非线性系统模糊预测控制研究

研究了非线性系统模糊预测控制的结构原理和算法原理。推导了相应的模糊预测控制算法,提出了模糊模型的在线递推修正公式,并对典型的非线性系统模糊预测控制进行了仿真研究。研究结果表明,所提出的非线性系统模糊预测控制算法,具有软件实现简易、系统性能优良等优点。     

基于非线性模型预测控制的飞机全电刹车控制

针对飞机全电刹车系统的非线性和不确定性,分析了全电刹车系统工作原理,建立了系统数学模型并提出了一种基于准无限时域非线性模型预测控制的飞机全电刹车控制算法;该方法通过实时预测、滚动优化以及反馈校正的策略完成对非线性对象的高效控制,且在满足一定设计规则的前提下具有渐近稳定性;仿真结果表明,与传统的模糊PID控制方法相比,该方法能够控制全电刹车系统获得更稳定和优化的滑移率,从而提供更好的刹车性能。     

变风量空调系统的模糊神经网络预测控制

针对变风量中央空调系统具有多变量、大滞后和非线性的系统特性及常规控制算法系统响应慢、控制精度不高等问题,提出了模糊神经网络预测控制策略.该方法将模糊神经网络控制与预测控制技术相结合,建立了模糊神经网络与预测控制结合的复合控制器模型,通过优化变风量控制方式,有效地实现了中央空调系统的预测控制.结果表明,该控制方法能使系统具有良好的动态性能和稳态性能,控制精度高,节能效果显著,具有广泛的应用前景.     

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。     

基于T-S模糊模型的直接自适应预测控制

提出一种基于T-S模糊模型的直接自适应预测控制算法。该算法利用加权递推最小二乘法在线辨识T-S模糊模型的后件参数。用已经辨识好的参数,进行直接迭代计算,直接得到模型的预测输出。此算法很好地解决了非线性预测控制中,建模与优化两大难题,为非线性系统的高精度控制提供了保证。计算机仿真表明,该算法具有较好的跟踪性能。     

模糊预测控制机理研究

探讨了模糊预测控制机理，提出了两种模糊预测模型，并利用泛布简化法对它们进行了处理，得到了模糊预测模型规范化模式，在此基础上研究一套完整的模糊预测控制算法，并将此控制算法进行了仿真研究和比较性研究，研究结果表明，模糊预测控制优于其它常规控制。     

模糊预测控制机理研究

探讨了模糊预测控制机理，提出了两种模糊预测模型，并利用泛布尔简化法对它们进行了处理，得到了模糊预测模型的规范化形式。在此基础上研究了一套完整的模糊预测控制算法，并将此控制算法进行了仿真研究和比较性研究，研究结果表明，模糊预测控制优于其它常规控制     

太阳能集热器测试系统的模糊预测控制

针对太阳能集热器热性能测试系统中基于PID控制算法的不足,提出一种模糊预测控制算法。首先将模糊控制与预测控制结合起来,然后将其共同应用于实际系统的调节,最后运用SIMULINK建立基于PID算法的仿真模型以及基于模糊预测控制算法的仿真模型。仿真结果证明,模糊预测控制方法使温控具有较强的鲁棒性与较快的响应速度,大大提高了系统的检测效率。     

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。     

模糊预测控制在非线性时滞系统中的应用

针对工业控制系统中的非线性、时滞两大难题,结合预测控制中典型的动态矩阵控制(DMC)算法对时滞、模型失配、畸变、干扰等引起的不确定性能够及时得到弥补的优点以及T-S模糊模型对非线性系统良好描述的特性,将模糊控制与预测控制有机结合起来,根据被控对象工作点的变化实时选择模糊规则所对应的阶跃响应模型向量,结合DMC控制算法得到最优控制量,将基于线性系统建模的预测控制应用于非线性时滞系统控制中.     

冲天炉温度控制系统的研究与设计

研究了冲天炉温度控制系统及其设计问题，提出了一种新型的控制算法———带加速度预测器和非线性校正网络的预测模糊控制算法，并进行了仿真研究．研究结果表明，该算法是可行的，系统的控制性能是优良的     

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。     

QDPSO滚动优化的LS-SVM预测控制研究

针对非线性强时滞系统,传统的预测控制算法难以建立精确模型,其控制精度不高。提出一种基于最小二乘支持向量机(LS-SVM)的非线性模型预测控制算法,该算法通过LS-SVM对非线性系统输入输出数据序列的训练学习,构建其离线的预测模型,然后运用量子粒子群优化(QDPSO)算法来完成整个滚动优化的过程。仿真结果表明基于LS-SVM的非线性模型预测控制比动态矩阵控制具有更好的控制品质。     

基于ISSA的多变量ORVFL网络自适应预测控制

针对多输入多输出（Multiple?Input Multiple?Output, MIMO）的非线性系统,提出了一种基于改进的麻雀搜索算法（Improved Sparrow Search Algorithm, ISSA）的在线序列随机权值网络( Online Random Vector Functional?Link Net, ORVFL)自适应预测控制算法(ISSA?MPC)。该算法采用ORVFL网络逼近非线性系统模型,并用于系统过程的多步预测。为了提高麻雀搜索算法的性能,使用该算法对系统性能指标进行了在线优化,求解了每一个采样周期的最优控制律。结果表明,该算法控制性能良好并具有较好的抗模型失配能力。     

基于HGA的模糊神经控制充电器设计与实现

将神经网络与模糊控制相结合,实现了模糊控制器的自学习和自适应,提出了基于递阶遗传算法的模糊神经网络优化算法来进行蓄电池的充电控制,通过对每个染色体采用递阶编码,可以同时优化模糊神经网络结构和权值参数,实现对非线性的、时变的、有干扰的、具有纯滞后的蓄电池充电控制系统的最佳控制.     

形状记忆合金位置控制系统数值分析与研究

本文提出一种利用形状记忆合金（SMA）驱动性质并结合模糊逻辑算法进行结构位置控制的方法。首先,介绍利用常温下马氏体形状记忆镍钛合金（Nitinol）的驱动特性制成的位置控制装置的基本原理。采用电加热的方法改变Nitinol的温度,从而驱动控制对象发生位置变化。采用与温度变化相关的输出位移作为反馈信号,设计出基于反馈控制的自调节控制系统。其次,进行基于模糊逻辑的控制器设计。根据SMA自身的物理特性具有非线性,温度滞后,时变等特性,采用了不依赖于SMA数学模型的模糊控制系统。然后,进行数值仿真分析。在仿真前,对模糊控制模块进行编辑,根据Matlab提供的模糊逻辑编辑器对模糊控制器进行编译。最后,进行试验验证。试验在实验室中完成。试验采用马氏体Nitinol丝材,通过电加热的方法控制物块的移动位置。通过热电偶反馈Nitinol的温度信号,利用电加热控制作动器的运动,利用LVDT监测物块的位置。仿真分析和实验结果均表明,该控制器控制精度高,响应速度快,稳定性好等特点。