神经网络广义预测控制在锅炉燃烧系统中的应用

针对锅炉燃烧系统的非线性、大延迟、时变、干扰频繁等特点,以煤粉浓度为中间被调量,将神经网络、广义预测控制、串级控制相结合,设计了基于神经网络模型的广义预测串级控制系统.该控制方法克服了单纯PID控制对大惯性大延迟对象调节品质差、抗干扰性弱的缺点,神经网络预测器有效地补偿了传统预测控制基于线性模型的局限性.将该控制算法用于燃烧系统中主汽压力对象的控制,仿真结果表明该方法具有较强的跟踪性能和抗干扰能力及良好的动静态性能指标.     

神经网络预测控制在中央空调水系统控制中的应用

针对中央空调水系统的非线性、大迟延、大惯性等特点,分析了现有的控制方法在中央空调水系统控制中存在的问题;文章将神经网络与预测控制相结合直接应用于非线性大延迟的中央空调控制系统,该控制方法克服了单纯PID控制对大迟延大惯性对象调节品质差、抗干扰性弱的缺点,神经网络预测控制还有效地补偿了传统预测控制基于线性模型的局限性;工程实例表明,该算法具有优良的控制性能,有利于工程实现。     

基于神经网络模型的最小预测误差非线性自适应控制器

主要研究基于神经网络模型的最小预测误差非线性自适应控制算法.利用神经网 络激励函数的分段局部线性近似,将基于神经网络的非线性系统一步前向预测控制转化为一 系列局部的线性预测控制问题.利用线性系统参数估计方法获得神经网络预测模型的参数估 计.在此基础上利用并联线性系统的预测控制方法设计全局收敛的非线性系统预测控制器.     

延迟时间未知的时延系统灰色预测控制

延迟时间的变化可能会引起控制品质的恶化，甚至使系统不稳定，利用灰色预测控制不需要掌握被控对象模型结构的先验信息，具有很强的自适应性的优点，同时利用神经网络辨识延识系统的延迟时间来在线调整灰色预测控制器的参数，将二结合用于有不确定性延迟时间的大延迟系统的控制，仿真结果表明这种控制策略具有很好的控制效果。它是大延迟控制中克服延迟时间变化的很有希望的方法。     

基于神经网络与多模型的非线性自适应广义预测解耦控制

针对一类非线性多变量离散时间动态系统,提出了基于神经网络与多模型的非线性自适应广义预测解耦控制方法.该控制方法由线性鲁棒广义预测解耦控制器和神经网络非线性广义预测解耦控制器以及切换机构组成.线性鲁棒广义预测解耦控制器用于保证闭环系统输入输出信号有界,神经网络非线性广义预测解耦控制器能够改善系统性能.切换策略通过对上述两种控制器的切换,保证系统稳定的同时,改善系统性能.同时本文给出了所提自适应解耦控制方法的稳定性和收敛性分析.最后,通过仿真实例验证了该方法的有效性.     

神经网络类机理建模下的持续自学习控制

针对未知、时变复杂动力学系统在基于模型的控制中的动态建模问题, 本文采用前向全连接神经网络对动力学系统进行数据驱动下的非机理拟合建模. 通过动态线性化和归一化/反归一化数据处理, 基于前向传播算法, 将神经网络的网络拓扑计算过程转化成动力学系统机理模型的同构等价表达形式. 与基于模型的预测与反演控制相结合, 提出了神经网络类机理建模下的持续自学习控制方法, 探索了神经网络在动力学系统建模与控制中的可解释性问题. 以机械臂为控制对象的仿真结果表明, 神经网络类机理模型与机理模型在形式上同构, 在参数上近似或等价, 可用于控制系统控制品质的定性、定量分析. 持续自学习控制对非线性未知、时变复杂系统具有较好的动态适应能力.     

非线性时滞系统双阶段神经网络的改进广义预测控制

针对一类工业控制系统中存在的非线性、大时滞等情况,提出一种基于双阶段神经网络的改进隐式广义预测控制方法。首先,设计了一种基于快速回归算法和蝙蝠算法的双阶段神经网络模型,用于对非线性时滞系统进行建模,避免非线性系统下的模型失配问题;其次,采用比例积分(proportional integration, PI)结构优化广义预测控制目标函数设计,提高隐式广义预测控制性能;同时,改进控制增量选取策略,利用所预测的未来控制增量修正当前时刻控制增量;最后,将所设计的预测模型和预测控制方法应用于一个数值案例和锅炉燃烧系统,验证了所提控制策略的有效性。     

基于神经网络与多模型的非线性自适应广义预测控制

针对一类不确定非线性离散时间动态系统, 提出了基于神经网络与多模型的非线性广义预测自适应控制方法. 该自适应控制方法由线性鲁棒广义预测自适应控制器, 神经网络非线性广义预测自适应控制器和切换机制三部分构成. 线性鲁棒广义预测自适应控制器保证闭环系统的输入输出信号有界, 神经网络非线性广义预测自适应控制器能够改善系统的性能. 切换策略通过对上述两种控制器的切换, 保证系统稳定的同时, 改善系统性能. 给出了所提自适应方法的稳定性和收敛性分析. 最后通过仿真实例验证了所提方法的有效性.     

基于随机神经网络的多步网络时延预测模型

网络时延的动态变化反映了网络路径的负载特征,对时延的精确预测是实施网络拥塞控制、路由选择的重要依据,建立了基于随机神经网络的时延预测模型,该模型克服了传统时间序列预测方法受随机干扰因素影响大、模型结构辨识过程繁琐,以及传统神经网络预测方法易于陷入局部极值、偏离全局最优的缺点.仿真实验表明,在提前单步和多步的预测中该模型比AR模型、RBF神经网络预测算法的准确度更高.     

基于神经网络延迟预测的Internet机器人远程控制

针对Internet机器人控制中延迟变化所引起的不稳定问题，采用基于RBF神经网络的延迟时间预测方法，并将其与Smith预估器结合应用于Internet机器人控制中，解决了变延迟情况下的系统稳定，仿真结果表明该方案具有较好的有效性和鲁棒性。     

多步预测性能指标函数下的神经网络逆动态控制方法

将预测控制与神经网络逆动态控制相结合,提出了多步预测性能指标函数下的神经网络逆动态控制方法。该方法用多步预测性能指标函数训练神经网络逆动态控制器的权值,使整个系统具有预测控制的特点,有比通常的神经网络逆动态控制快得多的响应速度和更好的响应性能。     

基于状态反馈的预测二次稳定系统设计

基于广义预测的状态空间形式，提出了一种新的鲁棒预测控制设计方法—预测二次稳定控制器。利用Riccati方程给出了最优控制律，并在理论上给出了严格的证明。这种控制算法可以保证控制系统的稳定性。与广义预测控制方法进行比较，仿真结果表明该鲁棒预测控制方法是有效的，其控制性能明显优于常规的广义预测控制。     

具有时变通信受限非线性信息物理系统的网络化预测控制

针对具有时变通信受限的一类非线性信息物理系统,本文采用网络化预测控制策略,对于时变通信时延和数据丢失,不是使用常规的被动方式抑制,而是进行主动补偿.为了使补偿时变通信受限的方式简单、主动和通用,提出了一种新颖的网络化非线性预测控制方法.所设计的网络化非线性预测控制器能达到具有与无网络的本地闭环控制系统完全相同的期望控制...     

基于迭代学习与模型预测控制的交通信号混合控制方法

针对基于迭代学习控制的交通信号控制方法对于路网中存在的非重复性实时干扰不能进行有效处理的问题,本文在基于迭代学习控制的交通信号控制方法基础上,结合模型预测控制滚动优化和实时校正的特点,提出了一种基于迭代学习与模型预测控制的交通信号混合控制方法.该方法在有效利用交通流周期性特征改善路网交通状况的同时,可借助模型预测控制的...     

多变量模糊预测控制及其应用研究

将文献「３」的单变量模糊预测控制方法加以推广，提出一种多变量模糊预测控制算法，并将其应用无机组负荷控制系统。仿真结果表明，所提出的多变量模糊预测控制方法是有效的。     

Model predictive control of a power-split hybrid electric vehicle system

This paper presents a model predictive control approach for the energy management problem of a power-split hybrid electric vehicle system. The model predictive control is suggested to optimally share the road load between the engine and the battery. By analyzing the configuration of the power-split hybrid electric vehicle system, we developed a simplified model for better implementation of model predictive control. The model predictive control problem is solved using numerical computation method: continuation and generalized minimum residual method. Computer simulation results showed that the fuel economy was better using the model predictive control approach than the ADVISOR rule-based approach in three cases. We conclude that the model predictive control approach is effective for the application of power-split hybrid electric vehicle systems energy management and has the potential for real-time implementation. The simplified modeling method of the power-split hybrid electric vehicle system configuration can be applied to other configurations of hybrid electric vehicle.     

工业过程系统的预测控制

预测控制方法自1970's提出后在学术界和工业应用领域都取得了很大的进展,尤其在工业过程控制方面成为一种重要的先进控制方法.根据工业过程控制的特点和进一步的需求,对近年来在工业过程控制领域预测控制方法取得的新进展进行综述,包括过程控制系统模型辩识,数据驱动的预测控制和在网络信息模式下的预测控制等.并对预测控制进一步的发展需求进行分析,介绍了欧盟正在进行的第七框架对于大系统分布式预测控制的研究内容.     

广义预测控制：理论、算法与应用*

本文简要介绍了广义预测控制基本方法及其近年来提出的改进广义预测控制算法，并对非互性系统广义预测控制、多变量系统广义预测控制、广义预测控制的稳定性与鲁棒性分析作了进一步讨论，最后，概述了广义预测控制在工业中的应用和广义预测控制的进一步研究方向。     

一类有约束的分段线性系统双模预测控制

研究分段线性（PL）系统预测控制问题,提出了PL系统双模预测控制,并证明了该方法的稳定性.该方法使用混合逻辑动态系统来建模PL系统,利用PL系统状态反馈控制来确定PL系统的受控不变集,并结合双模预测控制方法获得PL系统双模预测控制.该方法解决了系数矩阵的选择问题,不需要满足最终状态等式约束.一个分段线性系统的实例证明了该方法是可行的.     

现场总线系统分布式智能预测控制的实现

对于采用现场总线系统控制的复杂对象，应用智能预测控制的方式对其进行分布式控制，将现场总线的特点与智能预测控制方法相结合，使各子系统之间的参数以及控制动作协调一致，以实现对整个系统的优化控制．提出了在现场总线系统中构建该方法的步骤，并给出了一个采用该控制方法获得较好控制效果的具体实例。