基于PSO与LMI优化的非线性模型预测控制

将微粒群算法(PSO)与线性矩阵不等式(LMI)用于输入受限非线性预测控制器的设计,提出了基于PSO与LMI联合优化的非线性预测控制算法。算法采用双模控制策略,利用LMI离线优化确定终端不变区域,以扩大非线性优化的求解范围,降低算法的保守性。利用PSO在线优化求解非线性预测控制输入,以避免求解非线性规划问题,同时对算法的稳定性进行了分析。仿真结果表明了该算法是有效的、可行的。     

基于T-S模型的非线性多变量系统快速GPC控制

把T-S模糊模型辨识非线性对象和预测控制技术相结合,提出一种基于T-S模型的非线性耦合多输入多输出系统快速广义预测控制(GPC)方法,并给出了简化的规则选择方法.该方法在线调节参数少、计算量小.仿真结果表明具有控制平稳、超调小、跟踪快的特点.能够对非线性耦合多变量系统进行良好控制,适合工业过程在线应用.     

多变量非线性系统的有约束模糊预测控制

针对多变量非线性系统提出了一种带约束输入的广义预测控制(GPC)算法.首先对多变量非线性系统建立T-S模糊模型,利用模糊聚类算法和正交最小二乘算法对输入变量的模糊划分及后件部分的参数分别进行辨识,然后在每个采样点对系统进行局部动态线性化.根据得到的系统线性化模型设计GPC算法,该算法充分考虑了控制输入及其增量受约束的情况,而且不必求D iophantine方程,大大减小了计算量.仿真结果表明该算法能保证系统输出有效跟踪设定值,而且控制输入和控制增量均在其约束范围之内.     

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。     

基于数据驱动的热连轧厚度建模与控制方法

针对轧机厚度机理模型逐渐不满足现有的控制精度要求的现象,提出了一种基于数据驱动的热轧带钢厚度预测与控制方法.该方法通过对输入空间数据进行在线聚类划分,在各子空间使用最小二乘支持向量机(least square support vector machine,LS-SVM)在线算法建立非线性模型,并预测系统的输出值,利用预测控制方法求得控制量,根据控制器加权策略得到全局控制量.仿真结果证明了该方法的有效性.     

基于神经元的自适应预测PID控制

提出了一种采用神经元的自适应预测PID控制方案。神经元具有很强的自学习和自适应能力 ,它可根据系统的误差并通过一定的学习算法来不断修正控制器的参数 ,使控制器能够适应受控对象结构参数以及环境的变化。因此采用单神经元构成自适应PID控制器 ,将神经元与PID控制结合 ,对PID参数进行在线寻优、自校正 ,使PID控制能有效地对付一些较复杂非线性被控对象 ,特别是难于用传统方法建模的被控对象。同时为了提高系统的快速跟踪和抗干扰能力 ,采用了动态自适应神经元 (APE)对非线性系统进行预测 ,即用神经元建立起非线性系统的预测模型 ,预测系统的未来输出 ,从而提高了控制系统的控制品质。同时详细介绍了该控制系统的自适应控制算法。仿真结果表明 ,这种自适应控制方案切实可行 ,其控制品质明显优于常规PID控制 ,且具有较强的鲁棒性 ,达到了良好的控制效果。     

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.     

基于模糊评判与状态预测的精密空调控制软件开发

在精密空调控制中,由于环境温度、相对湿度等因素的相关影响,基于模糊控制PID、神经网络PID算法实现的控制系统在环境调节过程中,可能使执行机构陷入往复操作的震荡局面,从而浪费能源;另一方面,上述算法存在实现复杂、系统资源需求大、控制系统成本高的缺点.结合精密空调控制系统的特点,提出了基于模糊评判与状态预测的控制模型,该模型基于模糊控制的基本原理和控制要求设计一模糊控制规则表,将精密空调对环境的调节看成执行机构从初态到终态一系列的状态变化过程,根据检测机制当前检测到的温湿度,利用规则表和模糊评判函数决定对执行机构的控制操作.该模型在单片机上得到了实现.实验表明:基于模糊评判与状态预测的控制模型有效克服了模糊控制PID、神经网络PID模型的不足,开发的控制系统成本低,节能效果良好.     

基于非线性模型预测的四旋翼无人机轨迹跟踪控制

针对四旋翼无人机轨迹跟踪控制器跟踪性能不稳定的问题,提出一种基于非线性模型预测控制(nolinear model predict control, NMPC)的轨迹跟踪算法。首先,建立四旋翼无人机的动力学模型,定义四旋翼无人机的位置和姿态为状态量,螺旋桨转速为控制输入量,建立非线性状态空间方程作为控制算法的预测模型。其次,定义最优化函数和四旋翼无人机控制约束,将轨迹跟踪控制问题转换为非线性最优化求解问题。最后,通过多重打靶法求解得到的最优控制量作为四旋翼无人机的输入信号。为验证NMPC算法的跟踪性能,在Matlab中搭建仿真平台进行对比实验,结果表明,与PID和串级模型预测控制(model predict control, MPC)及改进MPC方法相比,NMPC算法能够在满足约束的情况下完成轨迹跟踪任务,误差小、精度高,并具有抗干扰能力。     

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。     

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。     

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.     

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。     

基于递归聚类与相似性的模糊神经网络结构设计

针对模糊神经网络结构设计问题,提出一种基于递归聚类与相似性的结构设计方法.首先,提出以输出变化强度为导向、以结构细分为手段的递归聚类方法对网络初始结构进行设计.其次,通过计算模糊规则的相似性,将高度相似的规则进行合并,在保持良好精度的前提下,对网络初始结构进行简化.最后,通过函数逼近、非线性系统辨识仿真实验验证了方法的可行性和有效性.     

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.     

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