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。     

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。     

基于极点配置的稳定广义预测控制算法

推导了广义预测控制的状态空间结构,提出了一种稳定的广义预测极点配置算法;可保证广义预测控制系统的闭环稳定性     

基于输入设计的广义预测控制

讨论了广义预测控制 ( GPC)中参数γ的选取问题 ,指出了其中的不足 ,进而提出了基于输入设计的广义预测控制 ( GPCID)。该算法不必求逆矩阵 ,比 GPC占用内存小 ,计算速度快 ,但增强了鲁棒性。仿真结果表明了该算法优于 GPC算法     

双重控制系统的广义预测控制

传统的双重控制方法建立在简单PID算法基础上，其性能受到一定的限制．为此，将广义预测控制算法应用于双重控制系统中，形成基于预测控制的双重控制算法．该算法继承了传统双重控制方法的控制结构和控制思想，采用主、副2个控制器进行控制．其中主控制器采用广义预测控制算法，针对快回路产生快控制作用使系统具有良好的动态特性；副控制器采用PID算法．针对慢回路产生慢控制作用以实现一定的经济指标；同时，副控制器的输出作为前馈量引入主控制器．主、副2个控制器互相协调工作，使系统既具有良好的动态特性，又符合工艺上或经济上的要求．仿真对比结果表明，该算法控制性能优良，具有较强的的抗干扰性和良好的鲁棒性，是一种较好的双重控制系统控制算法．     

黑箱系统的一种简便自适应预测控制策略

采用一种输入输出增量式一元线性回归模型作为黑箱系统的预测模型，应用投影算法估计模型参数．该模型将对象输出增量分解为2个分量：一个为非零控制增量作用下的强制分量，另一个为控制增量为零时的自由分量，是一种非齐次时变线性模型．此外，应用广义预测控制理论，提出了一种基于该模型的自适应多步预测控制策略，导出了基于该模型的多步最优预测算式和最优控制律．该控制策略不仅具有广义预测控制的强自适应能力和强鲁棒性，且模型参数少，算法简单，适用于黑箱系统的控制．仿真结果表明该控制策略是有效的。     

基于BP神经网络的广义预测控制算法在一级倒立摆控制中的应用

提出了一种基于BP神经网络的广义预测控制算法,其实质是利用BP神经网络来求取广义预测控制的最优控制律,该算法对广义预测控制算法进行了简化,可以应用于快速系统的控制.以倒立摆系统作为研究的对象,将新算法应用于一级倒立摆的控制,仿真结果证实了该算法的有效性和实用性.     

基于输入设计的多变量广义预测控制

把基于输入设计的广义预测控制 ( GPCID)推广到多变量线性系统中 ,提出了基于输入设计的多变量广义预测控制 ( MGPCID)。该算法占用内存小 ,计算速度快 ,但增强了鲁棒性。仿真结果表明了该算法优于 GPC算法     

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。     

一种充分利用预测信息的广义预测控制律

提出一种充分利用预测信息的广义预测方法，用控制增量的变化趋势对由开环最优控制求出的控制量进行修正，有效抑制超调，兼顾控制的跟踪速度，改善了过程的动态品质。控制算法简单，在线计算量小，仿真结果说明了算法的有效性。     

PID型广义预测控制算法在EPA中的应用

在分析PID算法和广义预测控制算法(GPC)的基础上,将广义预测控制算法的性能指标构造成PID形式,并推导了改进的PID型广义预测控制算法(PIDGPC).通过工业实时以太网(EPA)实验装置的模型仿真,在时域内分析了PID型广义预测控制算法控制器的参数选择对控制性能的影响,说明了PID型广义预测控制算法比基本广义预测控制算法具有更好的控制性能,将会有较好的工程应用前景.     

基于BP网络的典型工业过程自适应预测区域控制

针对一类具有分数传输滞后、参数时变的典型工业过程开环参数与广义预测控制器参数之间的内在联系,通过在目标函数中引入开环增益,并利用BP网络的非线性映射能力得到了自适应广义预测控制的一种直接算法。在该算法中,先用一个辨识器辨识过程开环参数,然后由一个已训练好的BP网络根据辨识结果和加权因子的值直接计算出控制器的参数,得到控制律。该方法不依赖于过程的精确模型,极大地简化了在线计算负担。同时,把区域控制的思想引入到预测控制之中,给出了两种区域预测控制方案。在一个二元精馏塔模型上与常规广义预测控制方案的对比仿真结果验证了文中所示方法的可行性。     

基于BP网络的典型工业过程自适应预测区域控制

针对一类具有分数传输滞后、参数时变的典型工业过程开环参数与广义预测控制器参数之间的内在联系 ,通过在目标函数中引入开环增益 ,并利用BP网络的非线性映射能力得到了自适应广义预测控制的一种直接算法。在该算法中 ,先用一个辨识器辨识过程开环参数 ,然后由一个已训练好的BP网络根据辨识结果和加权因子的值直接计算出控制器的参数 ,得到控制律。该方法不依赖于过程的精确模型 ,极大地简化了在线计算负担。同时 ,把区域控制的思想引入到预测控制之中 ,给出了两种区域预测控制方案。在一个二元精馏塔模型上与常规广义预测控制方案的对比仿真结果验证了文中所示方法的可行性     

基于广义预测算法的焦炉立火道温度控制系统

一般焦炉立火道温度控制采用传统的PID算法,PID算法存在控制精度不高,鲁棒性差等缺点。广义预测控制应用"多步预测、滚动优化、反馈校正"的思想,其算法鲁棒性好,控制效果佳。采用广义预测控制方法对立火道的温度进行控制,并通过计算机仿真说明其控制算法的有效性。     

神经网络GPC在非线性三容水箱系统中的应用

从一个单输入单输出的非线性三容水箱实验过程出发，研究非线性控制问题，当前研究的目标是设计并实现一个基于神经网络广义预测控制的合适算法。仿真和对比的结果表明，对于此模型，神经网络广义预测控制优于神经网络直接逆控制，产者将应用在实际的三容水箱系统。     

基于改进粒子群算法的约束隐式广义预测控制

针对大多数工业系统的控制输入输出都存在约束的情况,提出了一种基于改进粒子群算法的广义预测控制算法。广义预测控制算法采用隐式算法,用最小二乘法直接辨识控制增量表达式中的参数,避免求解丢番图方程;为避免粒子群算法陷入早熟,提高精度,在广义预测控制算法的滚动优化环节采用速度变异的粒子群优化算法,克服了受约束优化问题处理的缺陷,更快更准确地寻到最优目标函数值。仿真结果表明了该方法的有效性和良好的控制性能。     

带有导前信号校正的广义预测控制

针对工业过程控制对象具有较大惯性,扰动出现在对象前部的情况,在传统广义预测控制的基础上,引入了导前信号校正环节,并对输出作出了更准确的预测。仿真结果表明,在一定条件下,该算法明显优于传统广义预测控制。     

具有PID结构的改进广义预测控制算法

针对一般广义预测控制超调难以抑制的问题,通过改变一般预测控制的目标函数把PID与广义预测控制结合起来,利用PID的反馈作用改善系统的性能指标,并充分利用预测信息达到抑制超调和提高系统稳定性的目的,仿真结果表明该算法是有效的。     

基于改进粒子群算法的约束隐式广义预测控制

针对大多数工业系统的控制输入输出都存在约束的情况,提出了一种基于改进粒子群算法的广义预测控制算法.广义预测控制算法采用隐式算法,用最小二乘法直接辨识控制增量表达式中的参数,避免求解丢番图方程;为避免粒子群算法陷入早熟,提高精度,在广义预测控制算法的滚动优化环节采用速度变异的粒子群优化算法,克服了受约束优化问题处理的缺陷,更快更准确地寻到最优目标函数值.仿真结果表明了该方法的有效性和良好的控制性能.     

基于 RDRNN 的变阻尼半主动结构控制遗传算法

提出了基于ＲＤＲＮＮ的变阻尼半主动结构控制遗传算法应用多输入多输出动态递归神经网络模型ＲＤＲＮＮ预测结构的响应并利用遗传控制算法进行变阻尼控制力寻优，实现了结构振动的变阻尼半主动最优控制。ＲＤＲＮＮ模型针对结构控制中结构状态变量、控制变量和外界荷载对结构的响应有不同的影响，采用分支输入递归处理，不但结构响应预测，精度好，而且神经网络的训练效率也高；基于ＲＤＲＮＮ给出的预测结果，遗传控制算法直接在控