多变量解耦控制系统设计与仿真

工业生产过程中,被控系统越来越复杂,需要控制的变量通常不止一对,而且相互耦合,较成熟的线性多变量控制理论与设计方法已难以满足实际的多变量生产过程控制。本文针对多变量强耦合带有延迟环节的被控系统,研究了一种简化的串联前馈补偿解耦控制器设计方法。根据被控对象的辨识模型,设计串联前馈补偿解耦器,使系统解耦成单输入单输出模型,进而分别对解耦后输入输出模型设计PID控制器,整定PID控制器参数。仿真结果表明该方法具有较好的解耦能力和鲁棒性,算法简单,易于实现。     

多变量解耦控制系统设计与仿真北大核心CSCD

工业生产过程中,被控系统越来越复杂,需要控制的变量通常不止一对,而且相互耦合,较成熟的线性多变量控制理论与设计方法已难以满足实际的多变量生产过程控制。本文针对多变量强耦合带有延迟环节的被控系统,研究了一种简化的串联前馈补偿解耦控制器设计方法。根据被控对象的辨识模型,设计串联前馈补偿解耦器,使系统解耦成单输入单输出模型,进而分别对解耦后输入输出模型设计PID控制器,整定PID控制器参数。仿真结果表明该方法具有较好的解耦能力和鲁棒性,算法简单,易于实现。     

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。     

广义预测极点配置前馈控制的一种算法

本文提出了广义预测极点配置前馈自校正控制算法，计算机仿真结果表明，该算法控制质量好，能够消除系统可测扰动对输出的影响。     

多变量系统的广义预测控制解耦设计

针对在系统关联严重的情况下,通过选择合适的权矩阵,预测控制可以实现间接解耦控制,但是系统的跟踪性能将大大降低的问题,提出了一种带设定值观测器的多变量广叉预测解耦控制算法,结合前馈解耦控制策略与广义预测控制律,将其他通道对当前通道的影响作为扰动,从而实现近似解耦.在目标函数中用控制量的增量代替控制量,使控制增量变化不至于...     

一种前馈广义预测控制算法的研究及其仿真

研究了原油常压蒸馏塔的前馈广义预测控制算法 (GPC) ,克服了可测扰动对系统的作用。建立了以进料温度为可测扰动的常压塔常一线温度控制的CARIMA模型 ,实现了前馈GPC算法的仿真 ,验证了该算法对具有可测扰动的过程系统具有良好的控制作用 ,使系统具有良好的鲁棒性。     

一种前馈广义预测控制算法的研究及其仿真

研究了原油常压蒸馏塔的前馈广义预测控制算法（ＧＰＣ）,克服了可测扰动对系统的作用,建立了以进料温度为可测扰动的常压塔常一线温度控制的ＣＡＲＩＭＡ模型,实现了前馈ＧＰＣ算法的仿真,验证了该算法对具有可测扰动的过程系统具有良好的控制作用,使系统具有良好的鲁棒性。     

关于自适应MGPC算法的改进

首先介绍、比较了多变量广义预报控制算法、隐式算法和前馈算法,接着介绍了采用在多变量广义预报控制算法基础上形成的自适应控制的双回路控制器.文中给出了模拟实验的结果.     

一种直接多变量自适应解耦控制算法

本文将广义最小方差控制策略和前馈控制策略结合进来,提出了解耦控制器并讨论了如何采用修改最小二乘辨识算法和直接方案对具有任意延时结构的一般随机多变量系统实现自适应解耦控制,本文还证明了所提出的自适应算法即使用于开环不稳定或非最小相位系统也具有整体稳定性和收敛性。     

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。     

基于综合控制算法的控制器

本文将广义预测控制、Smith预估控制、无模型控制律和多变量参数的状态变量反馈控制策略有机地结合起来,提出了一种把几种控制算式结合起来的控制器综合控制算法。能适应不同生产对象、生产过程,并成功的应用在生产过程中。     

一种基于前馈－反馈复合控制方式的制动稳定性控制方法

设计了一种前馈—反馈复合控制结构，将直接横摆力矩控制和主动前轮转向控制相结合以提高制动稳定性．控制器将前轮转向角视为输入，将外部侧向干扰力和力矩作用视为扰动，通过前馈校正补偿转向角引起的状态变化；同时建立扰动状态观测器，采用反馈控制校正消除外部扰动引起的状态误差．仿真试验证实这种控制方法在提高制动稳定性方面有良好的效果．     

网络控制系统PI预测控制及稳定性分析

将PID反馈原理引入广义预测控制（GPC）思想,把GPC目标性能函数改造成具有PI的结构形式,根据反馈时延导出多步控制序列,通过时延补偿器对前向时延进行补偿,使控制性能在网络环境下得到极大改善。控制器结合了PID控制和预测控制的优点,具有较强的鲁棒性和工程意义。构造Lyapunov函数对闭环系统的稳定性进行分析,并通过仿真验证了该算法的有效性。     

基于模型分解的间歇聚丙烯过程预测控制

针对间歇聚丙烯过程的非线性,间歇性,提出了基于模型分解的非线性前馈一线性反馈相结合的控制方案。在分析过程非线性特性的基础上,采用基于过程模型的前馈抵消反应热对过程的非线性影响。通过引入非线性前馈控制粗调,使反馈控制细调的控制模型得以近似为线性模型,方便地实现了具有优异控制性能的线性预测控制方法,达到了集非线性前馈适应严重非线性过程特性与线性预测控制实现了高精度的控制质量的有机结合。实验结果显示了该方法的有效性。     

比例–积分控制加广义预测控制算法及其应用

针对比例–积分(proportional-integral, PI)控制因不能预测未来输出而提前改变控制量使其用于光电稳定伺服系统时往往响应剧烈的问题,研究了光电稳定伺服系统的广义预测控制(generalized predictive control, GPC).首先通过证明受控自回归积分滑动平均(controlled auto-regressive integral moving-average, CARIMA)模型的直接递推预测与Diophantine方程预测等价,提出了预测较快的模型等价预测GPC算法,其预测复杂度比原GPC降低了一个阶次.其次通过对PI和GPC的特点进行分析,综合考虑两者的优缺点,提出了一种新型的基于PI增量和GPC增量加权的比例积分控制加广义预测控制(proportional-integral control plus generalized predictive control, PI+GPC)算法,实现了基于历史、当前和未来偏差计算控制量,并给出了算法设计流程和参数选取规则.最后通过仿真并在某光电稳定伺服平台上验证后得出, PI+GPC和PI相比稳定精度有所提高,且平稳性和快速性大为改善.     

造纸过程横向控制策略及其并行实现*

本文提出了造纸过程定量横向分布的并行控制策略，采用多变量ＧＰＣ实现了多执行器协调控制，为克服多变量ＧＰＣ在高维情况下实时性差的缺陷，引入并行处理机制，将控制算法分解在多处理机系统上并行实现，计算机仿真验证了其有效性。     

基于CMAC神经网络与PID的并行控制器设计与应用

提出一种基于CMAC神经网络与PID的并行控制器的设计方法,利用传统PID实现反馈控制,保证系统的稳定性,且抑制扰动,利用CMAC神经网络控制器实现前馈控制,确保系统的控制精度和响应速度。该算法直接应用于控制直流电机调速系统,仿真结果表明,与传统数字PID控制算法相比较,该并行控制算法增强了系统的控制精度,提高了系统的响应速度,并且具备较强的抗干扰能力和鲁棒性。     

采用遗传算法训练对角递归神经网络预测控制器

本文提出了一种基于广义预测控制的神经网络预测控制方案．预测控制器由对角递归 神经网络预测控制器和前向神经网络静态补偿器组成．两种神经网络均采用遗传算法进行训 练．仿真实验表明,对于带纯时延的非线性被控对象,采用遗传算法设计的对角递归神经网 络预测控制器具有令人满意的控制性能．     

含正反馈振动主动控制系统的混合自适应控制

对于存在结构正反馈的振动主动控制系统,传统的基于有限冲击响应的自适应前馈控制器设计方法难以同时保证控制系统稳定与良好的控制性能.本文在分析正反馈对前馈控制系统影响的基础上,基于无限冲击响应控制器设计模式,提出一种结合前馈自适应控制器和反馈自适应控制器的混合自适应振动主动控制方法.其中前馈自适应控制器采用参考传感器采集到的扰动相关信号作为参考信号,反馈自适应控制器通过构建扰动的估计量作为参考信号,控制器参数更新采用Landau参数递推算法.以一典型的具有固有正反馈性质的机械振动系统为控制对象,给出了该混合自适应控制算法的详细推导过程以及稳定性和收敛性分析过程,得到了算法稳定与收敛的严格正实条件以及相应放松严格正实条件的要求.在此基础上,通过构建实时振动主动控制实验平台,针对多种振动扰动开展对比实验分析.相关实验结果验证了本文提出的混合自适应振动主动控制方法的可行性和有效性.     

移动机器人无线实时反馈控制系统的设计

由于移动机器人左右两轮的非线性特征,其反馈调节无法克服这一特性,必须借助PC机来进行调节。为此提出了一种无线实时反馈控制方法,在PC机上加入PID控制算法,实现了对机器人的无线实时反馈控制。