基于GA-NP算法的约束广义预测控制

针对实际工业过程中存在着约束,提出一种基于遗传算法和非线性规划寻优算法广义预测控制GPC(Generalized Predictive Control)。非线性规划局部搜索能力较强,遗传算法全局搜索能力较强,结合两种算法的优势并引入到广义预测控制的滚动寻优过程中并求得最优控制律。仿真结果表明,该算法提高广义预测控制处理约束的能力,且控制效果良好。     

基于干扰观测器的机械臂广义模型预测轨迹跟踪控制

为实现对多自由度机械臂关节运动精确轨迹跟踪,提出一种基于非线性干扰观测器的广义模型预测轨迹跟踪控制方法。针对机械臂轨迹跟踪运动学子系统,采用广义预测控制（Generalized Predictive Control,GPC）方法设计期望的虚拟关节角速度。对于机械臂轨迹跟踪动力学子系统,考虑机械臂的参数不确定性和未知外界扰动,利用GPC方法设计关节力矩控制输入,基于非线性干扰观测器方法实时估计和补偿系统模型中的不确定性。在李雅普诺夫稳定性理论框架下证明了机械臂关节角位置和角速度的跟踪误差最终收敛于零的小邻域。数值仿真验证了所提出控制方法的有效性和优越性。     

基于T-S 模型和小世界优化算法的广义非线性预测控制

提出一种新型的基于T-S模糊模型和小世界优化算法的广义非线性预测控制策略.采用基于混沌遗传算法的T-S模糊模型描述复杂非线性系统的动态特性,构成模糊多步预报器.同时,针对现有基于二进制和十进制编码小世界优化算法运行时间长等缺点,提出一种新型的基于实数编码的小世界优化算法,函数测试和应用于非线性预测控制的滚动优化反映了其较强的寻优能力.最后,将其应用于基于实际数据的T-S模糊模型的广义非线性预测控制,满足了系统实时性和快速稳定性的要求.     

线性混杂自动机的非线性广义最小方差控制

研究线性混杂自动机(LHA) 模型. 线性混杂自动机在一定条件下可以转化成与之等价的状态依赖空间模型, 等价性是指两个系统所产生的轨迹是相同的. 采用非线性广义最小方差算法对状态依赖空间模型进行控制器的设计, 非线性广义最小方差控制器的设计则基于更为一般的非线性模型, 模型中可含有时滞项和外界干扰, 控制器的计算过程简单且易于实现. 仿真结果表明, 非线性广义最小方差控制算法能够有效地控制线性混杂自动机, 而且在系统存在延时、干扰以及噪声的情况下能够得到较为理想的控制效果.     

冷轧机液压AGC系统GPC控制仿真研究

冷轧机液压AGC系统已经成为现代带钢轧机中控制带钢厚度的关键设备,其动态性能具有大惯性、大时滞、非线性等特点.通过参考典型的液压元件的作用机理,建立了冷轧机液压系统的数学模型.利用基于支持向量机(SVM)的广义预测控制(GPC)算法对液压系统进行控制,构成了液压AGC计算机仿真系统,仿真结果表明:SVM学习速度快,在小样本情况下具有良好的非线性建模和泛化能力:基于SVM的GPC算法具有很好的控制性能.     

气动肌肉关节的无模型自适应CMAC迟滞补偿控制

为补偿迟滞性对气动肌肉关节轨迹跟踪控制精度的破坏,首先建立了关节模型;推导得到迟滞力方程,测试分析了关节迟滞性;而后设计了无模型自适应CMAC神经网络迟滞补偿算法,该算法采用了充、放气双重结构;采用梯度下降法实时反馈调整充、放气过程的网络权值;采用4阶傅里叶拟合函数对网络权值降噪;基于高斯函数和邻域误差,设计误差可信度评估函数来调节学习率,抑制干扰对神经网络的影响;而后用三角波轨迹跟踪控制对神经网络进行了学习训练;最后将训练好的神经网络用于突发干扰下的正弦波轨迹跟踪控制.实验结果表明,该算法能自适应非线性曲线跟踪控制中的迟滞变化,有效抑制突发干扰,提高控制精度.     

一类不确定系统基于滑模干扰补偿的广义预测控制

广义预测控制(GPC)是基于非线性机理模型的一种优化控制策略, 但当系统存在内部不确定性、建模动态误差和外部干扰的情况下, 采用基于标称系统模型的GPC方法的系统性能将显著下降. 为此, 针对一类不确定非线性系统, 首先分析设计了一种基于不确定模型的理想GPC控制律; 同时设计了一种滑模干扰补偿器(SMDC)对系统的复合干扰进行估计, 将其输出作为补偿控制与标称GPC控制律结合以消除不确定性和外干扰的影响, 并利用Lyapunov理论分析了闭环复合系统的性能; 最后将其应用于一种高超声速飞行器(HSV)姿态控制系统, 仿真结果表明该方法具有很好的鲁棒特性和干扰衰减特性.     

无人驾驶飞行器姿态的非线性扰动抑制控制

本文研究了无人驾驶飞行器(unmanned aerial vehicle,UAV)的姿态跟踪控制问题.针对在飞行器姿态跟踪时存在的系统模型不确定性和外界扰动,提出了一种基于四元数的姿态跟踪控制方法,基于UAV的姿态误差模型分别设计系统的观测器和控制器.首先,以四元数为姿态参数建立系统的非线性误差模型;在此基础之上,设计一种非线性干扰观测器(nonlinear disturbance observer,NDOB)用以在线估计误差模型中的复合扰动,并在控制输入端进行相应的补偿.然后通过设计非线性广义预测控制律设镇定误差系统,实现姿态跟踪.最后基于频域理论分析了非线性干扰观测器的扰动抑制性能.仿真与实验结果表明本文提出的方法在系统存在复合扰动的情况下能使系统姿态有效的跟踪期望值.     

非线性系统的RBF网络直接广义预测控制

针对广义预测控制(GPC)算法需要在线递推求解Diophantine方程及矩阵求逆等计算量大的缺陷,本文对参数未知非线性系统提出一种RBF网络的直接广义预测控制方法。该方法首先将非线性系统转化为时变线性系统,然后用三次样条基函数逼近系统广义误差中的时变系数,并基于广义误差估计值对控制器参数即网络权值和广义误差估计值中的未知向量进行自适应调整,然后利用RBF网络来逼近控制增量表达式。     

多智能体粒子群优化的SVR 模型预测控制

参数的优化选择对支持向量回归机的预测精度和泛化能力影响显著,鉴于此,提出一种多智能体粒子群算法(MAPSO)寻优其参数的方法,并建立MAPSO支持向量回归模型,用于非线性系统的模型预测控制,推导出最优控制率.采用该算法对非线性系统进行仿真,并与基于粒子群算法、基于遗传算法优化支持向量回归机的模型预测控制方法和RBF神经网络的预测控制方法进行比较,结果表明,所提出的算法具有更好的控制性能,可以有效应用于非线性系统控制中.