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速推修正公式,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.     

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。     

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。     

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。     

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。     

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     

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.     

均热炉温度模糊滑模迭代学习控制算法

针对具有不确定性的重复非线性均热炉温度控制系统,提出基于模糊滑模迭代学习控制算法。该算法以系统的滑模函数作为模糊控制器的输入,以模糊控制器的输出作为迭代学习控制的控制增量。将滑模控制算法引入到迭代学习控制中能够加速迭代学习控制的收敛速度,利用模糊控制能够减小滑模控制所引起的抖动问题。通过仿真可以看出,模糊滑模迭代学习控制算法能够实现系统快速收敛,该算法比单纯反馈控制具有更好的控制效果。     

烟草烘丝过程的水分控制

讨论了烟草生产中烘丝过程的水分控制问题．根据烘丝过程各阶段不同的工艺要求,提出了包括有开关控制、跟踪控制及预测控制的分段变策略控制方案．针对烘丝过程的非线性、不确定性及存在大滞后的特点,提出了一种基于模糊模型的自校正预测控制算法,并且与前馈控制方法结合,应用于烘丝过程的送料稳定阶段．系统仿真证明的可行性．     

模糊滑模控制在数控转台伺服系统中的应用

针对一类包含不确定性和非线性因素的数控转台伺服系统,提出了一种基于模糊逻辑的滑模变结构控制算法。采用积分滑模面方法设计了切换函数,并将其作为模糊系统的输入,设计了单输入的模糊控制器。利用模糊控制策略调节控制量,获得系统的控制输出。仿真结果表明,模糊滑模控制算法有效地削弱了常规滑模控制中出现的抖振现象,提高了系统的响应速度,并增强了系统的鲁棒性。     

模糊预测控制在地形跟踪中的应用

将模糊控制和非线性预测线结合起来,提出了模糊测控制律,该控制律利用恰当的函数展开预测非线性连续系统的响应,通过系统响应误差及其变化率的模糊变量确定性能测量值,由控制决策给出控制量,在巡航弹地形跟踪应用中的结果表明,模糊预测控制律具有精确的跟踪性能。     

PID参数模糊自整定控制在液位控制系统中的应用

针对液位控制过程中存在的大滞后、时变、非线性的特点,提出了PID参数模糊自整定控制算法。运用阶跃响应测试对双容水箱液位系统建立数学模型选取恰当的隶属度函数和PID控制规则,设计PID参数模糊自整定控制器。最后,利用MATLAB工具对PID参数模糊自整定控制算法和传统PID控制算法进行仿真比较。仿真结果表明,与传统PID控制算法相比,PID参数模糊自整定控制算法具有超调小、调整时间短等特点。     

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。     

直驱式永磁同步风电系统变桨距控制算法研究

以直驱式永磁同步风电系统为研究对象,在各部分数学模型的基础上,建立了整个风电系统的模型。基于此模型,考虑到风电机组非线性强、转动惯量大导致变桨距控制困难的问题,提出了基于模糊自适应PID和模糊前馈结合的变桨距控制算法并对该算法进行了仿真。仿真结果表明,当风速高于额定风速时,该控制算法能有效地控制风电机组的输出。最后在相同风速条件下比较了该控制算法与模糊控制算法、传统的PID控制算法的控制效果。比较结果表明,当风速高于额定风速时,虽然3种控制算法均能控制风电机组的输出,但是与模糊控制算法和传统的PID控制算法相比,本文提出的算法具有更好的稳定性和动态特性。     

基于递归小脑神经网络的模糊自适应控制

为解决一类不确定非线性系统控制问题,提出了小脑神经网络模糊自适应算法.将系统分为标称模型、参数不确定部分以及包含建模误差、干扰及未建模动态等在内的混合干扰项,用模糊自适应控制实时逼近系统各个不确定参数,用鲁棒控制消除混合干扰,并设计了递归小脑模型关节控制器作为观测器来对混合干扰的上界进行实时逼近.李亚普诺夫理论证明了控制算法可使系统一致有界稳定,微飞行机器人姿态控制仿真结果表明,控制算法改善了系统的动态性能及鲁棒性,研究结论对复杂非线性系统的有效控制提供了依据.     

一类非线性系统的混合自适应模糊辨识与控制

采用非线性模糊系统(即第二类模糊逻辑系统)来实现一类非线性系统的模糊辨识和控制,结合模型辨识过程中的模型误差和模型控制过程中的跟踪误差,提出了一个混合自适应律,运用BP算法对该自适应律进行了在线调整,使辨识参数和控制参数同时达到最优;利用Lyapunov方法证明了该控制算法的稳定性,改善了跟踪速度等性能.     

混合动力汽车电子节气门的模糊自适应PID控制

针对传统PID控制对非线性控制系统难以设置最佳PID参数和模糊控制难以消除静差的问题,建立了混合动力汽车电子节气门非线性运动模型,提出应用模糊自适应PID控制算法对电子节气门的目标位置进行跟踪控制.实验结果显示,应用模糊自适应PID控制算法对模型的非线性具有较好的适应性,在控制中跟踪误差小于传统PID控制,具有较好的跟踪效果.