增量型模型算法控制在PMSM速度控制中的应用

针对普通PID控制系统性能受参数变化及各种不确定性影响严重等缺点,在基本模型算法控制（MAC）基础上,综合了MAC在线实时预测、优化、反馈校正的优点,在控制器中引入了积分因子组成增量型模型算法控制（IMAC）,并将该算法应用于永磁同步电机（PMSM）速度控制中。仿真结果表明,由该算法构成的控制器较普通的PID控制,在系统模型参数与实际参数严重失配的情况下,能够有效抑制各种不确定性的不良影响,且系统鲁棒性强,又可获得令人满意的动态性能。     

对角CARIMA模型输入输出约束自适应广义预测控制

为了简化输入输出约束存在时多变量广义预测控制算法的设计与实现问题,提出了对角结构形式的多变量CARIMA模型的约束广义预测控制算法.根据对角CARIMA模型的结构特点将多输人多输出对象的模型输出预报和参数辨识转化为多输入单输出子对象的模型输出预报和参数辨识,并详细分析了系统的输入输出约束形式,将模型输出预报、目标函数和约束条件中依赖于模型参数的项与依赖于过程历史数据的项完成分离,简化了模型输出预报的计算及优化问题的求解,从而简化了约束多变量广义预测控制算法的实现.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.     

非线性广义预测控制算法及其仿真研究

为了实现对非线性广义预测控制算法的仿真研究,采用神经网络建立非线性预测模型,在其工作点附近线性化,并对线性化模型进行广义预测控制,利用单片输出BP网络所辨识的非线性模型进行分析,提出了一种基于非线性广义预测前馈补偿控制律的补偿算法,改善了线性化所带来的模型失配误差.最后通过Matlab进行了仿真.仿真结果验证了算法的有效性.     

基于广义预测控制算法的水槽液位控制系统

为提高液位系统控制的可靠性和安全性,引入了广义预测控制算法。首先介绍了广义预测控制的基本算法,包括其基本理论、算法的优点及一些重要参数的选取标准。然后以水槽液位控制装置为控制对象建立了一个控制系统的数学模型,并对应用广义预测控制算法的该模型进行了仿真验证。仿真结果表明,所提出的算法具有良好的动态响应性能和快速跟踪设定值,并具有较好的控制效果。无论系统是否存在模型失配,只要控制系统是稳定的,就不会有静差。     

广义预测控制中对控制增量的研究

虽然广义预测控制（GPC）能够通过不断的在线辨识克服模型失配的不利影响,但它计算耗时,不利于实时在线。为了克服在线辨识计算量大的缺点,提出了一种简便易行、计算量小的柔化控制增量的方法。这种方法避免了求逆矩阵,大大减小了计算量,并能够保证控制算法的可行性和良好的控制性能。     

具有稳定性的广义预测控制算法

针对广义预测控制中的输出量和控制增量波动较大而对系统产生冲击的难题,构造了一种新的预测控制算法.通过对广义预测控制算法中控制目标函数的控制增量加权系数进行在线动态修正,可有效地抑制输入量的波动,获得系统的稳定输出.仿真结果验证了该方法的可行性和有效性.     

预测-PID串级控制在纵向飞行通道中的应用

提出一种串级预测控制方案,即将受控对象分为两级,后一级用PID方法求取其控制量,作为前一级的设定值求取系统的广义预测控制输入,使系统的输出能够及时地跟踪设定值的变化.针对导弹的纵向飞行通道模型,进行仿真研究,发现其控制性能,优于传统的PID控制.     

基于高斯过程的参数辨识及永磁同步电机模型电流预测控制策略

为了提高永磁同步电机控制系统电流环控制器的性能,降低模型参数失配对控制系统的影响,提出了基于高斯过程参数辨识的永磁同步电机有限集模型预测电流控制策略（FCS-GPMPC）。首先,介绍了永磁同步电机电流预测模型并分析了模型参数失配对系统性能的影响;其次,为简化一般机器学习参数辨识算法中超参数复杂的调试过程,提出了一种基于高斯过程的模型参数的辨识方法;同时,引入预测值的置信区间作为参数预测效果的实时评估参考;最后,将高斯过程参数辨识与基于模型的有限集模型预测电流控制（FCS-MPC）相结合,在得到准确辨识的参数后对系统电流预测模型更新以提高系统鲁棒性和电流环跟踪性能。实验结果显示：在本文训练数据的统计特征下,测试数据均方根误差RMSE为0.002 1,R2达到0.99。在参数波动条件下,与FCS-MPC相比,FCS-GPMPC策略下电流波动度降低了30.5%,电流平均偏移度降低了19.6%,另外对参考电流的阶跃变化,FCS-GPMPC有更好的动态响应。实验结果表明,基于高斯过程的模型预测控制方法可有效抑制模型失配对控制系统的影响,能够提高永磁同步电机控制系统电流控制器性能。     

基于MATLAB的广义预测控制设计方法

热工过程控制具有非线性、大迟延、大滞后、时变、耦合性和不确定性的特点,从而使控制难以得到满意的效果。而广义预测控制具有较强的鲁棒性、对模型要求低的特点。并且适用范围非常广泛。本文介绍了广义预测控制的基本原理和特点,并采用隐式广义预测算法在MATLAB中对单输入单输出系统进行验证。仿真结果表明该算法不仅大大减少了计算量。而且具有较好的控制效果。     

一类广义双线性系统的预测控制

针对一类广义双线性系统,研究了其基于Ｖｏｌｔｅｒｒａ近似模型的预测控制算法,优化中考虑了预测输出对实际输出变化趋势影响的抑制,并采用引入积分因子的反馈校正方法,保证零偏差特性。仿真结果表明该算法具有较好的效果     

基于Hammerstein模型的GMAW-P焊接熔深自适应预测控制

针对脉冲熔化极气体保护焊(Pulsed gas metal arc welding,GMAW-P)过程中焊接熔深的实时控制,使用脉冲峰值期间的电压变化幅值(ΔU)来表征焊接熔深变化,并且通过测量和控制ΔU的大小来间接达到熔深控制的目的。建立了以ΔU为输出和脉冲基值电流为输入的单输入单输出熔深控制系统。系统输入输出之间的静态关系模型显示该熔深控制系统具有一定非线性,因此,采用加入干扰的Hammerstein模型描述该非线性系统。在基于该Hammerstein模型的经典预测控制算法基础上,在控制过程中加入递推最小二乘法在线辨识模型参数,从而实现焊接熔深自适应控制。控制算法仿真和实时焊接试验表明该熔深控制算法能够较好地实现GMAW-P焊接过程中的熔深控制。变散热试验结果验证了该控制算法的有效性和适应性。     

基于T-S模糊模型的非线性系统广义预测控制

针对离散非线性系统,提出一种基于T-S模糊模型的广义预测控制方法。该方法将采样点的T-S模糊模型转化为采样点线性模型与非线性误差叠加的线性形式,通过迭代修正非线性误差,使具有非线性误差的线性模型预测控制律逐渐逼近采样点T-S模糊模型预测控制律。同时,该预测控制方法也能适用于当系统受输入输出约束时的控制。仿真结果验证了所提出的TS模糊模型广义预测方法有效。     

Robust model predictive control design with input constraints

The paper addresses the problem of designing a robust output/state model predictive control for linear polytopic systems with input constraints. The new predictive and control horizon model is derived as a linear polytopic system. Lyapunov function approach guarantees the quadratic stability and guaranteed cost for closed-loop system. The invariant set and an algorithm approach similar to Soft Variable-Structure Control (SVSC), ensures input constraints for the model predictive plant control system. In the proposed control scheme, the required on-line computation load is significantly less than in MPC literature, which opens the possibility to use these control design schemes not only for plants with slow dynamics, but also for faster ones.     

A modified NARMAX model-based self-tuner with fault tolerance for unknown nonlinear stochastic hybrid systems with an input–output direct feed-through term

A modified nonlinear autoregressive moving average with exogenous inputs (NARMAX) model-based state-space self-tuner with fault tolerance is proposed in this paper for the unknown nonlinear stochastic hybrid system with a direct transmission matrix from input to output. Through the off-line observer/Kalman filter identification method, one has a good initial guess of modified NARMAX model to reduce the on-line system identification process time. Then, based on the modified NARMAX-based system identification, a corresponding adaptive digital control scheme is presented for the unknown continuous-time nonlinear system, with an input–output direct transmission term, which also has measurement and system noises and inaccessible system states. Besides, an effective state space self-turner with fault tolerance scheme is presented for the unknown multivariable stochastic system. A quantitative criterion is suggested by comparing the innovation process error estimated by the Kalman filter estimation algorithm, so that a weighting matrix resetting technique by adjusting and resetting the covariance matrices of parameter estimate obtained by the Kalman filter estimation algorithm is utilized to achieve the parameter estimation for faulty system recovery. Consequently, the proposed method can effectively cope with partially abrupt and/or gradual system faults and input failures by the fault detection.     

数控铣削过程的广义预测控制

提出一种数控铣削过程广义预测控制方法。研究了控制前景的定阶问题,并导出在整个输出预测前景上控制器参数的高效递推算法。计算机仿真结果表明,该算法快,满足数控铣削过程的实时控制要求。在加工中心上进行试验验证,结果表明此法具优良的输出性能     

制粉系统球磨机的模型算法解耦控制

针对制粉系统球磨机的多变量强耦合特性，提出模型算法预测控制的解耦设计方法。将球磨机系统分解为三个多输入单输出系统，用模型算法控制原理设计控制器，通过求解三元一次矩阵方程组，实现了多步预测的解耦控制。对球磨机系统的仿真结果表明了所给算法的有效性。     

基于改进粒子群算法的隐式广义预测控制

针对大多数工业系统的控制输入输出都存在约束的情况,提出一种基于改进粒子群算法的隐式广义预测控制算法(IGPC)。粒子群算法(PSO)是一种基于群体的智能优化算法,解决受约束的优化问题具有精度高、收敛速度快等优点;为了避免粒子群算法陷入早熟,提高精度,引入细菌觅食算法中的自适应迁徙机制。在隐式广义预测控制的滚动优化环节引入改进粒子群算法,弥补了传统GPC在处理受约束控制问题上的缺陷。仿真结果表明了该方法的有效性和良好的控制性能。     

基于神经网络的非线性系统约束预测控制

利用非线性激励函数的局部线性表示,提出一种可用于非线性过程的基于神经网络模型的约束广义预测控制算法。该算法将非线性搜索转化为只对当前控制增量的约束,避免了非线性优化求解,并不需要很多的计算量。文中给出了仿真结果。     

基于神经网络的直线电磁阀式怠速系统预测控制方法研究

基于汽油发动机怠速系统的非线性、时变性和不确定性等特点,构建了神经网络与预测算法相结合的控制系统。利用预测控制算法的滚动优化和反馈校正的特性,采用神经网络建立系统的动态模型作为预测控制器的预测模型;提供怠速系统的开环输入输出数据离线训练神经网络,再在线对神经网络模型的权值和阀值进行调整,获得精确的预测模型,实现了对怠速系统的自适应控制。仿真结果表明,这种方法有效地提高了发动机怠速系统的控制精度、可靠性和转速的稳定性。