鲁棒性多变量预测控制技术的研究和应用

针对时变性强、强耦合和大时滞等过程控制问题,介绍多变量预测控制的一种应用-鲁棒性多变量预测控制技术（RMPCT）的特点及其模型算法,并且论述了预测控制在系统辨识的方面的应用;同时,对软测量仪表的计算误差进行了分析,并根据不同的原因建立了相应的校正模型。用先进控制可以极大地提高石油化工装置的技术水平和经济效益。而作为先进控制核心的系统辨识问题已成为控制系统研究的热点问题。     

模糊广义预测控制及其应用

本文将单变量广义预测控制原理应用到多变量模糊系统,提出了一种基于辨识模糊模型 的多变量预测控制方法.仿真研究表明,该模糊广义预测控制方法适用于工业过程的动态辨 识和控制,交能取得良好的效果.     

火电机组多变量预测控制系统的开发与应用

针对目前我国火电机组对于先进控制软件的迫切需求,结合子空间模型辨识和预测控制技术开发出一种基于状态空间模型的火电机组多变量预测控制系统;该系统采用子空间辨识方法离线辨识状态空间模型,利用多模型切换适应火电机组部分控制回路的非线性特征,最后使用预测控制器完成对象的在线控制;在电厂协调控制回路的实际应用中,负荷升降速率4%,压力偏差小于0.18MPa。所以该系统能够有效提高控制回路的响应速度和稳定性,具有一定的实用性和推广价值。     

多变量系统灰色预测函数控制方法研究

针对多变量时滞系统,提出一种以灰色模型为基础的多变量灰色预测函数控制策略,并给出多变量灰色预测函数控制算法.分析了灰色系统建模,灰色模型预测输出,和控制量计算方程的求解.仿真实验表明,该方法有较强的鲁棒性,快速性和强抗干扰能力强的特点.     

复杂多变量过程模型的闭环频域辨识

针对模型预测控制中模型辨识存在的问题,提出一种多变量过程闭环辨识方法.首先通过对多变量闭环系统正常运行产生的输入输出信号进行信号分解和频谱分析,得出多变量过程对象在重要频率段上的频率响应特性矩阵;然后采用最小二乘法,在幅值和相位两方面拟合一个二阶加纯滞后模型结构;最终获得一个多变量传递函数模型矩阵.仿真实验表明,该闭环辨识方法适用于广泛的多变量过程对象,具有很好的鲁棒性和精确性.     

对角CARIMA模型多变量自适应约束广义预测控制

为了简化约束存在时多变量广义预测控制算法的设计与实现,依据对角CARIMA模型的结构特点,将多输入多输出对象的参数辨识和模型预报问题转化为一系列多输入单输出子对象的参数辨识和模型预报问题.推导了输入输出的约束形式及优化求解过程.简化了多变量对象的参数辨识、模型预报、目标函数和约束条件系数矩阵的计算.在由DCS控制的非线性液位装置上的对比实验结果表明了该方法的有效性.     

原油换热网络多变量预测控制

针对原油换热网络输入输出变量多、传统的控制方法控制难度大等问题,本文建立了用于仿真的Simulink辨识模型.利用模型预测控制原理,采用旁路控制的方法,借助预测控制工具箱(MPC toolbox)实现对换热网络Simulink模型的多变量预测控制,实现了输入变量平稳、输出变量控制稳定、控制精确及动态响应时间短等优点.在本机控制的基础上,借助OPC工具箱实现不同PC机问MATLAB与PHD数据库的实时交换,达到实时控制的目的,进而实现了整个换热网络的实时多变量预测控制.     

基于M次不相关激励和汇总智能优化的多变量系统辨识方法

针对用单批次激励试验数据进行多变量系统的智能辨识的不准问题,提出了一套基于M次不相关激励和汇总智能优化的多变量系统辨识方法.该方法的要点是:对于有M维输入的多变量系统的准确辨识至少需要M次不相关激励试验,然后采集试验数据,再用汇总智能优化指标进行多变量系统模型的辨识计算.通过理论推导证明了多变量系统辨识需要M次的不相关激励试验的必要性.通过一个应用实例验算,演示了新的多变量系统辨识方法的易用性、正确性和工程实用性.     

MIMO系统的多模型预测控制

针对非线性多变量系统提出一种多模型预测控制(MMPC)策略.首先给出一种多模型 辨识方法,利用模糊满意聚类算法将复杂非线性系统划分为若干子系统,并获得多个线性模型, 通过模型变换得出全局系统模型,接着对全局MIMO系统设计MMPC,并进行了系统的性能分 析,最后以pH中和过程为例,通过仿真研究验证了辨识和控制算法的有效性.     

多变量系统辨识的MUEAIO方法实验验证

当前用智能优化算法进行多变量系统辨识时,普遍存在模型误差大的问题.M次不相关激励和汇总智能优化的方法(MUEAIO)被证明可以解决多变量系统辨识辨不准的问题.但关于M次不相关激励的必要性和充分性还需要更深入的论证.为此,针对一个三入一出的系统,本文设计了五组应用MUEAIO方法的多变量系统辨识仿真实验.实验结果表明:严格执行至少M次不相关激励可得到多变量系统的准确模型,而激励批次不足、或者是不满足不相关激励的条件将得到误差较大的模型,其误差主要表现在模型参数和输出量分量上.     

非线性快速批次过程高效迭代学习预测函数控制EI北大核心CSCD

迭代学习模型预测控制(Iterative learning model predictive control,ILMPC)具备较强的批次学习能力及突出的时域跟踪性能,在批次过程控制中发挥了重要作用.然而对于具有强非线性的快动态批次过程,传统的迭代学习模型预测控制很难实现计算效率与跟踪精度之间的平衡,这给其应用带来了挑战.对此本文提出一种高效迭代学习预测函数控制策略,将原非线性系统沿参考轨迹线性化得到二维跟踪误差预测模型,并在控制器设计中补偿所产生的线性化误差,构造优化目标函数为真实跟踪误差的上界.为加强优化计算效率,在时域上结合预测函数控制以降低待优化变量维数,从而有效降低计算负担.结合终端约束集理论,分析了迭代学习预测函数控制的时域稳定性及迭代收敛性.通过对无人车和典型快速间歇反应器的仿真实验验证所提出算法的有效性.     

锅炉燃烧系统的模糊预测控制

将模糊控制和预测控制相结合,提出了一种新型的模糊预测控制方案,应用于非线性、大延迟、强耦合的锅炉燃烧系统中,并运用风/煤比模糊自寻优控制方法来提高锅炉燃烧的效率。通过仿真实验,结果表明该方案的适应性和鲁棒性都很强,具有很大的工程实用价值。     

仿人预测控制在双足机器人步行控制中的应用

基于零力矩点(ZMP)的预测控制是目前双足机器人步行控制中最先进的方法,但是预测控制需要比较精确的预测模型,在环境扰动导致模型失配时,预测控制的性能下降较快。为了解决这个问题,利用仿人智能控制对环境误差具有较强抑制的特点改进预测控制。探讨了在步行控制中引入仿人智能控制的必要性和仿人智能控制改进预测控制的可行性,并设计了仿人预测控制器。最后通过仿真实验验证了新的控制器对双足机器人步行控制的有效性。     

迭代学习模型预测控制研究现状与挑战

历经20多年的发展, 迭代学习模型预测控制在理论和应用方面都取得了长足的进步. 但由于批次工业过程复杂多样、结构各异、精细化程度较高, 现有的迭代学习模型预测控制理论仍面临着巨大挑战. 本文简要回顾了迭代学习模型预测控制理论的产生及发展, 阐述了二维预测模型、控制律迭代优化及二维稳定性等基本理论问题; 分析了现有方法在理论及应用方面的局限性, 说明了迭代学习模型预测控制在迭代建模、高效优化、变工况适应等方面面临的难点问题, 提出了可行的解决方案. 简要综述了近年来迭代学习模型预测控制理论和应用层面的发展动态, 指出了研究复杂非线性系统、快速系统、变工况系统对进一步完善其理论体系和拓宽其应用前景的意义, 展望了成品质量控制和动态经济控制等重要的未来研究方向.     

Predictive functional control based on fuzzy model forheat-exchanger pilot plant

In this paper, a new method of predictive control is presented. In this approach, a well-known method of predictive functional control is combined with fuzzy model of the process. The prediction is based on fuzzy model given in the form of Takagi-Sugeno type. The proposed fuzzy predictive control has been evaluated by implementation on heat-exchanger plant, which exhibits a strong nonlinear behavior. It has been shown that in the case of nonlinear processes, the approach using fuzzy predictive control gives very promising results. The proposed approach is potentially interesting in the case of batch reactors, heat-exchangers, furnaces, and all the processes that are difficult to model     

一种基于最小二乘支持向量机的预测控制算法

针对工业过程中普遍存在的非线性被控对象，提出一种基于最小二乘支持向量机建模的预测控制算法．首先，用具有RBF核函数的LS-SVM离线建立被控对象的非线性模型；然后，在系统运行过程中，将离线模型在每一个采样周期关于当前采样点进行线性化，并用广义预测算法实现对被控系统的预测控制．仿真结果表明了该算法的有效性和优越性．     

基于神经网络的预测控制算法

针对某炼油厂油品车间柴油调和过程这个多输入多输出复杂对象进行了神经网络内模控制的仿真研究,其中在线优化算法采用线性规划的方法.神经网络预测控制正是克服了传统控制思想的束缚,通过对象的输入输出特性建立对象的数学模型,而不必通过复杂的系统辨识来建立过程的模型.对仿真结果进行了比较,结果表明神经网络预测控制算法对复杂对象具有较好的控制作用.     

Fuzzy Predictive Functional Control in the State Space Domain

In the paper, a well-known predictive functional control strategy is extended to nonlinear processes. In our approach the predictive functional control is combined with a fuzzy model of the process and formulated in the state space domain. The prediction is based on a global linear model in the state space domain. The global linear model is obtained by the fuzzy model in Takagi–Sugeno form and actually represents a model with changeable parameters. A simulation of the system, which exhibits a strong nonlinear behaviour together with underdamped dynamics, has evaluated the proposed fuzzy predictive control. In the case of underdamped dynamics, the classical formulation of predictive functional control is no longer possible. That was the main reason to extend the algorithm into the state space domain. It has been shown that, in the case of nonlinear processes, the approach using the fuzzy predictive control gives very promising results.     

预测控制系统的鲁棒性分析*

预测控制的强鲁棒性已在过程控制领域中引起了广泛的注意,本文在对鲁棒性作出定义后,用定量分析的方法说明:预测控制在出现模型失配时鲁棒性优于传统最优控制的主要原因,是由于它增加了对未知模型失配进行预测的功能。     

基于支持向量机的预测函数控制

针对化工过程存在的强非线性生产过程，提出了基于支持向量机技术预测模型的预测函数控制方法。利用支持向量回归的方法对非线性过程进行建模，采用预测函数控制方法进行控制。针对具有强非线性连续搅拌反应釜过程进行仿真，仿真结果表明：支持向量机的建模方法可以有效地解决强非线性的化工过程的建模问题，并且具有较好的泛化能力，基于这种预测模型的预测函数控制具有较好的控制性能和良好的跟踪能力及抗干扰能力。