预测控制简化算法能有效克服模型参数失配带来的影响,抑制系统输出调整过程中的输出波动,缩短调整时间,提高系统的动态特性,并抑制系统控制输入的剧烈变化.     

基于T-S模糊建模的广义预测控制系统在热工过程中的应用

由于过热汽温系统具有大惯性、大迟延和时变性的特性,传统的PID串级控制策略很难达到理想的控制效果.因此,本文被控对象的模型利用基于模糊聚类算法的T-S建模法,并利用广义预测控制算法对过热汽温系统进行控制.针对该算法在火电厂过热汽温控制系统中进行了仿真,仿真结果表明,该算法较常规PID控制方法具有更好的控制性能.     

RHILC控制在注塑机速度控制系统中的应用

针对传统注塑机注射时易受外界干扰的问题,对现有的注塑机控制系统提出了改进.该文围绕如何更好地控制改进后的注塑机控制系统,结合传统迭代学习和预测控制的优点,引用了一种基于滚动时域优化的迭代学习算法.试验及仿真结果表明该方法有效地克服了实时干扰的影响并使系统具有较强的鲁棒性.     

预测模糊控制在立体仓库堆垛机位置控制中的应用

结合模糊控制与预测控制的特点,建立了立体仓库堆垛机控制系统的预测模糊控制模型,应用Matlab仿真软件对系统进行仿真分析研究,结果表明,该控制方法对堆垛机位置有较好的控制效果,提高了系统的动态响应及稳定性。     

冷带轧机电液伺服系统广义预测控制应用研究

在冷带轧机电液伺服系统中应用广义预测控制理论直接算法,采用随机梯度估计法在线估计控制器参数模型,避免了在线求解Diophantine方程,减少了在线计算时间。该控制算法基于离散受控自回归积分滑动平均模型,吸取了自适应控制的优点,使控制系统具有较好的鲁棒性和智能性。仿真研究结果表明,该方法比目前带钢生产中广为采用的PID控制策略优越,使得系统的动态品质有了较大的改善,响应时间和控制精度都有所提高。     

广义预测控制在锅炉蒸汽温度控制系统中的应用

在研究了工业锅炉对象特性的基础上，将广义预测控制算法应用于蒸汽温度控制中，通过仿真结果说明了该算法的可行性。     

基于模糊预测控制的燃料电池温度控制系统的研究

PEMFC的温度控制系统表现为多输入多输出、耦合、时滞、时变性、非线性、不确定性、信息量少等特点,采用传统的控制方法通常不能得到比较好的控制效果。因此,文章从控制和建模的角度出发,选择了一种基于模糊模型的预测控制算法对PEMFC的温度进行控制,并且通过仿真试验得出了比较满意的控制效果。     

基于NARMAX模型的阀控非对称缸神经网络预测控制

针对非对称缸位置跟踪控制精度较差,提出了一种基于非线性自回归平均滑动离散模型(NARMAX)和量子粒子群算法的神经网络预测控制策略(QPSO-NNMPC)。利用NARMAX模型表示阀控非对称缸的动态模型,使用粒子群算法优化BP神经网络(PSO-BP)对阀控非对称缸系统在线预测,使用量子粒子群算法(QPSO)对目标函数非线性优化。仿真结果表明,在不同频率期望信号与变干扰力情况下,该控制策略具有良好的跟踪效果和鲁棒性。     

神经网络预测控制算法及其应用

结合神经网络和预测控制的优点，提出了一种神经网络模型预测控制算法。将这种算法用于热交换器温度控制系统的仿真研究表明，该控制方案表现出良好的控制品质并能适应被控对象参数的变化，具有较强的鲁棒性和自适应能力，从而为非线性、大滞后系统的实时智能优化控制的实现提出了一种有效的方法。     

基于模糊预测控制的回转窑温度控制

介绍了模糊预测控制技术在水泥回转窑温度控制中的应用。水泥生产的关键环节在于水泥回转窑,其中最重要的就是对回转窑温度的控制。针对热工对象存在的大惯性、大迟延问题,运用T-S模糊模型的离线辨识算法对复杂的热工对象建模,得到了回转窑温度控制系统的线性化模型。     

基于SIMULINK的网络先进控制系统仿真及研究

利用MATLAB／SIMULINK对以神经网络整定的网络先进控制系统进行了仿真，仿真对象采用的是ALSTOM提出的BENCHMARK CHALLENGEⅡ中的汽化器模型。从仿真结果可以看出基于神经网络整定PI的控制器有较好的控制效果，但是网络诱导延时的引入对神经网络调节PI参数会造成较大影响，甚至导致系统不稳定。最后，文章提出了一种采用抛物线法预测误差的补偿策略，仿真结果表明了该补偿策略对保证系统稳定的有效性。     

基于预测控制理论的位置调节器软件设计

本文在预测控制的算法机理上给出了位置控制系统的预测模型，并在此基础上进一步介绍了基于预测控制理论的位置调节器程序的设计方法。     

真空退火温度的建模与解耦控制

真空退火炉中温度的精确控制是一个多变量控制问题。为实现退火温度的精确控制,以真空退火炉现场实际采集的数据为基础,辨识出真空退火炉温区温度的二阶滞后模型,提出一种二阶滞后系统的多变量预测函数解耦控制算法。将多变量系统的解耦控制问题化简为若干个单变量系统的预测函数控制,采取分散优化策略代替整体优化,利用预测函数控制算法的特点,引入基函数增加了设计的自由度,减少了在线计算量,使参数设计和算法过程求解大为简化,得到一个解析的控制量计算方程,实现退火温度二阶滞后系统的多变量预测函数解耦控制。仿真结果表明,控制方法优于传统或改进的PID控制系统。将该控制方法应用于实际的 2 100×2 100真空退火炉退火温度控制系统中,取得了很好的控制效果。     

智能汽车路径跟踪混合控制策略研究

针对传统单一控制算法无法有效协调智能汽车不同转向工况下横向控制性能要求的问题,根据智能汽车在高速和低速转向工况下呈现出的系统特性差异,设计了一种基于PID控制和模型预测控制的智能汽车路径跟踪混合控制策略。该控制策略在低速模式下采用PID控制,在高速模式下则采用模型预测控制,通过车辆速度确定路径跟踪控制模式,进而设计带稳定监督的控制模式切换机制,实现了横向控制系统的平滑切换。基于Carsim和MATLAB/Simulink仿真平台对所设计的智能汽车路径跟踪混合控制策略进行了仿真验证,在此基础上,进一步完成了实车试验。仿真和实车试验结果表明,所设计的混合控制策略能够保证智能汽车不同速度下的路径跟踪性能,具有较好的跟踪精度、实时性和车辆行驶稳定性。