SVM技术在网络GPC算法中的应用研究

针对传统的广义预测控制（GPC）算法必须有精确的数学模型,计算量很大,不适合实时性要求高的系统。网络控制系统在复杂的工业控制领域应用中,受网络时延的影响,导致了控制系统性能的下降甚至不稳定,给控制系统的分析和设计带来诸多问题。该文采用基于支持向量机的广义预测控制方法,将支持向量机作为预测模型,对控制对象模型进行预测,再加之广义预测控制算法和队列机制提出不基于对象模型且实时性高的广义预测控制快速算法,并且设计了支持向量机非线性建模和非线性广义预测控制队列机制算法,并相应做出了仿真。最后的仿真结果表明基于广义预测控制算法的网络控制系统具有良好的控制效果和稳定性。     

增广非最小状态空间法的稳定平台预测控制研究

针对传统的模型预测控制器鲁棒性较差及模糊PID控制系统比较复杂的问题,提出了利用增广非最小状态空间模型与模型预测控制相结合的稳定平台预测控制。建立了稳定平台广义被控对象的数学模型,以增广形式的非最小状态空间模型为基础,结合滚动时域控制原则和线性二次型最优控制,通过对稳定平台离散模型的非最小状态空间形式进行增广变换,给出了基于Laguerre函数的状态反馈增益矩阵算法,设计了增广非最小状态模型下的预测控制器,实现了对导向钻井稳定平台控制系统的仿真研究。仿真结果表明稳定平台预测控制系统可以很好地满足钻井工程对控制精度和动态特性的要求,而且对有时变性的盘阀摩擦干扰力矩及模型参数摄动具有较强的鲁棒性。     

广义预测控制在集散控制系统中的应用

广义预测控制具有柔化作用、多步预测、滚动优化和在线自适应校正等优点，能直接处理具有大滞后和不确定性的工业对象。采用矩阵分解和递推求逆算法在加热炉温度控制中的应用表明，该算法适用范围广，提高了控制精度，取得了良好的经济效益。     

一种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 ,不必求解Diophantine方程和逆矩阵 ,大大减小了在线计算量。仿真结果表明 ,该算法具有良好的控制性能 ,而且对控制作用具有较强的约束能力     

预测控制的鲁棒性改进及其在晶体炉中的应用

将引入失配滤波器的基于内模控制结构的广义预测控制纳入一般内模控制框架,设计满足稳定鲁棒性和品质鲁棒性的滤波器,改进了预测控制的鲁棒性.将该方法应用于多温区晶体生长晶体炉的温度控制仿真实验,研究了它的控制精度和鲁棒性.结果表明,该方法具有较好的控制精度和较强的鲁棒性,为将该方法应用于晶体生长炉的温度控制做了必要准备.     

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。     

水泥生料立磨压差的广义预测PID控制

针对立磨粉磨系统的非线性、大滞后、慢时变问题,设计了广义预测PID控制器(GPC-PID).通过构造广义预测控制目标函数中的控制加权序列使广义预测控制具有PID控制算法的结构,通过广义预测控制和PID的相互递推关系计算PID参数.仿真结果表明,广义预测PID控制能较好地稳定磨内压差,并且具有响应速度快、抗干扰性强、鲁棒性好等优点.     

鲁棒广义预测控制在单元机组的协调控制

设计有效的火电厂单元机组机炉协调控制系统是提高热工自动化水平的关键问题。采用广义预测控制和鲁棒控制相结合的策略,提出一种鲁棒广义预测控制器的设计方法。将其应用于火电厂单元机组的协调控制系统进行仿真研究,对被控对象的不确定性具有良好的适应性和鲁棒性。仿真结果表明了该算法的有效性。     

基于粒子群优化的约束广义预测控制实现方法

用微粒群优化算法解决存在约束的广义预测控制的优化问题,并给出了基于微粒群优化算法的广义预测控制算法的实现方法.将该算法应用到工业过程对象中进行测试,仿真结果表明了算法的有效性和高效性,获得了良好的控制效果.     

基于灰色广义预测的自动控制技术及应用

提出了一种基于灰色广义预测的自动控制技术,并将该技术应用到工业锅炉的控制中;采用具有比例积分结构的广义预测控制和灰色广义预测控制分别对锅炉的汽包水位、燃烧系统进行有效地控制,并对系统的性能进行定量定性分析;仿真结果验证了本方法具有鲁棒性好、跟踪快速和抑制干扰能力强等特点;应用先进控制算法对工业锅炉进行控制,获得了优良调节品质、提高了燃烧效率、实现了节约能源,具有显著的经济效益和社会效益。     

Kleinman控制在GPC中的实现

解决了当控制量加权λ很小时广义预测控制增益的不可计算，以及增益计算中求逆矩阵维数随控制时域增加而增加的问题。     

Robust discrete-time set-based adaptive predictive control for nonlinear systems

The problem of robust adaptive predictive control for a class of discrete-time nonlinear systems is considered. First, a parameter estimation technique, based on an uncertainty set estimation, is formulated. This technique is able to provide robust performance for nonlinear systems subject to exogenous variables. Second, an adaptive MPC is developed to use the uncertainty estimation in a framework of min–max robust control. A Lipschitz-based approach, which provides a conservative approximation for the min–max problem, is used to solve the control problem, retaining the computational complexity of nominal MPC formulations and the robustness of the min–max approach. Finally, the set-based estimation algorithm and the robust predictive controller are successfully applied in two case studies. The first one is the control of anonisothermal CSTR governed by the van de Vusse reaction. Concentration and temperature regulation is considered with the simultaneous estimation of the frequency (or pre-exponential) factors of the Arrhenius equation. In the second example, a biomedical model for chemotherapy control is simulated using control actions provided by the proposed algorithm. The methods for estimation and control were tested using different disturbances scenarios.     

预测控制算法的内模结构及其统一格式

本文应用内模控制（ＩＭＣ）原理，研究了现有各类预测控制算法ＩＭＣ、ＭＡＣ、ＤＭＣ、ＧＰＣ、ＧＰＰ的控制器方程，闭环系统输入输出和误差方程，归纳出它们的统一算式，为理解各类预测控制算法的内在联系及进一步研究提供了方便．     

基于增量加权的预测函数控制

介绍了预测函数控制方法的主要思想和特点。针对通常的预测函数控制在优化求解的目标函数中仅含有输出误差的平方和序列,没有考虑控制增量的变化,通过在性能指标中对控制增量适当加权,提出了一种双值预测函数控制算法,提高了系统的稳定性,克服了系统的稳态偏差。在工业过程模型中,用Matlab软件进行了仿真研究,取得了良好的控制效果,表明该算法跟踪快、控制精度高、稳定性强,是一种比较有效的控制方法。     

简化模型预测控制及仿真研究

本文介绍了简化模型预测控制算法ＳＭ－ＰＣ，指出ＳＭＰＣ算法是作为克服内部模型控制（ＩＭＣ）因式分解中求取过程传函逆阵费时等缺点而推出的一种简化算法。将本算法通过对一个多侧线精馏塔进行仿真，结果表明此算法具有良好的控制效果     

Tube-based robust economic model predictive control

In this paper, we develop a tube-based economic MPC framework for nonlinear systems subject to unknown but bounded disturbances. Instead of simply transferring the design procedure of tube-based stabilizing MPC to an economic MPC framework, we rather propose to consider the influence of the disturbance explicitly within the design of the MPC controller, which can lead to an improved closed-loop average performance. This will be done by using a specifically defined integral stage cost, which is the key feature of our proposed robust economic MPC algorithm. Furthermore, we show that the algorithm enjoys similar properties as a nominal economic MPC algorithm (i.e., without disturbances), in particular with respect to bounds on the asymptotic average performance of the resulting closed-loop system, as well as stability and optimal steady-state operation.     

Rail pressure controller design of GDI basing on predictive functional control

Gasoline direct injection (GDI) is a pivotal technique for a highly efficient engine. However, how to maintain a stable rail pressure which offers good fuel economy and low emissions, is still a challengeable work. In this paper, a rail pressure controller is designed basing on predictive functional control (PFC), a model predictive control (MPC) method, to surmount the nonlinearity and discontinuity brought by the common rail pressure system (CRPS). A control-oriented piecewise linear model is presented to simplify the CRPS. The simulation results on a benchmark show that rail pressure tracks the setpoint accurately even with some perturbations. Profiting from the conciseness of PFC algorithm, the controller can compute the online solution in a short time, which makes it possible to realize the strategy on a fast response system.     

基于灰色系统模型的预测函数控制方法研究

以灰色系统模型为基础，建立了一种预测函数控制方法．分析了灰色系统建模、模型预测输出和控制量计算方程的求解．通过仿真结果表明，该算法具有鲁棒性好、跟踪快速和抑制干扰能力强等特点。     

Stochastic model predictive control: Insights and performance comparisons for linear systems

In this paper, we define several instances of model predictive control (MPC) for linear systems, including both deterministic and stochastic formulations. We show by explicit computation of the associated control laws that, under certain conditions, different formulations lead to identical results. This paper provides insights into the performance of stochastic MPC. Amongst other things, it shows that stochastic MPC and traditional MPC can give identical results in special cases. In cases where the solutions are different, we show that the explicit formulation of the problem can give insight into the performance gap.     

广义预测控制系统的闭环分析

本文通过把广义预测控制转化为内模控制结构,导出了其中控制器、滤波器的定量表达,并在此基础上分析了系统的闭环动态特性、稳定性和鲁棒性。这些理论结果提供了设计广义预测控制系统的依据。