基于Volterra模型的预测控制及应用

由于工业实践的需要,非线性预测控制近年来受到广泛地关注.Volterra模型是一类特殊的非线性模型,非常适合描述工业过程中的无记忆非线性对象.传统的基于Volterra模型的控制器合成法及迭代计算预测控制器法计算量大,且不便于处理控制约束.非线性模型预测控制求解是典型的非线性规划问题,序列二次规划(sequential quadratic program,SQP)算法是求解非线性规划问题常用方法之一.针对Volterra非线性模型预测控制求解问题,本文将滤子法与一种信赖域SQP算法相结合,提出一种改进SQP算法用于基于非线性Volterra模型的带控制约束的多步预测控制求解,并分析了所提方法的收敛性.工业实例仿真结果证实了所提方法的可行性与有效性.     

求解二次规划逆问题的非单调信赖域算法

为了提高求解二次规划逆问题的速度,提出了针对求解该问题的非单调信赖域算法.为了降低问题的复杂度,将二次规划逆问题转换为决策变量相对较少的对偶问题,采用增广Lagrange法构造对偶问题的子问题,并通过引入光滑函数将子问题转换为无约束优化问题,利用非单调信赖域算法进行求解.数值实验结果表明,该算法的迭代次数比牛顿算法、Gauss回代交替方向法少,运行速度快.因此,对于大规模二次规划逆问题,该算法更加有效.     

基于SQP/GA混合优化算法的双容水箱非线性预测控制

为了计算控制序列,非线性模型预测控制可以转换为一个带约束的非线性优化过程．本文分析了三种约束处理方案,根据遗传算法的特点,将等式约束用于状态量计算,在搜索空间降维的同时消除遗传算法难以求解的等式约束．对双容水箱进行遗传算法和序列二次规划仿真试验和实际控制,结果表明遗传算法对控制量的优化效果优于序列二次规划．为克服遗传算法耗时较长、优化结果存在随机抖动的缺点,结合序列二次规划提出一种混合优化算法,仿真和实控结果表明其可行性和有效性．     

信赖域共轭梯度法求解二次规划逆问题

为了有效地求解二次规划逆问题,提出了一种求解其对偶问题的子问题的光滑化信赖域共轭梯度法。该方法采用增广拉格朗日法求解其对偶问题,引入光滑函数将对偶问题的子问题转换成连续的无约束优化问题,将信赖域法与共轭梯度法结合,设计出求解二次规划逆问题的算法流程。数值实验结果表明,该方法可行且有效,与牛顿法相比,更适合求解大规模问题。     

基于神经网络模型的空燃比非线性模型预测控制

采用基于径向基神经网络（RBFNN）模型的非线性模型预测控制方法,被控对象选择火花塞点火（SI）发动机的空燃比（AFR）高度非线性复杂系统,利用渐消记忆最小二乘法实现基于RBFNN的SI发动机AFR系统建模以及参数在线自适应更新。针对非线性模型预测控制中寻优问题,运用序列二次规划滤子算法对最优控制序列进行求解,并加入滤子技术避免了罚函数的使用。在相同的实验环境下,与PI控制算法和Volterra模型预测控制方法进行仿真对比实验,结果表明,所提算法的控制效果明显优于其他两种方法。     

解非线性等式约束优化问题的新锥模型信赖域算法

应用新锥模型信赖域子问题解非线性等式约束问题,提出了一个解此问题的新锥模型信赖域算法,证明了新算法的全局收敛性,并进行了数值比较实验．理论与数值结果表明这个算法是一个值得关注的有效算法．     

基于符号运算和信赖域方法的非线性最小二乘法

以牛顿法为基础,通过符号运算求导和信赖域方法,解决其Hesse矩阵计算工作量大和局部收敛性的问题,设计和实现了非线性最小二乘的通用算法。该方法计算速度快,计算精度高,对初始值的选择不敏感,不仅可以直接用于线性最小二乘,而且可以适用于大数据量的非线性最小二乘。数值试验的结果表明了算法的可行性。     

用改进的信赖域方法求解二次插值模型

一种改进的信赖域方法被用来解无约束最优化问题,当目标函数的导数信息不可利用或者求解目标函数的导数代价太大。通常,考虑用二次插值模型来逼近目标函数,并且用传统的信赖域方法求解这个二次模型。传统的信赖域方法将被改进,并且形成两个改进的信赖域子问题。改进的信赖域方法的创新点在于:求解二次模型在一个参数化的信赖域中,修改这个模型在另一个参数化的信赖域当中。在这两个新的信赖域中,可以分别很快地找到一个好的下降方向和一个具有均衡性的插值点。这个改进的方法不但节省了函数值计算次数而且提高了解的精度。实验结果表明,针对测试问题,提出的方法的确是优于传统的信赖域方法的。     

基于混合逻辑的非线性系统多模型预测控制

针对已有的多模型预测控制算法在模型预测过程中采用局部线性模型进行预测而产生的预测误差较大这一问题, 本文将非线性过程的多模型描述与输出预测之间的因果关系以约束条件的形式引入到模型预测控制的设计中, 将非线性过程描述成为一个混合逻辑动态系统模型, 模型切换规则以先验知识的形式引入到多模型预测过程中, 该模型可以全局地表征非线性过程的特性, 从而解决了多模型约束非线性预测控制的模型预测与模型切换问题.     

双层结构模型预测控制稳态优化层QP与LP求解模态分析

为解决双层结构预测控制在工程应用中存在的通用化需求及参数配置问题,针对稳态优化层研究两阶段求解策略的标准化过程,形成一系列线性规划(LP)和二次规划(QP)问题;提出目标函数含绝对值及数值截断误差问题的解决策略;针对所形成的LP及QP问题,从几何关系及代数关系两方面分析了解其特性,并分析了模型失配对LP及QP解的影响....     

A trust-region algorithm combining line search filter technique for nonlinear constrained optimization

In this paper, we propose a trust-region algorithm in association with line search filter technique for solving nonlinear equality constrained programming. At current iteration, a trial step is formed as the sum of a normal step and a tangential step which is generated by trust-region subproblem and the step size is decided by interior backtracking line search together with filter methods. Then, the next iteration is determined. This is different from general trust-region methods in which the next iteration is determined by the ratio of the actual reduction to the predicted reduction. The global convergence analysis for this algorithm is presented under some reasonable assumptions and the preliminary numerical results are reported.     

基于神经网络的非线性预测控制综述

基于神经网络的非线性预测控制是智能控制中的重要前沿课题,在工业过程控制领域有着非常大的应用前景。从预测方式、控制律求解方法和典型应用等几个角度对基于神经网络的非线性预测控制做了综述。对其中的关键技术做了深入阐述。并指明了今后的发展方向。     

一种双足机器人实时步态规划方法及相关数值算法

针对步行双足机器人实时步态规划问题,提出了一种改进的非线性模型预测控制（NMPC）方法．采用扩展的关节坐标,将单腿支撑相（SSP）和双腿支撑相（DSP）统一表示为一个非线性动力学模型．通过对SSP和DSP的3个阶段设定运动学和动力学虚拟约束,将复杂实时步态规划问题转化为4个以预测时域内控制量二次型为代价函数的NMPC问题．采用直接法将连续优化问题参数化为有限维优化问题,并采用惩罚函数法将状态变量约束转化为代价函数中的惩罚项,从而得到能够用渐进二次规划（SQP）求解的有限维静态优化问题．仿真结果表明,应用该方法对BIP机器人模型进行实时步态规划,实现了包含足部转动的动态步行,且机器人满足稳定性条件,不发生侧滑,从而证明了该方法的有效性和可实现性．     

基于L S-SVM 的非线性预测控制技术

探讨了利用最小二乘支持向量机(LS—SVM)进行非线性系统辨识的方法,LS—SVM用等式约束代替传统支持向量机中不等式约束,求解过程从解QP问题变成解一组等式方程,将得到的LS—SVM模型应用到非线性预测控制,提出了基于LS—SVM模型的非线性预测控制算法,通过CSTR过程仿真表明,最小二乘支持向量机学习速度快,在小样本情况下具有良好的非线性建模和泛化能力,基于LS—SVM的预测控制算法具有很好的控制性能。