基于Backstepping设计的不确定非线性系统的预测控制

本文的目的是针对一类带有不确定性的单输入单输出的仿射非线性系统,设计一种非线性预测控制器.用反步设计思想获得具有待定参数的控制器表达式,然后用预测控制在线优化获得控制器的参数.用这种方法设计的控制器更易使闭环系统稳定,且闭环系统具有良好的动态特性.连续发酵过程的仿真结果也验证了控制器是有效的.     

智能井非线性预测控制器设计

随着石油开采中出现的新技术一智能井的应用,井控由地面转移到地下.为了解决地层物理属性难以准确获得以及流体流动的强非线性给井下控制带来的困难,研究了带有模型不确定性的非线性预测控制器.首先建立了带有不确定性的预测控制模型;然后基于反馈线性化和反步设计的思想设计非线性预测控制器.该控制器在模型带有不确定性时更易使闭环系统稳定,且动态特性良好.以北海油田某区块为例进行的仿真研究结果验证了控制器是有效的.     

约束非线性系统构造性模型预测控制

研究了连续时间约束非线性系统模型预测控制设计.利用控制Lyapunov函数离线构造单变量可调预测控制器,再根据性能指标在线优化可调参数,其中该参数近似于闭环系统的"衰减率".同时,控制Lyapunov函数保证了算法的可行性和闭环系统的稳定性.最后通过数值仿真验证了该算法的有效性.     

基于Taylor 逼近的非线性系统P ID 型多步预测控制

基于局部递归神经网络对非线性系统进行递归多步向前预测，将系统实际多步向前预测值按泰勒公式在其递归预测值上展开，实现对非线性系统多步预测输出值的二次逼近，减少了预测误差，进而通过对PID型多步预测性能指标函数极小化求取控制量，控制器与广义预测控制器结构相似，其参数通过神经网络在线辨识获得，仿真实验表明了该方法的有效性。     

四维混沌系统的递归反步非线性控制

针对四维超混沌Lü系统,Lorenz-Stenflo（LS）系统,Qi混沌系统,利用递归反步非线性控制方法,对系统的各状态进行了控制。同时对每个系统,运用Lyapunov稳定性理论,并通过V函数对受控系统进行了分析。最后通过数值示例进行仿真,对文中论述进行了强有力的验证。     

一种新型非线性预测控制算法

根据最优控制的设计思想,设计出了将模型预测控制和常规控制相结合的控制方案,把预测控制参数设计问题简化为积分增益ks、预测时域M、补偿增益km的选择问题.此算法改善了对象特性,具有较强的抗干扰能力和鲁棒性,适用于大惯性、有自平衡能力的大多数热工控制对象,为非线性系统模型预测控制提供了一条新思路、新方法.     

广义准无限时域非线性预测控制

将准无限时域非线性预测控制方法推广到更一般的情况, 并给出了闭环约束系统的稳定性条件及最优解的存在条件. 基于反馈线性化技术讨论了广义准无限时域非线性预测控制的实现及较大终端域的获取. 该方法能显著减少在线优化所需的时间.     

一种基于Wiener模型的非线性预测控制算法

针对一类Wiener模型描述的非线性系统,提出了一种改进的非线性预测控制算法.该算法利用Laguerre函数描述Wiener模型动态线性部分的控制信号，将预测控制中在预测时域内优化求解未来控制输入序列转化为优化求解一组无记忆的Laguerre系数,以减少优化所需的计算量.利用静态模糊模型来逼近Wiener模型的非线性部分,将非线性预测控制优化问题转化为线性预测控制优化问题,克服了求控制输入时解非线性方程的困难,进而推导出了预测控制输入的解析式.CSTR过程的仿真结果表明了本文算法的有效性和可行性.     

带终端滑模约束的非线性模型预测控制方法

将预测控制和滑模控制结合起来,提出一种非线性性模型预测控制方法。给出一种可行的双模控制方案,系统状态位于终端区外时采用提出的预测控制,在终端区内部采用高线设计的滑模控制。对系统终端滑模附加不等式约束,使得系统状态在预测时域的末端位于高线设计的滑动模态区内,从而使预测时域减小。仿真结果表明了算法的有效性。     

非线性严格反馈系统自适应非反步输出反馈控制

针对传统反步控制器设计方法存在复杂度爆炸、参数收敛难、控制奇异、需全系统状态已知等问题,提出一种新的可保证参数收敛的未知系统动态辨识和非反步输出反馈自适应控制方法.首先,通过定义新的状态变量和系统等价变换,将严格反馈系统状态反馈控制转化为标准系统的输出反馈控制,进而设计包含高阶微分器的自适应单步控制器,避免反步递推设计的问题;然后,采用两个神经网络对系统集总未知动态进行估计,避免传统控制方法在未知控制增益在线估计过零引发的奇异问题;最后,构造一种新的自适应算法在线更新神经网络权值确保其收敛到真实值,进而实现对未知系统动态的精准辨识.基于Lyapunov定理的分析表明,跟踪误差和估计误差均可收敛到零点附近紧集.基于液压伺服系统模型的对比仿真验证了所提出方法的有效性和优越性.     

约束Hammerstein系统输出反馈非线性预测控制

针对具有状态、输入和中间变量约束的Hammerstein系统,采用两步法控制策略,给出一种新的可保证闭环系统指数稳定的输出反馈非线性模型预测控制算法.基于Hammerstein系统的特殊结构,结合状态观测器给出无约束线性环节的输出反馈最优控制律,通过滚动优化一有限时域的约束优化问题计算实际控制量.给出保证闭环系统指数稳定的充分条件.以工业双环管聚丙烯装置牌号切换控制为例进行仿真,仿真结果验证该算法的有效性和实用性.     

约束非线性系统的一个准无限时域预测控制方案

提出了一个具有准无限预测时域的模型预测控制方案,该方案可用于输入和状态的非线性系统的控制,用优化柔性状态约束条件代替了硬性状态约束,以避免优化问题的不可解,开环优化问题含有附加的终端代价项和终的约束条件,这样预测时域延伸至准无限,而需在线优化获得的控制函数仅为有限时域,如果在最初时刻优化问题有解,则闭环系统具有保证稳定性。     

随机非线性系统鲁棒自适应反馈控制器的积分反推方法设计

考虑了一类随机非线性系统的鲁棒自适应控制问题.采用Ito随机微分方程描述系统,进而在概率意义下研究系统的鲁棒稳定性.应用积分反推(backstepping)方法,系统地给出了设计状态反馈及输出反馈鲁棒自适应控制器的方法.同时构造出了适当形式的四次型的自适应控制Lyapunov函数(CLF).     

基于神经网络的非线性预测控制综述

基于神经网络的非线性预测控制是智能控制中的重要前沿课题，在工业过程控制领域有着非常大的应用前景。从预测方式、控制律求解方法和典型应用等几个角度对基于神经网络的非线性预测控制做了综述。对其中的关键技术做了深入阐述。并指明了今后的发展方向。     

基于非线性映射的约束系统自适应反推控制

针对基于障碍Lyapunov函数的非线性约束系统反推控制中, 控制器结构复杂、约束量初值选取区间小、会引入额外参数等问题, 提出了一种新的基于非线性映射的自适应反推控制方案. 该方法扩大约束量的初值选取区间为整个约束区间, 增加了系统初值选取和控制器设计的便易性. 约束量被映射至实数空间中, 因此映射后的新系统可以直接应用反推法设计控制器, 简化了控制器结构且不会引入额外参数. 证明了映射前后系统具有一致的收敛性, 保证闭环系统所有信号一致有界, 并且跟踪误差渐近收敛于零. 仿真结果进一步验证了本文方法的有效性.     

约束非线性系统的滑模预测控制方法

将预测控制和滑模控制结构起来,提出一种新的非线性模型预测控制方法,通过对系统状态预测得到切换函数预测值,求解约束开环优化求得预测控制律,并将当前时刻的控制作用于对象,下一时刻重复此过程,该方法具有预测控制在线处理约束及滑模控制滑动模态对干扰的不变性的优点,分析了零终端滑模约束模型预测控制的稳定性。     

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.