基于改进DE-NMPC的酸碱中和反应pH值控制

将一种改进的基于差分进化算法的非线性预测控制应用到酸碱中和反应pH值控制系统. 算法充分利用滴定曲线模型, 指导优化过程搜索的初始化空间. 同时, 在变异和选择等操作中改进了差分进化算法, 解决了一类有边界约束的非线性优化问题. 在发酵罐实验装置中进行了测试实验, 取得了较好的效果.     

基于DE算法的非线性预测控制及其应用

针对非线性预测控制系统中需要实时求解非线性规划问题,基于差异演化算法(DE)提出了一种非线性预测控制的新方法。差异演化算法是进化算法的一种,具有全局最优、稳健性强、收敛速度快、及参数调整简单等优点,用于求解非线性预测控制问题中的非线性规划问题具有明显优势。该算法应用于化工过程和化学反应的pH值控制仿真中,仿真结果说明了该方法的有效性。     

酸碱中和反应中pH值的单神经元自适应控制研究

基于酸碱中和反应过程中pH值变化的动态模型,设计单神经元自适应控制器,解决化工生产过程中pH值的PID控制所存在的调节时间长、超调量大和系统抗干扰性差的问题。在相同条件下与PID控制器进行对比实验,实验结果表明单神经元自适应控制器明显改善pH值过程控制系统的动态性能,该控制系统具有较强的自适应性与鲁棒性。     

Model Predictive Control for Nonlinear Distributed Parameter Systems based on LS‐SVM

This paper presents a novel model predictive control configuration for nonlinear distributed parameter systems based on least squares support vector machine. First, a data‐based modeling methodology for an unknown nonlinear distributed parameter system is introduced. Subsequently, the model predictive control framework based on the aforementioned model is presented at the measured point. To verify the effectiveness and feasibility of the control arithmetic, simulation results from a tubular reactor with the controller designed by the presented procedure are given.     

一类非线性系统非切换解析模型预测控制方法研究

针对关系度不确定非线性系统, 基于模型预测控制理论和切换解析非线性模型预测控制(Nonlinear model predictive control, NMPC) 提出了一种非切换的解析NMPC新方法. 论证了在非切换解析NMPC控制律下, 通过坐标变换可以将闭环系统分别在关系度确定和不确定的两个子空间近似为线性系统, 得出非切换解析NMPC使闭环系统稳定的必要条件. 通过仿真实验验证了非切换解析NMPC可以达到很好的响应特性, 无需切换的特征也扩大了其应用范围.     

基于ANFIS的糖厂PH中和过程建模

针对糖厂pH中和过程具有强非线性,大滞后性,不确定性等特点,将模糊推理系统和神经网络相结合,介绍了一种自适应神经模糊推理系统（ANFIS）,并建立了pH中和过程的模型。仿真结果表明,利用ANFIS所建立的模型能很好地逼近实际的非线性系统,并且辨识精度高,泛化能力强,为后续的优化控制研究奠定了基础。     

基于稳态非线性模型和线性ARX模型组合的非线性预测控制

通过点集映射来表示非线性系统的稳态模型,用系统的稳态增益来修正具有外界输入的线性自回归（AutoRegressive with eXternal input, ARX）模型的动态增益,提出了一种基于稳态非线性模型和线性ARX模型组合的非线性预测控制算法．该算法用递归最小二乘法在线辨识系统的动态模型参数,用序列二次规划算法求解目标函数．最后通过对典型化工非线性对象pH中和过程的仿真对本算法进行了验证．结果表明,本算法比广义预测控制算法具有更好的设定值跟踪性能和抗干扰能力．     

废水中和过程的RBF神经网络预测控制

废水中和过程有较强的非线性、时变性和滞后特性,对于过程模型的辨识与控制较为困难,采用常规的线性化模型或传统PID控制方法存在模型过于复杂,算法难以在线实施,控制精度不能保证等问题,很难取得满意的控制效果、针对该问题,应用酸碱中和的强酸当量模型,提出了一种基于敏感度(Sensitivity Analysis,SA)和动态粒子群优化算法(Dynamic Particle Swarm Optimization,DPSO)相结合的RBF神经网络模型辨识方法,通过调整网络结构和辨识出系统的滞后时间来提高模型辨识效率和预测精度,将RBF神经网络辨识器与神经网络控制器相结合构成电厂废水处理pH中和过程的预测控制系统。经过仿真研究和试验验证,与电厂实际应用的PID控制方法相比较,该方法能有效地对pH值进行控制,并实现较小的控制误差和节约药剂的效果。     

基于最小二乘支持向量机和混沌优化的非线性预测控制

针对非线性多入多出（MIMO）系统,提出一种基于最小二乘支持向量机（LSSVM）和混沌优化的预测 控制策略．预测模型是预测控制的三要素之一．本文给出了基于混沌优化的Chaos-LSSVM 算法,在可行域内反复搜 索,从而得到最优的LSSVM 算法参数,以及最优的LSSVM 模型．在线优化是另一个要素．提出了基于变尺度混沌 优化的MSC-MPC（变尺度混沌－模型预测控制）算法,可根据控制误差的大小,决定是否缩小搜索范围,从而迅速 收敛到最优解．该算法计算简单,容易实现,避免了同类方法复杂的求导、求逆运算．仿真结果显示：Chaos-LSSVM 算法和MSC-MPC 算法分别具有良好的建模、控制性能．     

采用Hammerstein模型的非线性预测控制

对于象ｐＨ中和，高纯度分离以及化学反等过程的控制，由于其过程本身的严重非线性而变得十分困难。本文提出了一种采用Ｈａｍｍｅｒｓｔｅｉｎ模型的预测控制方法来控制诸如上述的非线性过程，Ｈａｍｍｅｒｓｔｅｉｎ模型用两种方法进行辨识：联立辨识法与序贯识法，特别地，本文提示了一种改进型Ｈａｍｍｅｒｓｔｅｉｎ模型用于克服常规Ｈａｍｍｅｒｓｔｅｉｎ模型在控制器设计时的不足之处，对－ｐＨ中和过程的仿真结果表明，基于     

非线性反馈线性化方法在控制pH过程中的应用

pH过程广泛存在于化工、生物工艺、污水处理、发电等工业中,对这一过程进行良好的控制有着十分重要的意义.本文主要介绍了对pH过程使用反馈线性化的非线性控制设计.这种设计能较好的处理pH过程的非线性和滞后性.     

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.     

Generalized Predictive Control with Online Least Squares Support Vector Machines

This paper proposes a practical generalized predictive control （GPC） algorithm based on online least squares support vector machines （LS-SVM） which can deal with nonlinear systems effectively. At each sampling period the algorithm recursively modifies the model by adding a new data pair and deleting the least important one out of the consideration on realtime property. The data pair deleted is determined by the absolute value of lagrange multiplier from last sampling period. The paper gives the recursive algorithm of model parameters when adding a new data pair and deleting an existent one, respectively, and thus the inversion of a large matrix is avoided and the memory can be controlled by the algorithm entirely. The nonlinear LS-SVM model is applied in GPC algorithm at each sampling period. The experiments of generalized predictive control on pH neutralizing process show the effectiveness and practicality of the proposed algorithm.     

基于Hammerstei模型的非线性预测控制

本文提出了一种针对 Hammerstein模型的预测控制策略.该策略将Hammerstein模型中的无记忆非线性静态增益环节,改进成易于由中间变量求取控制量的环节,避免了求解高阶方程根的困难,又对线性环节采用线性系统的广义预测控制.由于引入了广义预测控制中多步预测的思想,抗噪声的能力显著提高.仿真结果验证了该策略的有效性.     

基于Hammerstei模型的非线性预测控制

本文提出了一种针对Hammerstein模型的预测控制策略。该策略将Hammerstein模型中的无记忆非线性静态增益环节,改进成易于由中间变量求取控制量的环节,避免了求解高阶方程根的困难,又对线性环节采用线性系统的广义预测控制。由于引入了广义预测控制中多步预测的思想,抗噪声的能力显著提高。仿真结果验证了该策略的有效性。     

基于神经网络的非线性模型预测控制

该文提出了一种基于神经网络的模型预测控制结构 ,并使用一个新的随机搜索优化算法来求解预测控制律 ,计算机仿真证明了所设计的控制算法的正确性和有效性     

基于LS-SVM的船舶航向模型预测控制

针对船舶动态性能具有较强的非线性、大惯性及时变性的特点,采用具有RBF核函数的最小二乘支持向量机(LS-SVM),利用其可以任意逼近非线性模型的良好特性实现对船舶模型有效辨识,得到船舶航向控制系统的非线性逼近模型,并将其与模型预测控制方法相结合,将最小二乘支持向量机辨识得到的系统模型作为预测模型,并将系统模型进行线性化并用线性预测控制方法求得解析的控制律,实现对船舶航向的预测控制,达到良好航向保持目的。仿真结果表明,最小二乘支持向量机降低了计算复杂度,且有较快计算速度,在小样本情况下具有良好的泛化能力;基于最小二乘支持向量机的船舶航向预测控制系统对外界干扰及模型参数摄动均具有较好的适应能力以及良好的控制性能。     

基于闭环降阶模型的pH中和过程自适应控制

针对pH中和过程,提出了基于闭环系统降阶模型的自适应PI控制器.首先利用三阶模型直接辨识高阶闭环系统,然后从闭环系统模型中提取反映闭环系统动态性能的特征量,并利用特征量建立相应的规则来整定控制器.该方法解决了传统自适应控制中难以获取精确对象模型的问题.仿真结果表明,所设计的方法实现了对pH中和过程的有效控制.     

模糊预测控制在pH中和过程中的应用

针对pH中和过程,提出了一种基于T-S模型的模糊预测控制算法,以实现系统的滚动优化控制。T-S模糊模型的前件和后件参数分别采用模糊C均值聚类(FCM)和正交最小二乘法(OLS)进行离线或在线辨识。在每一个采样时刻以当前辨识出的T-S模型为基础实现系统的局部动态线性化,再根据线性化模型对pH过程实施广义预测控制(GPC),得到当前的控制量。仿真表明了该控制方法具有较小的超调性质,且在扰动作用下能快速跟踪到设定值,具有很强的鲁棒性。     

一种基于T-S模型的模糊预测控制

提出了一种基于T-S模型的模糊预测控制策略。T-S模糊模型用来描述对象的非线性动态特性,通过当前的工况参数实时在线的修正每一时刻的阶跃响应模型参数,将模糊模型作为常规线性预测控制DMC方法的预测模型,从而把T-S模型对复杂的非线性系统的良好描述特性和预测控制的滚动优化算法相结合,来实现利用常规线性预测控制策略对非线性系统的有效控制,有效地解决了复杂工业过程的强非线性问题。pH中和过程的仿真结果表明其性能明显优于传统的PID控制器。