基于多模型的单元机组负荷多变量模型算法控制研究

首先将负荷系统分解为两个双输入单输出系统,并用模型算法控制设计两个子系统的控制器。通过对两个二元一次控制器方程的求解,达到多变量解耦设计的目的。针对机组负荷变动频繁,根据不同负荷下的固定模型设计了不同的模型算法控制器,并在线计算对象和各模型的匹配度以确定各控制器控制量的加权值,达到模型平滑切换的目的。通过对300 MW直流燃煤机组的仿真,证明了该方法的有效性。     

多变量对象的预测PI控制及其工业应用

针对强耦合、大时滞多变量系统．首先将系统进行动态解耦,消除系统之间的耦合,然后将解耦对象简化为互相独立的一阶滞后对象,最后运用单变量预测PI控制算法设计这些一阶滞后对象的控制器．这种控制器结构简单,可调参数少,参数调节方便、直观．仿真和实际应用表明：此类预测PI控制器具有良好的控制性能和鲁棒稳定性能．     

Adaptive predictive functional control based on Takagi-Sugeno model and its application to pH process

In order to obtain accurate prediction model and compensate for the influence of model mismatch on the control performance of the system and avoid solving nonlinear programming problem, an adaptive fuzzy predictive functional control (AFPFC) scheme for multivariable nonlinear systems was proposed. Firstly, multivariable nonlinear systems were described based on Takagi-Sugeno (T-S) fuzzy models; assuming that the antecedent parameters of T-S models were kept, the consequent parameters were identified on-line by using the weighted recursive least square (WRLS) method. Secondly, the identified T-S models were linearized to be time-varying state space model at each sampling instant. Finally, by using linear predictive control technique the analysis solution of the optimal control law of AFPFC was established. The application results for pH neutralization process show that the absolute error between the identified T-S model output and the process output is smaller than 0.015; the tracking ability of the proposed AFPFC is superior to that of non-AFPFC (NAFPFC) for pH process without disturbances, the overshoot of the effluent pH value of AFPFC with disturbances is decreased by 50% compared with that of NAFPFC; when the process parameters of AFPFC vary with time the integrated absolute error (IAE) performance index still retains to be less than 200 compared with that of NAFPFC.     

混合粒子群优化算法及其在预测控制中的应用

在时变加速因子的自组织粒子群算法、中值粒子群算法、混沌粒子群算法的基础上,提出了一种新的混合粒子群优化算法( MPSO),并利用这种新的算法来训练径向基函数(RBF)神经网络的参数(连接权、隐节点中心和宽度),验证了所提方法的有效性.进一步,提出了基于神经网络的非线性系统直接预测控制方案,实现非线性系统的实时控制.通过...     

对角CARIMA模型多变量广义预测近似解耦控制

针对多变量系统中存在的强耦合,提出基于对角CARIMA模型的多变量广义预测控制近似解耦算法.根据对角CARIMA模型中的A和C矩阵为对角形式的特点,将多输入多输出系统分解为多个多输入单输出系统进行预测和控制,一定程度上降低了变量之间的耦合性.根据模型预测值与参考轨迹之间的偏差实时调整目标函数中跟踪误差的加权系数,达到进一步降低各个回路之间耦合的目的.加权系数调整的基本原则是,每个输出跟踪误差的加权系数是由其他输出在同时刻偏离参考轨迹的加权误差平方和构成.当某个输出偏离目标值时,其他输出的跟踪误差权值相对增大,以避免输出之间的相互扰动,达到近似解耦的目的.利用单变量GPC、多变量MGPC、基于设定值观测器解耦的MGPC以及提出的近似解耦方法,分别对温室温度和相对湿度控制系统进行仿真实验.仿真结果显示,近似解耦算法控制平稳,输出变量之间的相互扰动显著降低.     

基于神经网络的非线性预测函数控制

给出了一种新的神经网络多步预估器结构,建立了CSTR过程的人工神经元网络的动态模型,并在此基础上提出了基于人工神经元网络模型的非线性预测函数控制算法．给出了非线性预测函数控制的具体实施步骤．计算机仿真表明。人工神经元网络模型的精度已满足预测控制的需要。该控制系统比常规PID控制器具有更好的控制效果．     

预测函数控制在DCS系统中的应用

提出一种具有比例积分结构的时滞系统预测函数控制,基于JX-300XP集散控制系统（DCS）,搭建了锅炉夹套温度控制系统,根据被控对象的特点,将预测函数控制应用于该对象,进行了设定值跟踪的实验研究。研究结果表明预测函数控制算法切实可行,可应用于工业现场。     

基于遗传算法的广义预测PID控制及其在锅炉主汽温系统中的应用

针对超超临界机组的主汽温控制,提出了一种广义预测PID控制方法,该方法采用改进遗传算法对PID控制器参数进行在线优化.采用了一种基于广义预测控制性能指标的遗传算法寻优思路,建立了主、副回路PID参数优化模型;在选择、交叉和变异算子方面,初始种群设计方面和交叉、变异概率调整方面对遗传算法进行了改进.最后对广东潮州电厂某锅炉现场连续运行的历史数据进行了控制仿真,结果表明采用基于改进遗传算法的预测PID控制策略后,系统在动、静态特性和变负荷能力上均比常规串级系统效果更好.     

基于Hammerstein模型的非线性预测函数控制

提出了只需线性动态优化的基于Hammerstein模型的非线性预测函数控制策略，其中非线性控制器由一个线性的预测函数控制器Hammerstein模型的非线性部分的反函数组成，实现了线性控制器的输出uPFC与闭环系统内部模型线性部分的输入完全一致，使模型的输出ym只依赖于uPFC，通过这种方式实现了非线性预测函数控制策略只需线性优化而不需要非线性滚动优化。过程的预测输出只需应用模型参数直接计算得到而不需要求解丢番图（Diophantine）方程。pH中和过程的计算机仿真结果表明，该控制算法比PID控制具有更好的控制品质。     

基于多模型的自适应预测函数控制

作为第三代模型预测控制算法，预测函数控制已经在线性系统控制中取得了很好的效果，但应用于非线性对象还有一定局限性。针对现实中大量存在的非线性过程，提出了基于局部模型设计的预测函数控制器加上模型切换算法的多模型自适应预测函数控制器。通过计算机仿真应用于连续发酵过程，表明基于多模型的自适应预测函数控制器比常规的预测函数控制器具有更好的控制效果。     

Neuro-fuzzy predictive control for nonlinear application

Aiming at the unsatisfactory dynamic performances of conventional model predictive control （MPC） in a highly nonlinear process, a scheme employed the fuzzy neural network to realize the nonlinear process is proposed. The neuro-fuzzy predictor has the capability of achieving high predictive accuracy due to its nonlinear mapping and interpolation features, and adaptively updating network parameters by a learning procedure to reduce the model errors caused by changes of the process under control. To cope with the difficult problem of nonlinear optimization, Pepanaqi method was applied to search the optimal or suboptimal solution. Comparisons were made among the objective function values of alternatives in initial space. The search was then confined to shrink the smaller region according to results of comparisons. The convergent point was finally approached to be considered as the optimal or suboptimal solution. Experimental results of the neuro-fuzzy predictive control for drier application reveal that the proposed control scheme has less tracking errors and can smooth control actions, which is applicable to changes of drying condition.     

神经-模糊预测控制算法及应用

提出了一种新的神经－模糊系统，结构上分为六层，包括一个输入层、一个输出层和四层隐层。该系统规则的结论部分采用线性ARX模型，训练方法结合最小二乘法与BP算法。将此神经－模糊系统与广义预测控制算法相结合，形成一种神经－模糊预测控制算法。有一个具有三条规则的神经－模糊系统建立某大型纸浆厂碱回收炉的模型，并应用神经－模糊预测控制算法进行控制，结果显示神经－模糊预测控制算法性能优良，应用前景广阔。     

基于Wiener模型的非线性预测函数控制

针对传统的预测函数控制对非线性强、结构多变的实际对象控制效果不佳问题,提出了一种基于Wiener模型的非线性预测函数控制(PFC)方法。通过引入支持向量机回归方法,建立Wiener模型中非线性部分的逆模型,在输出反馈和参考轨迹上分别添加一个Wiener模型中非线性部分的逆模型,将非线性预测函数控制转化为线性预测函数控制,用线性优化算法解决非线性预测函数控制问题,避免了复杂的非线性优化。pH中和过程的计算机仿真结果表明,该方法比PID控制效果更好,而且对模型失配具有很好的自适应性能。     

基于T-S模型的自适应模糊预测函数控制

针对多变量非线性系统，提出一种基于Takagi-Sugeno(T-S)模型的自适应模糊预测函数控制方法.在T-S模糊模型结构已确定情况下，利用加权递推最小二乘法对T-S模糊模型后件参数进行在线辨识.对模糊模型在每一采样点进行线性化，将描述非线性系统的T-S模型转化为线性时变的状态空间模型，并假设输入基函数为阶跃函数，推导出预测控制律的解析式.仿真结果表明，该方法在求解控制律时，无需求解非线性优化问题，并且有效克服了模型失配对系统控制性能的影响，增强了系统的跟踪性能和鲁棒性.     

MDF保安单元原理及其应用

文章通过对MDF保安单元的原理与其主要元器件的质量分析，阐述了保安单元的的防护机理：通过对《总配线架》新旧标准的对比分析，结合机房安全对保安单元着火现象进行了初步分析，提出了如何提高MDF保安单元的质量，并对MDF保安单元的整改更换方案进行了总结。     

基于模型预测控制的四足机器人斜坡自适应调整算法与实现

为了实现四足机器人在有斜坡地形下的自适应稳定行走,在模型预测控制基础上进行扩展,设计四足机器人在斜坡上的足端位置调整与躯干姿态自适应调整策略。由惯性测量单元(inertial measurement unit,IMU)测得机器人运动时的姿态参数,通过推导的足端轨迹算法,得到足端位置的坐标映射,调整机器人在斜坡上的重心位置;通过设计的“虚拟斜坡”躯干姿态调整算法,实现机器人在上坡过程中躯干姿态的自适应调整。利用实验室的四足机器人物理平台和搭建的实际斜坡地形环境,验证了所提算法的可行性和有效性。机器人平台验证结果表明,所提出的斜坡自适应控制方法提高了机器人在坡面上的稳定裕度,优化了足端运动空间,实现了四足机器人的自适应爬坡调整。     

人工免疫算法在水电机组优化组合中的应用

针对水电机组优化组合问题提出一种模拟生物免疫系统的人工免疫算法,给出算法的基本步骤,构造几种人工免疫算子,并对一个有12台机组的水电系统作仿真计算.计算结果表明:人工免疫算法比遗传算法具有更好的全局收敛性和收敛速度.     

一种多变量自抗扰控制结构的设计研究

自抗扰控制器(active disturbance rejection control,ADRC)不依赖于被控系统的完全模型,采用扩张状态观测器(extended state observer,ESO)对系统的内扰和外扰进行实时估计,因而能取得较为理想的抗干扰效果。对于多变量系统,分散ADRC可以将通道之间的耦合看成扰动,通过各自通道的ESO进行估计。对于强耦合的多变量系统,分散ADRC可能不能及时消除耦合。本文提出一种多变量型ADRC控制结构,将静态解耦引入到ADRC控制器设计中,从而能充分利用系统已知动态特性,实现更好的解耦。采用所提方案对循环硫化床锅炉燃烧系统设计多变量ADRC控制方案,仿真结果表明该控制器具有很好的解耦性和鲁棒性。     

基于遗传算法的广义T-S模糊模型预测函数控制

提出了一种基于遗传算法的广义T-S模糊模型预测函数控制算法。首先利用减法聚类确定隶属度函数中心和模糊规则数,然后利用遗传算法同时对广义T-S模型的其他前提参数和结论参数进行辨识,并进行全局寻优。最后将本文提出的算法应用在具有强非线性特性的pH中和过程中。仿真结果表明:本文算法具有较小的超调和较好的跟踪能力。     

线性预测编码技术及其在G．729中的应用研究

线性预测编码(LPC)技术是一种重要的语音信号处理技术,广泛地应用在估计基本的语音参数等方面.详细介绍了线性预测编码技术的原理以及三种基本实现算法,并着重研究了LPC技术在G.729语音编码标准中的应用,最后采用仿真工具MATLAB对语音信号进行LPC分析,验证了LPC是对语音信号谱进行估计的一种有效方法.