蚁群算法滚动优化的LS-SVM预测控制研究

针对非线性过程预测控制的模型预测和滚动优化问题,提出一种蚁群算法滚动优化的最小二乘支持向量机(LS-SVM)新型预测控制器,该控制器以建模简单、精度高的LS-SVM作为预测模型,蚁群算法作为滚动优化策略,避免了滚动优化中复杂的梯度计算.仿真研究表明,该控制器具有良好的非线性控制效果.     

动态未知环境中移动机器人的滚动路径规划

本文借鉴预测控制滚动优化原理，研究了全局环境未知且存在动态障碍物情况下的 机器人路径规划问题．文中提出的基于滚动窗口的移动机器人路径规划方法充分利用机器人 实时测得的局部环境信息，以滚动方式进行在线规划，实现了优化和反馈的合理结合，对动 态环境具有良好的适应性．     

蚁群算法滚动优化的LS-SVM预测控制研究

针对非线性过程预测控制的模型预测和滚动优化问题,提出一种蚁群算法滚动优化的最小二乘支持向量机(LS-SVM)新型预测控制器.该控制器以建模简单,精度高的LS-SVM作为预测模型,蚁群算法作为滚动优化策略,避免了滚动优化中复杂的梯度计算.仿真研究表明,该控制器具有良好的非线性控制效果.

     

模糊预测控制算法

模糊预测控制(FPC)是近年来发展起来的新型控制算法，是模糊控制与预测控制相结合的产物。章在预测控制的模型预测、滚动优化、反馈校正机理下，对模糊预测控制模型及其优化控制算法作了归纳，并对模糊预测控制今后的发展进行了展望。     

基于滚动窗口的WCDMA无线网络规划

借鉴滚动窗口优化的基本原理, 研究了大规模WCDMA无线网络基站的规划问题. 提出了基于滚动窗口的WCDMA无线网络基站滚动规划方法, 把原优化问题的整体求解分散在滚动窗口内进行, 设计了二维空间内的滚动策略, 同时对WCDMA网络中的相互干扰滚动预测, 证明了这种基于滚动窗口的规划方法能够保证全局优化目标单调下降. 通过对不同滚动策略的仿真计算, 说明了滚动策略设计对二维空间内滚动窗口优化的重要性.     

周期性和事件驱动的JobShop滚动调度策略

为了适应加工的连续性及环境的变化，借用了预测控制中的滚动优化思想提出了周期性和事件驱动的滚动调度策略。调度算法将遗传算法和分派规则相结合，以此来处理与操作序列有关的工件安装时 间和工件到期时间约束的复杂调度问题。     

模糊优化算法及其在视觉机器人路径规划中的应用

提出了视机器人路径规划的模糊满意优化方法，该算法基于预测控制滚动优化机制，将系统优化目标和受限约束通过模糊隶属度来表示，形成多目标模糊优化问题，解决了在全局环境未知情况下的优化路径问题。仿真结果验证了该方法的有效性。     

广义预测控制在集散控制系统中的应用

广义预测控制具有柔化作用、多步预测、滚动优化和在线自适应校正等优点，能直接处理具有大滞后和不确定性的工业对象。采用矩阵分解和递推求逆算法在加热炉温度控制中的应用表明，该算法适用范围广，提高了控制精度，取得了良好的经济效益。     

复杂工业过程的可变时域分散协调优化方法

针对大型工业生产过程,提出了一种基于约减状态空间分解的可变预测窗口长度预测控制算法。采用预测控制滚动优化的方法,在每个滚动窗口内,通过内外部状态分解减小优化问题求解规模,在此基础上,采用可变时间窗口长度的方式巧妙地解决了多时间尺度子系统之间的优化协调问题。以某炼铁厂的实际生产数据为基础进行了仿真实验,并与现有的三种预测控制算法进行了比较。结果表明,该方法很好地处理了计算实时性和优化性能之间的矛盾,综合性能最优。     

双信号预测控制

提出一种双信号预测控制算法，该算法包含预测模型、滚动优化、反馈校正和导前信号校正４个环节。仿真结果表明，在一定条件下，所提出的算法优于传统的预测控制。     

Dynamical optimization using reduced order models: A method to guarantee performance

Many methods employed for the modeling, analysis, and control of dynamical systems are based on underlying optimization schemes, e.g., parameter estimation and model predictive control. For the popular single and multiple shooting optimization approaches, in each optimization step one or more simulations of the commonly high-dimensional dynamical systems are required. This numerical simulation is frequently the biggest bottleneck concerning the computational effort.In this work, systems described by parameter dependent linear ordinary differential equations (ODEs) are considered. We propose a novel approach employing model order reduction, improved a posteriori bounds for the reduction error, and nonlinear optimization via vertex enumeration. By combining these methods an upper bound for the objective function value of the full order model can be computed efficiently by simulating only the reduced order model. Therefore, the reduced order model can be utilized to minimize an upper bound of the true objective function, ensuring a guaranteed objective function value while reducing the computational effort.The approach is illustrated by studying the parameter estimation problem for a model of an isothermal continuous tube reactor. For this system we derive an asymptotically stable reduction error estimator and analyze the speed-up of the optimization.     

水泥生料磨机动态成分控制系统设计

该文对水泥工业中生料磨机的成分控制提出了一种新的动态控制方案.其主要由4部分 组成:1)基于内部模型的多变量预测控制.2)在线估计原料化学成分的自适应控制.3)基 于多目标的非线性有约束最优化单元.4)对于特定批处理过程的给定值自调整.本方案是针 对法国Lafarge公司某厂实际工况设计的,但同时也具有普遍意义.基于该厂实际数据的仿 真试验表明本控制方案是有效的.     

基于在线支持向量回归的非线性模型预测控制方法

针对非线性模型预测控制中离线模型难以适应非线性对象实时变化的缺点, 提出一种基于在线支持向量回归的非线性模型预测控制方法. 该方法通过在线支持向量回归离线训练与在线学习相结合的方式, 建立具有在线校正特性的预测模型, 同时采用最速下降原理滚动优化非线性模型预测控制的目标函数, 求得多步控制量. 通过对非线性对象的控制结果表明, 所提出方法有效且具有良好的自适应性.

     

基于SVM和PSO的新型非线性模型预测控制

对于具有强非线性或复杂非线性约束的系统,通过非线性模型的线性化和二次规划优化实现非线性模型预测控制,难以取得满意的结果。提出了一种基于支持向量机模型和粒子群优化的非线性模型预测控制系统的算法。仿真实例表明了支持向量机模型的泛化能力和粒子群优化的寻优速度及能力,证明了将其运用于非线性模型预测控制中的可行性。     

一种基于Wiener模型的非线性预测控制算法

针对一类Wiener模型描述的非线性系统,提出了一种改进的非线性预测控制算法.该算法利用Laguerre函数描述Wiener模型动态线性部分的控制信号，将预测控制中在预测时域内优化求解未来控制输入序列转化为优化求解一组无记忆的Laguerre系数,以减少优化所需的计算量.利用静态模糊模型来逼近Wiener模型的非线性部分,将非线性预测控制优化问题转化为线性预测控制优化问题,克服了求控制输入时解非线性方程的困难,进而推导出了预测控制输入的解析式.CSTR过程的仿真结果表明了本文算法的有效性和可行性.     

Nonlinear model predictive control of a magnetic levitation system

The paper presents a fast nonlinear model predictive control (MPC) scheme for a magnetic levitation system. A nonlinear dynamical model of the levitation system is derived that additionally captures the inductor current dynamics of the electromagnet in order to achieve a high MPC performance both for stabilization and fast setpoint changes of the levitating mass. The optimization algorithm underlying the MPC scheme accounts for control constraints and allows for a time and memory efficient computation of the single iteration. The overall control performance of the levitation system as well as the low computational costs of the MPC scheme is shown both in simulations and experiments with a sampling frequency of 700 Hz on a standard dSPACE hardware.     

分布式预测控制优化算法

复杂大规模预测控制系统的在线实施一直是工业界十分关注的问题之一, 本文针对工业环境下分布式网络结构的特点, 提出了一种基于纳什最优的分布式预测控制优化算法, 在以低成本在线实施的同时, 保持了良好的控制性能, 文中进一步给出了分布式线性模型预测控制算法的收敛条件, 仿真结果表明了该算法的有效性.     

基于混沌粒子群优化的约束状态反馈预测控制算法

提出一种基于混沌粒子群优化的约束状态反馈预测控制算法,用于解决带有输入约束和状态约束的控制问题.将混沌粒子群优化引入到约束状态反馈预测控制的滚动优化过程中,增强了算法在约束范围内的局部搜索和全局搜索能力.通过对一个实际的带有约束的线性离散系统控制优化问题的解决,验证了基于混沌粒子群优化的状态反馈预测控制算法的可行性和有效性,与传统的二次规划算法的比较结果说明了此算法的优越性,证明了状态反馈预测控制系统良好的鲁棒性.     

一类双线性系统的广义预测控制研究

双线性模型预测控制的研究表明,采用一般双线性模型的预测控制将涉及非线性优化问题,在线处理相当困难,而采用线性近似模型的预测控制又会带来较大的偏差.针对一类输入一输出双线性系统,提出了一种双线性系统的广义预测控制算法.该算法将基于输入-输出模型双线性系统中的双线性项和线性项合并,建立了一种类似于线性系统的ARIMA模型,并充分利用多步最优预测信息,由递推近似实现多步预测.控制律具有解析形式,避免了一般非线性寻优的复杂计算,并能适用于非最小相位双线性系统.仿真实验表明该算法具有良好的控制效果.