存在模型阶失配时多变量积分型自适应控制器

本文对用受控自回归积分滑动平均模型描述并具有有界扰动和模型阶失配的多变量系统提出一种自适应控制方法。同时给出了有界输入有界输出的稳定性证明。最后,一个仿真例子表明了该方法的特点。     

失配参数在线矫正的永磁同步电机预测电流控制

针对永磁同步电机预测电流控制模型参数失配引起的系统性能下降问题,提出一种基于内模控制观测器的应对策略来矫正模型参数.首先,根据旋转坐标系下的永磁同步电机动态模型,设计了d,q轴电流内模控制观测器并进行稳定性推导证明,观测器可以无静差估计d,q轴电流变化率,进而在线估计电机参数;然后,由卡尔曼滤波减弱参数噪声得到最优参数...     

工业锅炉的加权预测自校正控制

本文介绍了加权广义预测自校正控制器在工业锅炉上的应用,实际运行结果显示了这种控制器有很好的鲁棒性.     

基于改进卡尔曼滤波的控制河段船舶航迹预测

由于船舶自动识别系统(AIS)设备存在信息缺失现象,导致基于AIS的智能辅助指挥系统无法准确判断船舶位置,难以准确揭示通行信号。同时,控制河段具有航道狭窄弯曲等特征,传统卡尔曼滤波算法无法准确预测运动船舶的航迹。针对以上问题,对卡尔曼滤波算法中的系统噪声进行实时估计,以提高船舶航迹的预测精度,并对传统卡尔曼滤波和改进卡尔曼滤波的跟踪效果进行了仿真分析。结果表明,所提算法可有效解决AIS设备信息缺失问题,准确预测船舶位置,保证控制河段智能辅助指挥系统信号揭示的准确性和可靠性。     

使用预测-校正模型优化网络流量预测的神经网络

针对基于传统BP算法的前向神经网络预测网络流量方法的不足,构建了一种二级的网络流量预测-校正模型。该模型具有较高的预测效率和峰值预测精度,在实际网络流量的预测中取得了良好的效果。     

带扰动模型失配史密斯预估器的自适应控制

在扰动情况下,针对传统史密斯预估器的模型失配问题,提出了一种基于模型参考自适应控制的史密斯预估器。首先,在控制对象输入端添加前馈增益矩阵和反馈补偿矩阵,和控制对象相互结合,通过调整矩阵参数,使控制对象和预估模型匹配,消除系统的模型失配误差。其次,在前向控制器输出端引入扰动补偿矩阵,调整扰动补偿矩阵的相关参数,对系统的扰动进行补偿。最后,选取合适的李雅普诺夫函数,求取自适应率。利用MATLAB中的SIMULINK模块进行仿真,仿真结果验证了方法的有效性。     

卡尔曼滤波的存在性

－－本文证明了线性信号模型的卡尔曼滤波与最优加权最小二乘估计的递推算法先进价，进行应用最优加权最小二乘估计的成批算法证明了卡尔曼滤波的存在条件是要求信号模型满足完全可控制条件和完全可观测条件。     

冰蓄冷空调负荷预测的预估校正模型

为减小冰蓄冷空调系统的运行费用,降低空调系统的能耗,更精准地预测空调冷负荷,提出一种利用小波神经网络实现冰蓄冷空调负荷预测的方法,通过直接启发式动态规划实时优化模型参数,建立冰蓄冷空调系统的预估校正模型,解决传统神经网络预测收敛慢,易陷入局部最优,精度相对低的缺点,保证整个系统的运行稳定性。实验结果表明,该方法在冰蓄冷空调负荷预测中具有较高的准确性和鲁棒性,具有良好的应用价值。     

基于循环自相关的TIADC通道失配校正

针对时域交错模数转换器(TIADC)的通道失配问题,提出一种在线校正方法.首先建立TIADC的数学模型,将增益和时间失配转变为通道滤波器幅度和延时参数的差异,然后利用校正后输出信号的循环自相关构造残余误差测量函数,用增益误差和定时偏差估计值修正参数化滤波器,以实现对通道失配的精细校正.实测结果表明该方法对信号无杂散动态范围有27-32dB的提高,该方法可用于双通道TIADC通道失配的在线校正.     

潮汐模型边界的自校正控制

本文讨论自校正控制在潮汐模型边界控制中的应用;提出一种有效的抗估计饱和方法,以获得鲁棒自适应控制;给出一种新的非线性特性补偿方法,显著提高了控制精度.     

预测自校正控制和Fuzzy控制及其应用

本文针对水泥生产过程是一类不确定系统的特点。提出了一种新的预测自校正控制和Ｆｕｚｚｙ控制相结合的控制算法，将其用于水泥生产质量控制，运行结果表明这种算法是可行的和有效的，具有很好的鲁棒性，获得了满意的控制效果。     

城市交通信号的ANN自校正预测控制

提出一种基于人工神经网络的城市交通信号的自校正预测控制方法.充分考虑相邻交叉路口之间交通流的强耦合性,在此基础上建立关于队长的交通模型;其中,受控路口下一周期到达的车辆数用人工神经网络(ANN)来预测;通过该ANN还可获得确定最佳周期长度所需要的交通参量,因此还可预测下一周期的长度;上述预测值均用实测信息进行反馈校正,在此基础上即可给出带约束的预测控制算法,从而确定下一周期的控制策略.仿真实例表明该方法具有较好的控制效果.     

模型预测前馈控制

本文对传统的前馈加反馈控制器进行了深入的分析，在此基础上设计了一种使用模糊预测控制方法的新型前馈控制器，提出了反馈控制器和前馈控制器分离设计的构想。     

阶梯式模型预测控制中控制权重的下限值研究

为了研究控制权重在预测控制器中起作用的范围与其余控制器参数的关系，对于阶梯式动态矩阵控制，通过一个中间变量，间接研究了控制权重λ的下限值与预测步长和阶梯因子的关系．在一定范围内，该下限值对参数变化很敏感，并出现很陡的峰值，此时可去掉控制加权项，其功能由阶梯因子来部分承担，来改善系统闭环性能．本文的研究结果可以指导控制权重λ的取值以及进一步简化算法．     

基于ANN模型的非线性自校正预测控制器

采用局部建模和线性化方法,提出了一种基于人工神经网络(Artificial Neural Network--ANN)模型的非线性自校正预测控制算法.仿真实例表明,所提控制策略可有效地控制某些未知多变量非线性动态系统.     

变风量空调末端广义预测自校正控制

变风量空调具有非线性、大延时、时变等特点,被控对象的精确数学模型难以建立,对于此类系统常规PID控制难以取得理想控制效果。为了提高变风量空调控制的稳定性、保证室内舒适,将广义预测自校正控制应用于变风量空调末端控制。考虑到系统具有时变性,采用变遗忘因子最小二乘法在线辨识系统参数,实现在线自校正功能;采用隐式求解方法,减小了广义预测算法的计算量;结合串级控制结构,以变风量空调末端风阀开度为中间被调量,设计了串级广义预测自校正控制。建立变风量空调房间和末端装置的数学模型,在此基础上进行仿真研究。仿真结果表明,广义预测自校正控制具有较强的跟踪性能、抗干扰能力及鲁棒性,能够满足变风量空调末端的控制要求。     

基于预测误差加权校正的动态矩阵控制

常规DMC中只利用当前时刻的误差对预测值进行反馈校正,造成误差干扰的校正不充分.本文在动态矩阵控制算法的基础上,在误差校正中加入预测的模型误差,对预测值进行加权校正,使误差干扰的校正更充分.以提高控制系统的抗干扰性和调节快速性.通过理论分析和仿真实验,证实了这种算法的有效性.     

导向矢量存在匹配误差时Capon波束校正算法

针对信号导向矢量存在匹配误差时提出一种Capon波束校正算法.该算法利用噪声子空间与期望信号导向矢量正交的特点,首先通过构造代价函数估计来波信号的方向角;然后在约束最优的基础上对误差进行迭代估计;最后对导向矢量进行校正并进行波束形成.本文通过计算机仿真验证了该方法的有效性.     

基于卡尔曼滤波的SARS疫情预测

为了能够科学、准确地预测SARS疫情,论文首先根据SARS的传播特点,建立了含有时滞项的微分方程模型,然后应用卡尔曼滤波理论于所建模型,进行疫情预测。经仿真发现,其预测结果和疫情实际数据吻合较好。该方法具有很高的预测精度,为SARS疫情预测提供了一种新的思路。     

模型预测控制发展概况

０引言模型预测控制（ＭＰＣ）又称基于模型的预测控制（ＭＢＰＣ）,最初由Ｒｉｃｈａｌｅｔ和Ｃｕｌｔｅｒ等人提出。１９６８年模型预测控制的四个基本原则提出,１９７３年模型预测控制方法在工业控制中得到应用,接着出现了三代模型预测控制器即７０年代后半期的第一...