自适应密集预测的模型算法控制

本文中提出了一种新的预测控制策略:在一个模型采样周期内(本文中定义)进行数次预测控制。     

预测控制：第四讲 广义预测控制

预测控制──第四讲　广义预测控制电子科技大学（成都）周云钟１引言近２０年来，自适应和自校正控制无论在理论研究和实际应用方面都取得了长足进展。但也必须看到，自适应控制尚受到很大限制。迄今为止，尚无一种适应式算法能够单独对大多数实际对象进行稳定而有效的控...     

参数化模型预测空间实现及递推预测算法

本文给出线性时不变离散系统的参数化模型的预测空间实现的表达式，利用该表达式将传统的参数化模型预测算法化为状态空间递推形式，可大大减小参数化模型预测的在线计算量。为工程上实现自适应参数化模型预测控制带来很大方便。     

基于连续映射小脑模型的广义预测控制快速算法

文中把改进后的小脑模型（ＣＭＡＣ）应用于广义预测控制（ＧＰＣ）算法中，避免了该算法需实时进行的复杂计算，本文的方法对ＧＰＣ在实际中的应用有重要的意义。     

广义预测控制：理论、算法与应用*

本文简要介绍了广义预测控制基本方法及其近年来提出的改进广义预测控制算法，并对非互性系统广义预测控制、多变量系统广义预测控制、广义预测控制的稳定性与鲁棒性分析作了进一步讨论，最后，概述了广义预测控制在工业中的应用和广义预测控制的进一步研究方向。     

加权模型预测控制（WMPC）

针对参数有界系统，将加权模型引入预测控制算法，改进了原算法对模型处理的不足，从而增强了控制系统的鲁棒性，改善了控制性能。仿真结果表明了该方法的有效性。     

一种改进的模型算法控制

本文提出一种改进的模型算法控制。改进模型算法控制将常规模型算法控制中的系统输出预测方程改为一种状态空间描述形式,用现代控制理论来分析研究模型算法控制系统。改进模型算法控制的在线预测计算量比常规方法大为减少,而且系统性能也有改善。最后给出用改进方法控制一个实验液位系统的结果。     

基于串联结构的分布式模型预测控制

分布式模型预测控制(Distributed model predictive control, DMPC)是一类用于多输入多输出的大规模系统的控制方式.每个智能体通过相互协作完成整个系统的控制. 已有的分布式预测控制算法可以划分为迭代式算法和非迭代算法:迭代算法在迭代到收敛情况下,具有集中式预测控制(Centralized model predictive control, CMPC)算法的性能,但迭 代次数过多,子系统间通信量大;非迭代算法不需要迭代,但性能有一定损失.本文提出了一种基于串联结构的非迭代分布式预测控 制算法.本文算法在串联结构系统中可以有效减少计算量,并结合氧化铝碳分解(Alumina continuous carbonation decomposition process, ACCDP)这一串联过程,通过仿真验证了算 法的有效性;同时分析了算法运用在串联结构下的性能并证明了其稳定性.     

基于ARMAX模型自适应预测函数控制

本文提出了基于ARMAX模型的自适应预测函数控制,该算法的特点是占用内存少,计算 速度快,并具有较强的鲁棒性．ARMAX模型参数是通过带遗忘因子的递推最小二乘算法在线辨 识得到．仿真结果表明,该控制算法比PID控制具有更好的控制品质．     

模型预测控制快速梯度优化算法评估北大核心CSCD

基于快速梯度法的一类在线优化算法因其可预估给定求解精度下的计算量上界而被用于实时模型预测控制的在线求解。由于各算法针对的控制问题形式不同及算法设计的差别,对于非线性模型预测控制问题,难以有效快速地选择合适的算法。首先,对各个算法的特性及适用范围进行了简要描述;然后,针对解决具有状态约束和输入约束的非线性模型预测控制问题,给出了各个算法在求解过程中的计算复杂度,通过非线性实例验证和比较了各算法的性能。研究结果可为选择合适的模型预测控制算法提供参考。     

基于蚁群算法的永磁同步电机多步预测控制

为了提高永磁同步电机驱动系统的效率与动态性能,结合传统矢量控制的特点,研究了一种永磁同步电机多步长预测直接电流控制策略,减少了逆变器开关损耗;为了解决多步长在线预测过程中的计算量过大的问题,提出了一种基于蚁群算法的模型预测控制方法,将连续时刻逆变器开关状态视为蚁群运动轨迹,并根据优化目标在较优路径上留下较强信息素作为正反馈以减少计算量。通过仿真对比,相较于矢量控制与直接转矩控制,上述算法可以明显降低逆变器开关损耗,提高动态响应速度;同时保持较小的总谐波失真。结果表明基于蚁群算法的多步预测能够在较少迭代次数内收敛,保证了在较低逆变器开关损耗下系统的性能。     

简化模型预测控制及仿真研究

本文介绍了简化模型预测控制算法ＳＭ－ＰＣ，指出ＳＭＰＣ算法是作为克服内部模型控制（ＩＭＣ）因式分解中求取过程传函逆阵费时等缺点而推出的一种简化算法。将本算法通过对一个多侧线精馏塔进行仿真，结果表明此算法具有良好的控制效果     

可实现多种控制目标的模型预测控制新算法

模型预测控制(MPC)采用集中控制的策略,主要应用于多输入多输出(MIMO)复杂过程的工艺对象.工艺过程对不同的控制变量,往往有不同的控制要求,如定值控制、区间控制或单边控制.当前的控制算法未考虑单边控制功能,而且形式繁琐、求解不便.为此,本文采用目标规划的思想,提出具有线性规划形式并且可实现多目标的模型预测控制新算法.将新算法用于多个典型过程对象,证实算法不仅能够控制常规目标,而且能够解决单边控制问题,实现了真正的多目标控制.     

一种改进的模型算法控制

通过在指标函数中引入系统输出误差的微分项,提出一种改进的模型算法控制(IMAC),由于采用了增量式的脉冲响应预测模型,因此更适用于工业过程控制。理论分析及计算机仿真研究表明,IMAC比模型算法控制(MAC)具有更好的动态调节特性。     

数据中心制冷系统非线性模型预测控制

数据中心制冷系统具有非线性、强耦合和大滞后特性,目前常用的PID方法无法实现系统整体能效提升,而现有非线性优化算法计算量大,不易工程实现.鉴于此,提出一种数据中心制冷系统模型预测控制策略,上层优化层设计预测控制器,其目标为在满足制冷要求的前提下降低系统能耗,优化层采用神经网络作为反馈控制器,将系统整体优化目标函数作为神经网络控制器优化性能指标,结合变分法与随机梯度下降法,通过滚动优化求取下层各回路被控变量最优设定值,算法占用存储区适中、计算量小;下层现场控制层通过实时控制使各回路被控变量跟踪最优设定值,可以在不破坏原有现场控制系统的情况下实现性能优化.构建Trnsys-Matlab联合仿真平台,针对系统夏季、过渡季和冬季的控制策略进行仿真实验.结果表明,所提出控制策略能够在满足数据中心安全运行的前提下,实现系统整体能效提升,且具有良好的鲁棒性.     

广义预测控制的直接算法

采用三个辨识器分别辨识开环系统、闭环系统和控制器的参数,利用开环系统参数计算预测输出和参考轨迹,通过辨识闭环系统参数得到广义输出,用于辨识控制器的参数,并给出一种广义预测控制的直接算法。仿真结果表明该算法是有效可行的。     

对角CARIMA模型多变量广义预测控制改进算法

为了增强多变量广义预测控制算法(MGPC)的实用性,对其实现形式进行了进一步的简化.利用对角CARIMA模型的结构特点,先对系统中单个输出变量期望值的自由响应部分进行分解推导,将其表达成自由响应项系数与系统输入输出变量已知值乘积的形式,得到此输出变量的预测表达式,然后将系统所有输出变量的预测表达式代入目标函数中,得到的控制增量等于控制器系数与参考轨迹、过程输入输出历史数据的乘积.控制器系数只与模型参数及设计参数有关,求解控制量时不再需要进行模型输出预报,控制器结构简单,实现容易.对比实验结果表明了该方法保持了常规MGPC方法的优秀控制性能.     

“电磁阀”讲座：第十五讲 耐蚀电磁阀

电磁阀除应用于一般介质（中性介质）与弱腐蚀性介质（半中性介质）外,尚有一个广阔的领域或者说是有待开拓的潜在市场,这个领域就是在腐蚀性介质中适用的电磁阀——耐蚀电磁阀。     

基于神经元网络的模型算法控制

本文提出了一种利用人工神经元网络来实现的模型算法控制，克服了ＭＡＣ不能用于非最小相位系统和单步ＭＡＣ也不能用于纯延迟过程的缺点，通过ＢＰ网络的自学习产生预测偏差，并由智能控制单元进行控制，仿真表明，该控制方法具有良好的控制，特性和鲁棒性，并且适用于非线性系统。