基于遗传算法的非线性模型预测控制方法

介绍了非线性模型预调控制算法结构，提出了基于遗传算法的非线性模型预测控制方法，将遗传算法作为优化技术用于受限非线性模型预测控制器的设计。算法采用双模控制策略，将保证预测控制算法稳定性的终点等式约束转化为终点不等式约束，以利于遗传算法的实施。基于不变集理论，给出了非线性模型预测控制算法的稳定性定理。仿真结果表明了所提出控制算法的可行性和有效性。     

石油化工过程中卧罐液位控制系统算法研究

针对石油化工过程常用的卧罐,采用机理建模方法,建立了其非线性数学模型,为控制算法的设计打下基础。并采用理论计算数据和模型仿真数据对比验证了机理模型。在卧罐液位上升阶段、稳定阶段、受干扰阶段,基于非线性思想设计了三个阶段的非线性控制算法,进行了稳定性证明和可行性分析,并将其仿真控制效果和PID算法进行了对比,结果证明了非线性控制算法在卧罐液位控制系统中的优越性。     

工业电加热炉的非线性控制算法及应用

本文针对一工业无纺针热处理电加热炉，采用非线性系统辨识模型和离散非线性系统的输入／输出解耦控制算法，探讨了非线性控制方法在实际工业过程的应用。工业应用结果表明，利用非线性控制算法可以较好地解决工业电加热炉的控制。     

非线性系统神经网络预测控制研究进展

摘 要：神经网络由于其在非线性系统建模与优化求解方面的优势,被广泛应用于预测控制中,形成了各种各样的神经网络预测控制算法。本文系统地评述了非线性系统神经网络预测控制系统中的模型选取、控制器优化、控制系统结构设计方法以及收敛性理论等研究现状,分析了非线性系统神经网络预测控制算法存在的问题和今后的研究方向。     

专家决策在非线性实时控制中的应用

非线性系统具有非线性、时变性,因而若采用纯线性控制算法则无法充分满足控制要求,采用专家决策的方法来改进传统的线性控制算法能在一定程度上解决这种问题.文中以一个计算机控制系统为例,研究了专家决策在非线性的实时控制中的应用.     

离散非线性解耦控制算法及其在长形电阻炉中的应用

本文针对一类离散非线性系统，提出了一种输入／输出解耦线性化控制算法。并针对一工业无纺针热处理长形电阻炉，通过系统辩识的方法得到离散非线住系统模型，并将所开发的非线性解耦控制算法应用于该电阻炉。工业应用结果表明，利用非线性控制算法可以较好地解决工业电加热炉的控制。     

基于PLC的环境模拟系统温度控制算法的研究与实现

针对环境模拟试验温度控制系统中被控对象存在的非线性、时滞等特点,本文采用区间限幅PID控制算法和模糊PID控制算法对传统控制方法进行了改进。首先为了解决模拟量三通粗调阀调节缓慢的缺点,建立了区间限幅PID控制算法的控制规则表,并将其在PLC中实现。其次提出用模糊PID控制算法来解决电加热器的非线性、大时滞性问题,并结合实际控制经验建立了模糊控制规则表,然后将模糊PID控制算法在PLC中进行实现。最后将限幅PID和模糊PID控制算法应用于某大型环境模拟试验控制系统,实验结果表明利用改进算法对温度控制具有良好的稳定性及精确度。     

一种新型的预测函数PID控制算法的研究

针对应用于工业过程中的系统具有大时滞、时变性、非线性等特点,采用传统的PID控制方法难以实现良好的控制效果.将预测函数控制算法和PID控制算法相结合,提出了一种新型的预测函数PID控制算法.该算法具有预测函数控制算法鲁棒性强和PID控制算法抗干扰性好的优点.仿真结果表明,与常规预测函数控制算法相比,该控制算法满足系统对快速性和稳态精度的要求,具有良好的鲁棒性和抗干扰能力.     

基于DRNN的非线性模型预测控制研究

针对飞机液压系统某地面试验装置具有非线性、慢时变的特征,常规的控制算法难于实现精确控制。为了提高系统的实时性和精度,提出了基于DRNN神经网络的非线性模型预测控制算法。控制算法应用对角递归神经网络DRNN作为非线性系统的预测模型,同时采用了具有全局优化能力的启发式遗传算法作为滚动优化工具。将这一控制算法进行仿真试验,仿真试验结果表明,基于DRNN的NMPC对于装置具有自适应能力,控制精度较传统的PID控制有明显的提高。     

基于神经网络的多变量非线性自适应解耦控制研究

提出神经网络前馈自适应解耦控制算法．该算法将多变量非线性系统在平衡点处利用Taylor公式展开．分为线性部分和高阶非线性部分。这样．将高阶非线性部分的影响视为可测干扰，采用前馈补偿的方法加以消除．就可以借助多变量线性系统的自适应解耦控制算法．实现多变量非线性系统的自适应解耦控制．这种方法可以取消被解耦系统为最小相位的限制。     

基于SVM逆系统的非线性系统广义预测控制

针对工业过程中普遍存在的非线性被控对象,提出了一种基于支持向量机（SVM）逆系统的广义预测控制算法。该方法根据广义预测控制基于预测模型的特点,将基于支持向量机系统辨识的方法应用于逆系统构建和广义预测控制。该方法利用SVM强大的非线性映射能力离线辨识被控非线性系统的α阶逆模型,并将辨识出的逆模型连接在原被控统之前形成一个α阶纯延时伪线性系统。然后采用广义预测控制（GPC）算法实现对构造出的伪线性系统的预测控制。仿真实验表明了该算法的有效性和优越性。     

基于神经网络的非线性预测控制的进一步研究

介绍了适于具有纯滞后对象的基于人工神经网络的非线性多步预测控制，提出了具有自补偿功能的非线性预测反馈校正方法。仿真实验证明此方法大大增强了非线性预测控制的鲁棒性，改善了控制系统的动态和静态性能。     

Robust control of variable speed autonomous underwater vehicle

Set point tracking control of autonomous underwater vehicle (AUV) via robust model predictive control (RMPC) is considered. Input-constrained RMPC with integral action, which has been developed in our previous work, is used to control the AUV in this study. In order to derive a RMPC control rule, non-linear dynamics of AUV with six degree of freedom is linearized at certain operating points. So, horizontal and vertical plane dynamics of system are represented by linear models which have polytopic uncertainties. Since the derived control rule will be used in real time, the computation time should be reduced. To overcome this computational time problem and get rid of trial–error step of Algorithm 1, a new algorithm is proposed here. The simulations are carried out using the control rule based on this algorithm and these results are presented.     

基于LS-SVM预报的动态矩阵预测控制

针对实际工业过程中的非线性及时变特性,传统预测控制算法就难于建立精确的数学模型,从而提出了一种基于最小二乘支持向量机预报的动态矩阵预测控制模型.在整个过程中,首先建立基于最小二乘支持向量机的非线性动态矩阵预测控制结构,通过利用最小二乘支持向量机辨识被控对象模型,同时预测对象的未来输出,然后用动态矩阵控制算法进行滚动优化和反馈校正.仿真实例表明该模型对预测结果有很好的控制作用,有效消除输入干扰的影响,从而提高了预测精度.     

Self-tuning of 2 DOF control based on evolving fuzzy model

In this paper we present a self-tuning of two degrees-of-freedom control algorithm that is designed for use on a non-linear single-input single-output system. The control algorithm is developed based on the Takagi-Sugeno fuzzy model, and it consists of two loops: a feedforward loop and feedback loop. The feedforward part of the controller should drive the system output to the vicinity of the reference signal. It is developed from the inversion of the T-S fuzzy model. To achieve accurate error-free reference tracking a feedback part of the controller is added. A time-varying error-model predictive controller is used in the feedback loop. The error-model is obtained from the T-S fuzzy model. The T-S fuzzy model of the system, required in the controller, is obtained with evolving fuzzy modelling, which is based on recursive Gustafson-Kessel clustering algorithm and recursive fuzzy least squares. It employs evolving mechanisms for adding, removing, merging and splitting the clusters.The presented control approach was experimentally validated on a non-linear second-order SISO system helio-crane in simulation and real environment. Several criteria functions were defined to evaluate the reference-tracking and disturbance rejection performance of the control algorithm. The presented control approach was compared to another fuzzy control algorithm. The experimental results confirm the applicability of the approach.     

一种制动机气缸压力控制方法

为实现对具有非线性、时变和滞后等特性的机车制动系统的制动气缸的精确控制,提出一种气缸压力控制方法;该方法利用模糊控制领域的T-S模糊建模方法对容积室压力控制进行精确建模,通过BP算法学习得到系统的参数,利用模糊C平均聚类方法初始化模型的前件参数,采用带遗忘因子的递推最小二乘法在线修正模型的后件参数;得到系统精确的模型后再运用预测控制领域中基于模型的广义预测控制算法,实现对制动机气缸压力的精确控制;实际应用结果表明,该方法具有控制响应速度快、超调量小、自适应能力强、控制稳定等优点。     

基于LS-SVM的陶瓷窑炉温度预测控制

针对陶瓷窑炉大热容量、大滞后、非线性等特点,提出了一种基于最小二乘支持向量机动态矩阵控制方法;首先,采用保证种群多样性微粒群算法优化的最小二乘支持向量机离线建立被控对象模型;然后在系统运行过程中,用动态矩阵预测算法实现对被控系统的预测控制;并以陶瓷窑炉温度为控制对象,与Smith预估控制以及内模控制算法进行了比较;仿真结果证明了所提控制方法具有很好的动、静态性能和强鲁棒性。     

基于LS-SVM/PID复合逆系统的预测控制

为了提高预测控制算法的控制性能,提出一种基于最小二乘支持向量机(LS-SVM)/PID复合逆系统的预测控制算法。该算法在PID控制的基础上,利用LS-SVM离线建立被控对象的非线性逆模型作为前馈控制器,形成直接逆控制,其克服了逆系统方法鲁棒性不强的缺陷,并与原系统串联构成一个伪线性系统;然后,结合预测控制算法实现系统的预测控制。仿真结果表明,该算法具有较好的跟踪性能和抗干扰能力。     

氢氮比预测模糊控制

针对氢氮经控制系统的多扰动、大滞后、非自衡等特点,采用预测模糊控制的方法地跟踪参数的变化,并结合历史记录修改控制决策,从一个新的角度探讨了对滞后５系统的控制,现场运行取得了较好的效果。     

电加热炉系统预测函数PID控制算法的研究

由于电加热炉系统具有大时滞、时变性、非线性等特点,提出了一种新型预测函数PID控制算法.该算法将PID控制算法和预测函数控制算法结合起来,通过预测被控对象的未来输出值,得到一个新的优化目标函数,实时优化控制参数,得到控制量的解析解.仿真结果表明,与常规PID控制和预测函数PID串级控制相比,所设计的控制器满足系统对快速性和稳态精度的要求,系统具有较强的抗干扰性和鲁棒性,能够实现对电加热炉系统的有效控制.