基于电感辨识的内置式永磁同步电机电流模型预测控制

为了开发内置式永磁同步电机的电流模型预测控制算法,针对被控对象模型的非线性特点在控制器的设计过程中通过扩张转速相关状态的方式获得线性的预测模型,将d-q坐标系下的定子电压和电流的二次不等式形式的约束用一系列的线性不等式来近似以简化预测算法的复杂性,由此把该模型预测控制问题转化为线性约束系统的多参数二次规划问题,通过离线求解获得全部最优控制状态反馈规律,解决了传统模型预测控制算法在线计算量大的问题.同时考虑到参数的时变特性,采用带遗忘因子的递推最小二乘法对交直轴电感参数进行在线辨识,将辨识结果用于扩张状态的参数和目标控制电压的计算中,提高了该电流控制器的鲁棒性.     

基于神经网络非线性模型的多级工作点阶跃响应扩展DMC预测控制

利用前馈神经网络建立对象的非线性预测模型,在不同工作点对阶跃响应,建立它的局部线性模型,利用隶属函数进行加权得全局线模型,利用全局线性模型进行滚动优化,利用非线性预测模型校正线模型,实现非线性预测控制,仿真表明,文中提出了方法控制效果良好,满足实时要求。     

基于模糊建模技术的PEMFC非线性控制

针对PEMFC等一类具有严重非线性的复杂被控对象,提出一种基于模糊模型的非线性预测控制算法对PEM-FC系统进行建模与控制。在建模与控制过程中,采用离线学习和在线修正辨识出对象的模糊模型;其中,模型的参数通过模糊聚类初始化和离线反向传播算法进行学习,必要时,可通过在线调整后件参数,使模型的预测精度能满足实时控制的需要。线性辨识方法在线建立PEMFC控制系统的T-S模糊预测模型,然后基于分支定界法的基本原理对控制量进行离散寻优,从而实现PEMFC的非线性预测控制。仿真和实验结果证明了该算法的有效性和优越性。     

基于T-S模糊模型的球磨机负荷控制系统

球磨机负荷控制系统通过调节给煤机的转速控制存煤量在给定值附近。针对其存在非线性、参数时变和大延迟等难以控制的特性,提出基于T-S模糊模型的预测函数控制新方法。用T-S模糊模型描述对象的非线性动态特性,根据模糊规则将非线性模型分解为若干个局部线性模型,并依据球磨机负荷对象的特性,将线性模型简化为一阶纯滞后环节。对辨识后得到的每个局部线性模型采用预测函数控制算法。仿真研究结果表明:系统响应速度变快、超调量较小,表现出较好的动态响应特性,同时还避免了PID控制器3个参数难以整定的困难。     

基于CARIMA模型的自适应预测函数控制在锅炉燃烧系统中的应用

针对目前火电厂锅炉燃烧控制系统的大滞后、强耦合、变工况等突出问题,提出了一种基于卡尔曼(CARIMA)模型的自适应预测函数控制方法.该方法先利用预测模型得到系统未来时刻输出,然后将设定输出值和预测值间的预测误差变化率作为自适应控制器的输入,控制器利用最小二乘算法推理得到控制输出.当被控对象模型参数未知或渐时变时,该方法通过实时辨识过程模型的参数来实时修正预测函数控制器的参数,这样可以进一步提高预测函数控制方法的控制品质,提高锅炉的燃烧效率.仿真实验表明,自适应预测函数控制是一种计算简单、鲁棒性和适应性较强、控制精度高的控制方法.     

多变量汽温模糊预测控制

针对火电厂锅炉汽温对象具有大迟延、非线性时变的特性,提出一种基于T-S模糊模型的多输入多输出(MIMO)预测控制策略.将MIMO系统分解为多个多输入单输出(MISO)系统,利用T-S模糊模型描述对象的动态特性,模糊规则将非线性对象划分为多个局部子线性模型,并用加权最小二乘法辨识其参数,然后用预测函数原理设计控制器.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.仿真结果表明对于MIMO系统的长期预报和控制,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.     

PFC-PID串级控制在主汽温控制系统中的应用研究

针对火电厂主汽温控制系统大惯性，大迟延，慢时变以及扰动因素较多，常规串级PID控制难以取得满意的调节效果的特点，该文介绍并分析了预测函数控制（PFC）的基本原理和特点，给出了一阶加纯滞后系统的预测函数控制的具体算法，并将PFC和PID控制相结合，提出了PFC－PID串级主汽温控制策略，系统的内回路采用PID控制，内回路和主调节区对象构成PFC的广义被控对象，对广义被控对象进行拟合简化得到一阶加纯滞后对象，作为PFC的预测模型，算法简单；预测模型失配时，系统仍具有良好的控制品质，易于工程实现，具有较高实际应用价值，大量的仿真实验表明，采用PFC－PID串级控制策略的主汽温控制系统的动态品质明显优于采用PID串级控制策略的系统，具有较强的鲁棒性和抗干扰能力。     

机器人关节电机的广义预测控制

机器人关节电机控制系统具有非线性和参数变化的特点,基于被控对象精准数学模型的传统控制方法难以对其进行有效的控制。以四足机器人髋关节电机为研究对象,首先分析了系统的机理,建立了被控对象的CARIMA(Controlled Auto-Regressive Integrated Moving Average,受控自回归积分滑动平均)模型;接着提出了一种基于复合神经网络的广义预测控制方法,即由LNN(Linear Neural Network,线性神经网络)和GPFN(Gaussian Poten-tial Function Networks,高斯基函数网络)构成的复合网络对被控对象进行在线辨识,广义预测控制器利用辨识的结果,多步预测,滚动优化,对四足机器人髋关节电机的角位移进行有效控制;最后假定系统存在Stribeck型非线性摩擦,在负载转动惯量缓慢变化和突变的情况下进行了仿真试验,结果表明,该方法具有较强的适应能力,体现了很强的鲁棒性,取得了令人满意的控制效果。     

循环流化床锅炉汽压的神经网络预测控制

预测控制是一种基于模型的控制算法，但是由于实际工业控制对象的复杂性，被控对象的数学模型往往难以建立，这给预测控制的实施带来了困难。而神经网络却有强大的系统辨识的能力，利用它与预测控制结合起来，组成神经网络预测控制，弥补了预测控制的不足。本文针对循环流化床锅炉汽压这类非线形系统具有大时滞、慢时变的特点，采用附加动量项和自适应率的BP算法，建立神经网络模型，在线实施滚动优化和反馈校正的预测控制。仿真表明，控制效果良好。     

神经网络非线性模型算法控制

将多项式基函数神经网络作为模型算法控制（ＭＡＣ）中的内部模型,以此逼近被控对象的非线性特性,推导出相应的最优控制策略算法,克服了ＭＡＣ不能用于非线性预测控制的缺陷．该方法在被控对象未知或建模困难的情况下能很好地实现对系统的预测控制,具有很强的鲁棒性和自适应性．     

三相电压型脉宽调制整流器的非线性预测控制

脉宽调制(pulse width modulation,PWM)对电流跟踪的要求比较高,而数字化控制的延迟会严重影响整个系统的性能。为解决这一矛盾,并考虑到PWM整流器的非线性特性,将基于微分几何理论的非线性预测控制方法应用于三相电压型PWM整流器。利用泰勒展开得出状态值和指令值下一控制周期的预测值,并根据性能指标得出当前周期的控制量。为进一步提高电流跟踪精度,将状态变量及其指令值的偏差作为目标方程,在性能指标中引入目标方程的积分,得出了新的控制率。对非线性预测控制的本质进行分析。仿真和实验结果均表明,输入电流为正弦量,畸变率低,功率因数高,暂态特性优异,能有效补偿延迟的影响,验证了所提方法的正确性和有效性。     

An adaptive feedback linearized model predictive controller design for a nonlinear multi-input multi-output system

In this work, an adaptive feedback linearized model predictive control (AFLMPC) scheme is proposed to compensate system uncertainty for a class of nonlinear multi-input multi-output system. Initially, a feedback linearization technique is used to transform the nonlinear dynamics into an exact linear model, thereafter, a model predictive control scheme is designed to obtain the desired tracking performance. A suitable constraint mapping algorithm has been developed to map input constraints to the new virtual input of the proposed control scheme. The proposed control scheme utilizes multiple estimation model and the concept of second-level adaptation technique Pandey et al. (2014) to handle the parametric uncertainty in real-time. Hence, the adaptive term in the control scheme is used to counteract the effect of model uncertainties and parameter adaptation errors. The effectiveness of the proposed AFLMPC control algorithm has been verified successfully in simulation as well as the experimental setup of the TRMS model. The unavailable states of the nonlinear system have been estimated using an extended Kalman filter based state observer. The performance of the proposed control algorithm has been compared with other existing nonlinear control techniques in simulation and experimental validation.     

单元机组负荷非线性预测控制及其仿真研究

大型单元机组负荷控制系统存在着强耦合、非线性等特性,常规线性控制策略难取得满意的控制效果。为此,该文提出了一种新的基于模糊模型和免疫优化的非线性预测控制方法,将离线辨识到的全局模糊模型作为预测模型,然后利用实数编码的免疫优化算法在线实现非线性预测控制的滚动优化,给出每个采样时刻的最优控制量。该方法还可通过修正的遗传算子方便地解决控制量受限问题。通过对一个500MW单元机组负荷控制系统的仿真试验,验证了该非线性预测控制方法的有效性。     

基于模糊建模的非线性鲁棒模型预测控制

针对离散不确定模糊模型，提出了一种鲁棒非线性模型预测控制方法，导出了预测性能指标上界，将稳定性约束，输入约束和输出约束变换成容易求解的线性矩阵不等式（LMI）形式，从而将非线性模型预测控制Min-Max优化问题变换成具有线性矩阵不等式约束的广义特征值问题（GEVP）。对于采用的状态反馈预测控制器，讨论了滚动时域优化的可行性，证明了闭环系统的鲁棒稳定性。仿真结果表明了控制器的有效性。     

核电站蒸汽发生器水位的模糊GPC控制系统研究

蒸汽发生器水位直接影响到整个核电站的安全及稳定运行,但蒸汽发生器本身由于所具有的高度复杂性、非线性、时变性等特性,导致传统的串级PID控制等多种方法难以取得好的控制效果.在串级控制的基础上,采用模糊广义预测控制来对蒸汽发生器水位进行控制,此法能充分发挥模糊控制及预测控制的优点,首先利用T-S模糊模型对系统进行辨识,并将其转化为线性时变状态空间模型,然后基于线性化的模型设计出广义预测控制器,并对蒸汽发生器水位进行自适应控制.仿真结果表明,与传统的串级PID控制相比,模糊广义预测控制方法无论是抗干扰能力还是鲁棒性,都有了很大的提高.     

Evaluation of gain scheduled predictive control in a nonlinear MIMO model of a hydropower station

This work deals with the evaluation of the performance of a predictive control applied to a nonlinear model of Dinorwig a pumped storage hydropower plant. The controller uses a piecewise-linear plant model for prediction and is gain-scheduled according to the number of active hydro-generation Units (ranging from 1 to 6). Simulated results are presented to evaluate the performance of the predictive controller, which is compared with a gain-scheduled PI controller that has anti-windup features; this controller was tuned using the current practical values. The results show that the response, to various changes in the plant operating conditions, obtained with the predictive controller is faster and less sensitive than the one obtained from the PI controller. The results also show how reduced-order models can be used for prediction, allowing the reduction of the computing time (or the computing cost) without compromising the closed-loop performance control signal.     

主蒸汽压力的无模型自适应预测控制

针对火电机组主蒸汽压力被控对象的大惯性、大迟延等特点,采用伪梯度向量的概念,对被控对象进行动态化处理,得到预测模型.提出了1种新型的无模型自适应预测控制(MFAPC)算法,将MFAPC算法用于主蒸汽压力串级控制系统的主调节器中,副调节器采用常规PI控制器.仿真结果表明,MFAPC-PI串级控制系统较常规PID-PI串级控制系统响应速度快、抗干扰性能强,对系统参数时变具有较好的鲁棒性.