加权多步预报控制

本文提出了一类加权多步预报控制(WLPC)算法.这种算法是由极小化一个很一般的加权二次型性能指标得到的.由于权因子可以根据闭环极点配置、前馈零点增补和动态性能要求任意选取,所以可保证闭环系统的稳定性和对建模误差的鲁棒性.文中给出了这方面结果的理论证明和仿真实例.     

多变量广义预测控制的快速算法

针对传统广义预测控制算法的计算量大这一缺陷，通过对未来的控制序列的离线近似计算，而只精确求解当前时刻要实施的控制量，提出了一种广义预测控制的快速算法。该算法简单．适用于任意维输入任意维输出(ADIADO)线性系统。由于不必求解Diophantine方程，并在求解逆矩阵时．降低了逆矩阵的维数，从而大大减小了在线计算量。仿真结果证实了该算法有效性和实用性。     

自适应神经元非模型多变量优化补偿控制*

根据解耦补偿和优化控制的思想，本文提出了一种完全不依赖于对象模型的自适应神经元多变量优化补偿器模型，命同了神经元权系统的在线学习方法，分析了其工作机理，进一步给出在某多侧线精馏塔和连续搅拌釜式反应器（ＣＳＴＲ）上的仿真结果。     

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。     

多变量广义预测自校正控制隐式算法

本文提出了一种多变量广义预测自校正控制隐式算法,它计算量小,能用于Bo奇异,输入、输出维数不等,非最小相位及开环不隐定等一大类MIMO系统,仿真结果表明,该算法鲁棒性强,且稳态无偏。     

改进的多变量广义预测控制算法

本文中,我们把改进的广义预测控制推广列多变量线性系统中.这种算法大量地减少了计算量,能控制任意维输入任意维输出的线性系统.     

两种基于不同周期的多变量预测控制研究

本文在一般预测控制的基础之上，对于两种特殊的系统分别提出了对应的预测控制算法，仿真效果表明了这两种算法的正确性和实用性。     

多变量系统的广义预测控制解耦设计

针对在系统关联严重的情况下,通过选择合适的权矩阵,预测控制可以实现间接解耦控制,但是系统的跟踪性能将大大降低的问题,提出了一种带设定值观测器的多变量广叉预测解耦控制算法,结合前馈解耦控制策略与广义预测控制律,将其他通道对当前通道的影响作为扰动,从而实现近似解耦.在目标函数中用控制量的增量代替控制量,使控制增量变化不至于...     

一类全局收敛的多变量自校正控制器*

本文将文[1]提出的多变量自校正控制算法推广到具有一般传输延时的多变量系统并进行了稳定性和收敛性分析。首先表明:即使对于具有任意传输延时的多变量系统,该自校正控制器仍具有全局收敛特性:以概率1输入输出向量采样均方有界,条件均方输出跟踪误差向量范数取得最小值。     

递推自适应加权多步预测控制

本文给出了加权多步预测控制(WLPC)[1]的递推自适应算法,该算法将每个采样时刻WLPC算法中计算量很大的极点配置方程求解问题化为一步递推的算法,大大减少了在线计算量,从而使WLPC成为一种实际可行的算法,本文还证明了其闭环稳定性.     

多变量连续预测控制的动态补偿*

本文利用多变量系统的频域设计方法－特征结构分解，将多变量系统分解为一组独立的ＳＩＳＯ特征子系统，对各特征子系统，通过加权补偿，由极点配置保证闭环特征子系统稳定，进而保证原闭环系统渐近稳定。     

特征结构下基于极点配置的多变量预测控制

本文提出了特征结构下基于极点配置的多变量预测控制方法,该方法通过选择一组可调 参数使各特征子系统的闭环极点达到预定的数值,进而计算出各特征子系统中的控制器参数． 仿真试验证实了本文算法的有效性.     

多变量广义开环解耦控制算法

针对离散多变量系统提出了一种能有效地处理过程时滞、开环不稳定和非最小相位的解耦控制算法。它原理简明，易于实施，每一回路仅需整定一个参数。仿真结果表明，这一新控制算法在跟踪性、鲁棒性和抗干扰性等方面均可获得满意的控制效果。     

基于RBF神经网络的改进多变量预测控制

针对一类多输入多输出非线性被控对象,提出一种基于单神经网络的预测控制算法,应用RBF神经网络对非线性系统进行辨识,并计算被控系统多步预测输出值.该方法通过对传统预测目标函数加以改进,给出一种带微分项的多步预测目标函数,通过迭代寻优实时给出优化控制量.该方法实时性好,简化了传统预测控制算法,加快了滚动寻优的速度,有效地抑制了系统惯性和输入时滞所带来的超调,减小了模型误差、干扰及不确定性对控制器的影响.仿真及应用结果表明了该方法的有效性.     

多变量有约束过程的协调预测控制策略

针对多变量约束过程，提出了基于关联分析的协调预测控制策略，从而对系统控制性能和操作变量理想工作区起到了很好的协调作用，减少了在线控制计算工作量。