一种基于多步预测的自校正控制算法研究

预测控制可以预测未来多步模型的输出,并且在多堂时段内,控制也有多步作用．采用受控自回归积分滑动平均过程模型,选择一定的性能指标函数,设计了一种多变预测自校正控制间接算法．同时利用实例验证了该控制策略具有鲁棒性强、自适应能力强的优点．     

基于Laguerre函数模型的多变量广义预测自适应控制

通过对Laguerre函数模型结构的分析，把多变量广义预测自适应控制方法应用于该模型中，利用Laguerre函数模型近似控制对象系统结构，将模型中间参量的辨识和模型的预测输出有效的统一了起来，克服了单纯基于参数化模型预测控制通常需要已知系统的时延和阶次的局限，为适合该类模型的工业对象应用提供一种有参考价值的控制方法。     

跟随式车辆队列高效协同弦稳定预测控制

针对前后跟随式通信拓扑的约束车辆队列弦稳定协同控制问题,提出一种分布式参数化模型预测队列控制算法。首先,建立车辆队列的纵向动力学模型,通过反馈线性化将其转化为线性状态空间模型。然后,利用邻域内车辆的预测轨迹信息构造局部优化问题,建立车辆队列局部控制器。为降低求解该局部最优控制问题的计算量,将预测时域内的控制输入增量参数化为阶梯式结构。在此基础上,设计模型预测队列控制器迭代计算算法,满足系统输入输出约束和弦稳定约束条件。进一步,应用Lyapunov稳定性定理和Moore-Penrose广义逆矩阵,获得车辆队列渐近稳定性充分条件,并分析系统跟踪性能。最后,通过与常规队列控制算法的仿真对比实验,验证所提出控制策略的高效性。     

基于模型预测控制的VSC—HVDC自适应控制策略

VSC-HVDC系统具有良好的自换相能力,可直接向无源网络和弱交流网络供电。提出一种基于有限控制集模型预测控制的VSC-HVDC系统逆变侧自适应控制策略,克服传统的双闭环控制存在的PI参数整定困难、动态响应能力差等问题,同时实现多控制目标及约束的逆变站自适应性控制。首先,推导VSC-HVDC系统在dq0坐标系下的离散数学模型,并据此给出逆变侧定交流电压控制的预测模型以及相应的多目标优化性能函数。接着,通过引入增量算子和反馈校正环节设计出改进后的多步模型预测控制策略,从而提高预测模型的参数鲁棒性。最后,通过对VSC-HVDC供电系统进行不同运行工况下的仿真对比分析,论证所提控制策略的可行性和有效性。     

一类非线性系统的无模型学习自适应控制

对于一类常见非线性离散系统，提出了其动态线性逼近的增量型模型、无模型自适应控制律和带有参数限定时域长度的参数自适应预报递推算法。实现了对时滞非线性系统的无模型学习自适应控制。通过仿真表明，该算法对于一类非线性系统实现无模型学习自适应控制是正确和有效的。     

一种新的鲁棒自适应广义预测控制算法及鲁棒性分析

针对对象的不确定性干扰，提出一种新的鲁棒参数自适应算法，证明了这种算法具有自适应验后误差和对象参数估值的值渐近小性质；根据确定性等价原理，将这种鲁棒参数自适应算法和鲁棒广义预测控制律相结合，提出了一种鲁棒自适应广义预测控制方案，并建立了相应的鲁棒稳定性定理。     

有源消声的混合自适应控制系统及试验研究

为有效提高有源噪声控制的消声性能,针对线性控制和非线性控制方法的优缺点,基于模型参考神经网络直接自适应控制原理,提出了一种模型参考混合直接自适应控制策略,利用FLMs和非线性BP网络混合构建自适应控制系统,通过系统误差确定2种网络的加权系数,使控制器训练初期以FLMs为主提高收敛速度,后期以非线性BP网络为主提高系统控制精度．混合控制策略在保持原有非线性控制策略优点的同时,提高了系统的收敛速度．试验结果表明．该控制策略优于神经网络自适应控制．     

一种多步递推广义预测自适应控制

提出了一种基于多步递推预测的广义预测自适应控制算法。由于本算法是利用在线辩识参数直接递推求解控制律，从而大大减少了计算量，便于在微机上用汇编语言实现。     

模型不确定非线性系统的自适应模糊Backstepping预测控制

为解决一类模型不确定严格反馈非线性系统的跟踪控制问题,提出一种使闭环系统稳定且滚动时域性能指标在线最小化的自适应模糊反步预测控制策略。模糊系统用来逼近该设计过程中的未知非线性项,自适应参数直接用来估计最优逼近权值向量范数的平方,从而只有一个自适应参数需要在线调节;同时考虑模糊基函数的性质,所设计的控制律与自适应律均不含模糊基函数项,理论证明该方法设计的控制器保证闭环系统所有信号是半全局有界的,并且跟踪误差收敛于零的某一邻域。该方法所设计的控制器形式简单,计算量小,更易于实际应用,仿真算例验证提出算法的有效性。     

基于CARMA模型的多变量远程预测自适应探测器

本文采用CARMA模型，建立多变量远程预测控制器，并采用状态空间法分析其闭环系统的稳定性。这种控制以远程预测多步滚动优化取代最小方差和广义最小方差控制器中的一步预测化，并引入控制时域的概念，从而可应用于非最小相位和开环不稳定系统；在自适应算法中，对模型验前知识要求少，不需要知道系统的交互矩阵，计算量小。数字仿真结论证实了控制算法的以上特性。     

非线性多变量离散自适应控制

为了获得一种结构简单、参数整定方便的控制策略,研究了化工过程的一种非线性自适应控制方法。该方法采用非线性多变量模型来近似化工过程的动态特性,并将一般模型控制算法(GMC)与非线性观测器结合,将被控对象模型直接嵌入到控制中,用非线性观测器来进行参数在线辨识,构成自适应控制系统。该非线性控制系统在控制没有约束的情况下,控制系统为一个线性伪二阶系统。控制器参数整定方便,其中非线性观测器整定参数只有一个。该系统用于压力容器的控制,实时控制表明非线性自适应控制系统性能良好。     

孤岛运行光储微电网控制策略研究

光储微电网孤岛运行时存在电能质量差、系统稳定性差等问题。系统的控制策略多为基于PI控制的双闭环控制算法,导致动态响应速度慢。针对这一问题,提出了一种考虑新能源波动的多步预测有限集模型预测控制（FCS-MPC）策略。首先,对DC-DC变换器采用稳压控制,为逆变器提供稳定的直流电压提高系统的稳定性;然后,对光伏逆变器采用恒功率控制策略维持稳定的功率输出,对储能逆变器采用基于多步长改进模型预测控制（MPC）的下垂控制,以实现对参考电压的快速跟踪及负荷功率的合理分配,而且多步长改进MPC可降低传统MPC的预测误差,提高系统的稳定性;最后,利用MATLAB搭建仿真模型,仿真结果验证了所提控制策略的有效性。     

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。     

基于多模型的内模控制及其在电厂过热汽温中的应用

针对电厂过热汽温被控对象具有大惯性、大滞后特性且对象参数随负荷变化较大等因素,提出了一种基于多模型的内模控制策略。将副回路系统与惰性区等效为一个广义被控对象,通过在不同工况辨识得到其多模型,设计出相应的内模控制器,根据运行工况选择相应的控制器,从而实现全工况运行的自适应控制。仿真结果表明,该控制策略比常规的单内模控制在大范围具有更好的控制品质。     

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BP神经网络变参数设计的广义预测控制

针对广义预测控制算法中控制参数整定困难这一缺陷,提出了一种基于BP神经网络变参数设计的广义预测控制算法,实现了广义预测控制中的输出柔化系数α和控制增量加权系数λ的在线调整。仿真结果表明,该算法无论在跟踪性能、控制精度及鲁棒性上,均优于固定参数设计的广义预测控制算法,并对干扰有一定的抑制作用。     

基于动态线性逼近的非线性系统无模型自适应控制

对于一类常见多重时滞非线性离散系统,提出了其动态线性逼近的增量型模型,无模型自适应控制律和带有参数限定时域长度的参数自适应预报递推算法,实现了对时滞非线性系统的无模型自适应控制。该算法不用解Diophantine方程,无需矩阵运算,在线计算量很小,实时性好,具有很强的抑制噪声干扰能力。通过仿真表明,该算法对于一类非线性系统实现无模型自适应控制是正确和有效的。     

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。     

基于CMAC和PID的非线性耦合系统解耦控制研究

为了实现多变量非线性耦合系统的解耦控制,提出了一种基于CMAC与PID的复杂关联自适应解耦控制策略,并给出了详细算法。该控制策略采用PID控制器和CMAC控制器共同构成一个复合控制器,多个复合控制器通过多输入多输出线性神经网络,实施对复杂非线性耦合对象的控制作用。由于神经网络的自适应特性,可使得耦合系统逼近参考模型,实现解耦控制。仿真结果表明,该控制策略实现了耦合系统的解耦控制,并且具有较强的抗干扰能力和鲁棒性。因此采用此控制策略能够实现多变量非线性耦合系统的解耦控制。     

具有比例积分结构的模型算法自适应控制器

通过构造新型目标函数,并且采用加权预测控制律代替一步预测控制量,得出了一种具有比例加积分结构的自适应模型算法加权控制器,该控制器能实现无偏差跟踪参考输入轨迹,仿真结果表明,对于时变对象,新算法自控制比基本型模型算法控制具有更强的鲁棒性。