单值动态矩阵控制的仿真研究

动态矩阵控制在工业中有着广泛的应用 ,为了提高动态矩阵控制算法的实时性和简化其算法 ,在双值动态矩阵控制的基础上 ,提出一种新型的动态矩阵控制 ,即单值动态矩阵控制 ,该算法只选取一个预测输出值 ,由二次性能指标计算控制量 ,通过反馈校正输出误差 ,并分析单值动态矩阵控制算法各参数对系统动、静态性能的影响 ,给出了参数的选择规则。仿真试验表明 ,它较传统的动态矩阵控制算法计算速度快 ,实时性强 ;且控制算法和参数的选取规则较双值动态矩阵控制算法简单 ,通过对参数简单合理的选择 ,就可得到好的控制效果 ,同时具有较强的抑制干扰能力     

应用模糊预测控制实现主汽温控制

火电厂主汽温被控对象具有大迟延、非线性时变的特性,且在实际运行中存在诸多可测与不可测的扰动。将模糊建模技术与预测控制算法相结合,提出了一种模糊自适应预测控制算法。算法采用计算量较少的单值MAC形式,因此有效地降低了系统设计与实现的复杂性,提高了系统的实时性;单值MAC系统本身含有积分特性,使得采用该算法的模糊预测控制在鲁棒性、动态性能方面皆优于常规PID控制。仿真结果表明,该算法具有较强的负荷适应性。     

中定量纸机多变量递阶DMC研究

针对中定量纸机多变量预测控制算法中存在的离线计算复杂、实时性较差等问题,设计了基于关联估计的递阶多变量动态矩阵预测控制(DMC)算法.新递阶控制算法考虑了多变量系统各个变量之间的相互影响,设计了关联估计的协调算法,应用递阶协调控制方法完成了简化了多变量DMC算法.实际控制结果表明,该算法具有简单易实现,实时性好的特点,能够达到较好的控制效果.     

基于误差反馈加权校正的DMC控制及仿真

预测控制是目前在工业过程控制领域中应用较广的一类算法。其中由Culter等提出的，建立在非参数模型阶跃响应基础上的动态矩阵控制具有建模简单，计算量少，鲁棒性强等特点。但是动态矩阵控制仍然还存在着克服干扰的定值调节方面质量不高，很难解决扰动信号对系统稳态值的影响及快速调节过程之间的矛盾。由于算法中只利用当前时刻的误差进行反馈校正，而没考虑已发生的误差，造成误差干扰的校正不充分。因此，在动态矩阵控制算法的基础上，采用误差反馈加权校正的思想，运用内模原理，对加权系数进行设计，以提高控制系统的抗干扰性和调节快速性。通过理论分析和仿真实验证实了这种算法的正确性和有效性。     

多变量约束快速动态矩阵控制算法研究

针对快速动态过程与低维非方多变量系统，提出了一种多变量约束快速动态矩阵控制（DMC）算法。采用动态优化和经济优化两层结构，自动实现非方系统的控制结构转换。在满足基本控制目标的基础上，利用多余的自由度实现经济目标优化。算法采用阶跃响应模型与参数模型相结合的方法改进了预测模型，消除了截断误差，仅取每个输出未来的一点进行优化并计算单步控制作用。与常规多变量约束DMC算法比较，该算法有效地减小了计算负荷，而性能损失很少，可以直接在现有集散控制系统（DCS）上实现。工程应用实例与仿真证明了该控制算法的有效性。     

基于误差反馈加权校正的DMC控制及仿真

预测控制是目前在工业过程控制领域中应用较广的一类算法。其中由Culter等提出的,建立在非参数模型阶跃响应基础上的动态矩阵控制具有建模简单,计算量少,鲁棒性强等特点。但是动态矩阵控制仍然还存在着在克服干扰的定值调节方面质量不高,很难解决扰动信号对系统稳态值的影响及快速调节过程之间的矛盾。由于算法中只利用当前时刻的误差进行反馈校正,而没考虑已发生的误差,造成误差干扰的校正不充分。因此,在动态矩阵控制算法的基础上,采用误差反馈加权校正的思想,运用内模原理,对加权系数进行设计,以提高控制系统的抗干扰性和调节快速性。通过理论分析和仿真实验证实了这种算法的正确性和有效性。     

基于多智能体的多变量DMC研究

结合递阶动态矩阵预测控制和多智能体技术，提出了一种多智能体多变量动态矩阵控制算法，在该算法中，控制对象的每个输出变量作为一个智能体（Agent)，使用CORBA将各个Agent集成为多智能体系统，并用π演算对多智能体系统的协调过程进行了描述，最后将该算法应用在制浆生产蒸煮过程，得到了较好的控制效果。     

一类多重时滞非线性系统无模型学习自适应控制

对于一类常见多重时滞非线性离散系统,提出了基于动态线性逼近的增量型最小化模型,递推预测模型,无模型学习自适应控制律和带有参数限定时域长度的参数自适应预报递推算法,实现了对存在较在的多重时滞非线性系统的无模型学习自适应控制,该算法不需要受控系统的结构信息,数学,外部实验信号和训练过程,不用解Diophantine方程,无需矩阵运算,在线计算量很小,实时性好,仅用受控系统的I／O数据来设计,传统的未能模动态不存在,通过仿真表明,该算法对于一类非线性系统实现无模型自适应控制是正确和有效的。     

预测控制中逆矩阵的递推求解算法

在各种自校正预测控制算法中，计算最优即时控制时均需在线进行矩阵求逆运算，作者针对各类预测控制算法中需求逆矩阵的普遍情形，采用矩阵分解方法，推导出一种可适用于各类预测控制算法的逆矩阵在线递推求解算法，本算法比传统增广矩阵求逆算法的计算量小，且适用性广，因而采用该算法可显著提高各种自校正预测控制算法的实时性。     

动态矩阵控制研究进展及其应用现状

动态矩阵控制(dynamic matrix control，DMC)算法是一种基于对象阶跃响应预测模型、滚动实施并结合反馈校正的优化控制算法，是预测控制算法之一。文中探讨了动态矩阵控制理论的发展和现状，主要包括动态矩阵控制系统的稳定性、鲁棒性等性能。并就当前动态矩阵控制在工业控制领域中的发展应用现状、以及今后的可能研究发展方向做了分析。     

锚泊辅助动力定位系统预测控制

针对锚泊辅助动力定位系统预测控制中的实时性特征,本文选择隐式广义预测控制算法对混合定位船舶控制器进行设计。对于广义预测控制算法滚动优化过程中需引入繁琐的丢备图方程中引起的实时性差问题,采用隐式自校正方法进行了修正。通过利用递推最小二乘法直接辨识控制增量表达式中的参数,减少了计算复杂度,从而满足了控制器的实时性要求。隐式GPC不仅具有传统的GPC算法的优点,而且鲁棒性更好。通过船舶混合定位系统的仿真结果可以看出,隐式GPC算法具有良好的性能,提高了混合定位系统的定位精度和性能。     

一种新颖的模糊自适应PID控制器的设计

在传统数字PID控制的基础上,结合模糊控制,提出了一种基于模糊规则的模糊自适应PID控制算法,该算法通过模糊控制规则和模糊推理确定模糊控制表,在实时控制中通过对模糊控制表的查询,在线调整PID控制参数。研究结果表明,与数字PID控制器相比,该控制算法具有简单、鲁棒性强和动态品质优良等特点。     

一类输入和输出维数不同的多变量自校正控制器

本文针对多变量自校正控制在实际应用中存在的问题,提出了基于输出预报的多变量极点配置自校正控制算法。该算法是算法[2,3,5,6]的进一步发展,而这些算法可视为该算法的特例。该算法较好地解决了线性多变量自校正控制中的稳定性、非最小相位、稳态偏差和B_0阵非行满秩等问题。通过适当选取一个列满秩矩阵多项式P(z~(-)),控制器能够控制输入和输出维数不同的多变量系统。整个控制算法由三部分组成;K步超前输出预报、闭环极点配置和控制信号计算。由递推最小二乘(RLS)算法在线辨识预报器参数,并由此计算K步超前输出预报y~*(t+k|t)。极点配置问题归结为求解一个多变量Diophantine方程,而Diopha-ntine方程有解的充分和必要条件是矩阵多项式A(z~(-1))和S(z~(-1))右互质(证明见附录)。给定一个矩阵多项式T(z~(-1))并在系统中包含一个积分器,可以得到具有指定闭环极点和零稳态偏差的自校正控制器。本文最后给出计算机仿真结果,验证算法的有效性和实用性。     

基于动态线性逼近的非线性系统无模型自适应控制

对于一类常见多重时滞非线性离散系统,提出了其动态线性逼近的增量型模型,无模型自适应控制律和带有参数限定时域长度的参数自适应预报递推算法,实现了对时滞非线性系统的无模型自适应控制。该算法不用解Diophantine方程,无需矩阵运算,在线计算量很小,实时性好,具有很强的抑制噪声干扰能力。通过仿真表明,该算法对于一类非线性系统实现无模型自适应控制是正确和有效的。     

基于ANFIS的磨矿过程控制算法

磨矿过程是选矿作业中的关键环节,其影响参数多,投入成本大,耗能高,其输出的矿石粒度是影响后续工序的重要指标。本文针对磨矿过程的特点,总结模糊控制规则,并对模糊控制规则进行分类,建立了自适应神经模糊推理系统(ANFIS),并对磨矿过程中不同的控制对象使用ANFIS建立了控制模型。该模型算法具有自适应调节特点,能够对控制参数总动调节,适应多变量、动态变化的控制环境。通过仿真实验结果对比,本文设计的控制算法在提高控制精度的同时,也提高了控制的实时性,具有良好的控制效果。     

双重控制系统的广义预测控制

传统的双重控制方法建立在简单PID算法基础上，其性能受到一定的限制．为此，将广义预测控制算法应用于双重控制系统中，形成基于预测控制的双重控制算法．该算法继承了传统双重控制方法的控制结构和控制思想，采用主、副2个控制器进行控制．其中主控制器采用广义预测控制算法，针对快回路产生快控制作用使系统具有良好的动态特性；副控制器采用PID算法．针对慢回路产生慢控制作用以实现一定的经济指标；同时，副控制器的输出作为前馈量引入主控制器．主、副2个控制器互相协调工作，使系统既具有良好的动态特性，又符合工艺上或经济上的要求．仿真对比结果表明，该算法控制性能优良，具有较强的的抗干扰性和良好的鲁棒性，是一种较好的双重控制系统控制算法．     

基于LS-SVM与GPC算法的锅炉燃烧优化控制

基于LS-SVM算法和反馈网络建立了非线性对象全参数动态模型,实现了对非线性系统动态特性的多步预测;考虑控制的实时性,研究了将非线性LS-SVM动态模型在线线性化和构造对象实时线性CARIMA动态模型的方法;并结合GPC算法,提出了LSSVM-GPC动态优化控制策略。文中验证了LSSVM-GPC动态优化控制算法的跟踪能力和抗干扰能力,通过仿真试验给出了该算法对电站锅炉燃烧系统具有优秀的动态调节性能。     

自适应预测残差和量化矩阵的码率控制

为了进一步提高H.264中码率控制的性能,提出了自适应预测残差和量化矩阵的码率控制. 首先根据宏块梯度方向权值和简化率失真模型,确定是否对宏块进行离散余弦变换(DCT);然后通过新的比特分配模型计算宏块的量化参数,并通过坡度加权确定宏块的坡度系数,最终根据得到的量化参数(QP)和坡度系数计算宏块的量化矩阵,并使用该量化矩阵对宏块进行编码. 仿真结果表明,与H.264基本单元层码率控制算法相比,本算法在严格控制编码时间和输出码率的情况下,使重建图像的峰值信噪比(PSNR)值提高021dB.     

动态矩阵控制研究进展及其应用现状

动态矩阵控制(dynamic matrix control,DMC)算法是一种基于对象阶跃响应预测模型、滚动实施并结合反馈校正的优化控制算法,是预测控制算法之一.文中探讨了动态矩阵控制理论的发展和现状,主要包括动态矩阵控制系统的稳定性、鲁棒性等性能.并就当前动态矩阵控制在工业控制领域中的发展应用现状、以及今后的可能研究发展方向做了分析.     

动态矩阵控制研究进展及其应用现状

动态矩阵控制(dynamic matrix control,DMC)算法是一种基于对象阶跃响应预测模型、滚动实施并结合反馈校正的优化控制算法,是预测控制算法之一.文中探讨了动态矩阵控制理论的发展和现状,主要包括动态矩阵控制系统的稳定性、鲁棒性等性能.并就当前动态矩阵控制在工业控制领域中的发展应用现状、以及今后的可能研究发展方向做了分析.