非线性时滞系统双阶段神经网络的改进广义预测控制

针对一类工业控制系统中存在的非线性、大时滞等情况,提出一种基于双阶段神经网络的改进隐式广义预测控制方法。首先,设计了一种基于快速回归算法和蝙蝠算法的双阶段神经网络模型,用于对非线性时滞系统进行建模,避免非线性系统下的模型失配问题;其次,采用比例积分(proportional integration, PI)结构优化广义预测控制目标函数设计,提高隐式广义预测控制性能;同时,改进控制增量选取策略,利用所预测的未来控制增量修正当前时刻控制增量;最后,将所设计的预测模型和预测控制方法应用于一个数值案例和锅炉燃烧系统,验证了所提控制策略的有效性。     

基于多模型的非线性系统广义预测控制

对于复杂的离散时间非线性系统，提出一种基于多模型的广义预测控制方法．通过在平衡点附近建立线性模型，并用径向基函数神经网络来补偿匹配误差，形成了非线性系统的多模型表示，然后采用模糊识别方法作为切换法则，并结合广义预测控制构成了多模型广义预测控制器．通过对连续发酵过程的计算机仿真，表明了该方法的有效性．     

对角CARIMA模型多变量广义预测控制改进算法

为了增强多变量广义预测控制算法(MGPC)的实用性,对其实现形式进行了进一步的简化.利用对角CARIMA模型的结构特点,先对系统中单个输出变量期望值的自由响应部分进行分解推导,将其表达成自由响应项系数与系统输入输出变量已知值乘积的形式,得到此输出变量的预测表达式,然后将系统所有输出变量的预测表达式代入目标函数中,得到的控制增量等于控制器系数与参考轨迹、过程输入输出历史数据的乘积.控制器系数只与模型参数及设计参数有关,求解控制量时不再需要进行模型输出预报,控制器结构简单,实现容易.对比实验结果表明了该方法保持了常规MGPC方法的优秀控制性能.     

多变量广义预测控制的快速算法

针对传统广义预测控制算法的计算量大这一缺陷，通过对未来的控制序列的离线近似计算，而只精确求解当前时刻要实施的控制量，提出了一种广义预测控制的快速算法。该算法简单．适用于任意维输入任意维输出(ADIADO)线性系统。由于不必求解Diophantine方程，并在求解逆矩阵时．降低了逆矩阵的维数，从而大大减小了在线计算量。仿真结果证实了该算法有效性和实用性。     

改进的多变量广义预测控制算法

本文中,我们把改进的广义预测控制推广列多变量线性系统中.这种算法大量地减少了计算量,能控制任意维输入任意维输出的线性系统.     

基于多层局部回归神经网络的多变量非线性系统预测控制

以罐式搅拌反应器为例,针对复杂多变量系统的强耦合性、非线性、时变性等问题,研究了多变量非线性系统的预测控制及改善控制性能的方法,采用多层局部回归神经网络离线建立预测模型,以偏差补偿和模型修正相结合的方式对预测模型进行误差补偿,以要线校正用于预测控制,通过对性能指标中的偏差项负指数加权,进一步改善预测控制性能,住址结果表明了控制算法的有效性。     

多变量广义预测自校正控制隐式算法

本文提出了一种多变量广义预测自校正控制隐式算法,它计算量小,能用于Bo奇异,输入、输出维数不等,非最小相位及开环不隐定等一大类MIMO系统,仿真结果表明,该算法鲁棒性强,且稳态无偏。     

对角CARIMA模型多变量自适应约束广义预测控制

为了简化约束存在时多变量广义预测控制算法的设计与实现,依据对角CARIMA模型的结构特点,将多输入多输出对象的参数辨识和模型预报问题转化为一系列多输入单输出子对象的参数辨识和模型预报问题.推导了输入输出的约束形式及优化求解过程.简化了多变量对象的参数辨识、模型预报、目标函数和约束条件系数矩阵的计算.在由DCS控制的非线性液位装置上的对比实验结果表明了该方法的有效性.     

多变量系统的广义预测控制解耦设计

针对在系统关联严重的情况下,通过选择合适的权矩阵,预测控制可以实现间接解耦控制,但是系统的跟踪性能将大大降低的问题,提出了一种带设定值观测器的多变量广叉预测解耦控制算法,结合前馈解耦控制策略与广义预测控制律,将其他通道对当前通道的影响作为扰动,从而实现近似解耦.在目标函数中用控制量的增量代替控制量,使控制增量变化不至于...     

基于神经网络与多模型的非线性自适应广义预测解耦控制

针对一类非线性多变量离散时间动态系统,提出了基于神经网络与多模型的非线性自适应广义预测解耦控制方法.该控制方法由线性鲁棒广义预测解耦控制器和神经网络非线性广义预测解耦控制器以及切换机构组成.线性鲁棒广义预测解耦控制器用于保证闭环系统输入输出信号有界,神经网络非线性广义预测解耦控制器能够改善系统性能.切换策略通过对上述两种控制器的切换,保证系统稳定的同时,改善系统性能.同时本文给出了所提自适应解耦控制方法的稳定性和收敛性分析.最后,通过仿真实例验证了该方法的有效性.     

基于神经网络与多模型的非线性白适应广义预测解耦控制

针对一类非线性多变量离散时间动态系统,提出了基于神经网络与多模型的非线性自适应广义预测解耦控制方法．该控制方法由线性鲁棒广义预测解耦控制器和神经网络非线性广义预测解耦控制器以及切换机构组成．线性鲁棒广义预测解耦控制器用于保证闭环系统输入输出信号有界,神经网络非线性广义预测解耦控制器能够改善系统性能．切换策略通过对上述两种控制器的切换,保证系统稳定的同时,改善系统性能．同时本文给出了所提自适应解耦控制方法的稳定性和收敛性分析．最后,通过仿真实例验证了该方法的有效性．     

液位系统的多模型广义预测控制研究

用多模型的广义预测控制器对复杂的非线性液位系统进行仿真控制。通过在覆盖工况的若干个平衡点采用最小二乘法离线辨识建立多个线性模型,形成非线性系统的多模型表示,然后对各个子模型分别设计子控制器,采用基于相对残差的方法来实现控制增量的加权以获取控制增量。通过对单容液位系统的仿真,表明该方法的有效性。     

基于神经网络与多模型的非线性自适应广义预测控制

针对一类不确定非线性离散时间动态系统, 提出了基于神经网络与多模型的非线性广义预测自适应控制方法. 该自适应控制方法由线性鲁棒广义预测自适应控制器, 神经网络非线性广义预测自适应控制器和切换机制三部分构成. 线性鲁棒广义预测自适应控制器保证闭环系统的输入输出信号有界, 神经网络非线性广义预测自适应控制器能够改善系统的性能. 切换策略通过对上述两种控制器的切换, 保证系统稳定的同时, 改善系统性能. 给出了所提自适应方法的稳定性和收敛性分析. 最后通过仿真实例验证了所提方法的有效性.     

基于CARMA模型的广义预测控制解耦设计

针对CARMA模型描述的双输入双输出多变量强耦合系统,首先将系统分解为两个双输入单输出系统,在各系统中分别将另一输入量暂视为一种干扰,并用广义预测控制原理设计控制器。通过再次引入丢番图方程并求解二元一次矩阵方程组,实现了多步预测的解耦控制,新的方法对各预测时域和控制时域可针对不同通道间的不同响应特性而具体选择,参数调整更加灵活,活算量相对减少。     

多变量广义预测控制在DCS系统中的应用

文章介绍和分析了多变量广义预测控制算法,基于JX-300X集散控制系统(DCS),搭建了锅炉液位和温度控制系统,根据被控对象的特点,将多变量广义预测控制应用于该对象的控制,进行了设定值跟踪、及抗干扰实验研究.实验结果表明了广义预测控制算法的有效性,为其应用于工业现场控制奠定了基础.     

多变量非线性系统RBF直接广义预测研究

为了避免Diophantine方程求解和矩阵求逆运算,提高广义预测控制算法的实时性,对一类参数未知多变量非线性系统提出一种径向基函数神经网络的直接广义预测控制（GPC）算法。该算法将多变量非线性系统转换为多变量时变线性系统,然后利用径向基神经网络来逼近控制增量,对控制器参数向量,即网络权值中的未知向量基于跟踪误差进行自适应调整。理论证明,该方法可使跟踪误差收敛到原点的一个小邻域内。仿真结果验证了此算法的有效性。     

时滞过程的多变量广义预测控制算法

文章提出了用广义预测控制算法解决多变量系统的时滞问题的一种新的方案。该方法将时间滞后因子自然纳入系统的控制机制,可完全无误差的实现对时滞系统的控制,克服了传统近似法解决时滞所带来的误差问题。这种广义预测控制算法能有效的控制开环不稳定非最小相位系统,并有良好的解耦性能．在跟踪性．鲁棒性和抗下扰性方面都得到了很好的控制效果。     

对角CARIMA模型多变量广义预测控制器系数直接算法

为了简化多变量广义预测控制MGPC 的设计与实现,提出了对角CARIMA (Controlled autoregressive integrated moving average) 模型MGPC 控制器系数的直接求解方法. 利用多变量对角CARIMA 模型直接递推得到了非常简洁的 MGPC 控制器,控制增量等于控制器系数与设定值、过程输入输出历史数据、模型预测误差历史数据的乘积,控制器系数只与模型参数和设计参数有关,控制器系数维数只由模型结构参数决定. 避免了Diophantine 方程的求解,减少了在线计算量,简化了MGPC 控制器的实现. 在一个DCS 控制的非线性液位装置上的对比实验结果表明了该方法的有效性.     

基于神经网络的广义非线性预测PID控制

针对一些复杂的非线性系统用基于线性模型的预测控制器控制效果不理想的问题，本文提出在利用前馈网络对非线性系统建模的基础上，对系统输出实现递推多步预测，并且结合非线性PID，用另一前馈神经网络作为控制器，实现对非线性系统的控制。经网络的在线辨识采用梯度法，仿真实验验证了方法的有效性。     

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.