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。     

饱和离散随机非线性系统的H_∞模型预测控制

针对饱和离散随机非线性系统,研究状态反馈H∞模型预测控制问题.该系统同时考虑了执行器饱和、随机发生非线性和外部扰.利用扇形有界条件将非线性饱和函数分解为线性部分和非线性部分,并且采用概率统计的方法刻画系统的随机非线性.基于Lyapunov稳定性定理和线性矩阵不等式(LMI)技术给出了保证H∞性能和闭环系统随机稳定的充分条件.最后通过仿真算例验证所提H∞模型预测控制方法的可行性和有效性.     

基于径向基函数神经网络偏差补偿的预测函数控制

基于线性模型设计预测函数控制器，用径向基函数神经网络（RBFNN）来补偿由系统的非线性和外界干扰引起的预测误差，从而实现非线性系统的自适应预测函数控制。将该控制算法用于pH中和滴定过程，仿真实验表明该算法计算量小，控制效果好。     

基于T-S模型的自适应模糊预测函数控制

针对多变量非线性系统，提出一种基于Takagi-Sugeno(T-S)模型的自适应模糊预测函数控制方法.在T-S模糊模型结构已确定情况下，利用加权递推最小二乘法对T-S模糊模型后件参数进行在线辨识.对模糊模型在每一采样点进行线性化，将描述非线性系统的T-S模型转化为线性时变的状态空间模型，并假设输入基函数为阶跃函数，推导出预测控制律的解析式.仿真结果表明，该方法在求解控制律时，无需求解非线性优化问题，并且有效克服了模型失配对系统控制性能的影响，增强了系统的跟踪性能和鲁棒性.     

基于多模型的自适应预测函数控制

作为第三代模型预测控制算法，预测函数控制已经在线性系统控制中取得了很好的效果，但应用于非线性对象还有一定局限性。针对现实中大量存在的非线性过程，提出了基于局部模型设计的预测函数控制器加上模型切换算法的多模型自适应预测函数控制器。通过计算机仿真应用于连续发酵过程，表明基于多模型的自适应预测函数控制器比常规的预测函数控制器具有更好的控制效果。     

支持向量机α阶逆系统控制-离散非线性系统

针对传统逆系统方法中逆模型难以建立的问题，提出了基于最小二乘支持向量机（LS-SVM）的α阶时延逆系统控制方法.通过分析LS-SVM的函数拟合特性，以离散非线性系统为例，证明了基于LS-SVM阶时延逆系统存在的充分条件.利用具有径向基(RBF)核函数的LS-SVM，离线建立了被控对象的非线性逆模型.把得到的逆系统串连在原系统之前，得到基本上线性化的伪线性复合系统，将复杂的非线性问题转化为线性问题，利用线性系统的理论实现了伪线性系统的综合.仿真结果表明，该方法适应于较一般的离散非线性系统，且在没有被控对象先验知识的情况下，能准确地建立非线性系统的逆模型.     

支持向量机α阶逆系统控制——连续非线性系统

针对传统逆系统方法中逆模型难以建立的问题，提出了连续非线性系统基于最小二乘支持向量机(LS-SVM)α阶的逆系统控制方法.该方法用具有径向基核函数(RBF)的LS-SVM，离线建立被控对象的静态非线性逆模型.由静态非线性逆模型外加若干表征非线性动态特性的积分器, 构成了连续非线性系统的α阶逆系统.将得到的LS-SVM α阶逆系统串连在原系统之前，得到基本上线性化的伪线性系统，进而将复杂的非线性问题转化为线性问题.仿真结果表明，在没有被控对象先验知识的情况下，利用该方法能准确地建立连续非线性系统的逆模型.基于SVM的α阶逆系统方法适应于较一般的连续非线性系统，且具有良好的控制性能.     

基于Wiener过程退化模型的高压阀寿命预测

高压阀泄漏量的退化机理复杂,退化具有动态、周期性、非线性等特征,对高可靠、长寿命的高压阀准确进行寿命预测是一个难点。本研究开展高压阀的模拟试验,获取高压阀泄漏量退化过程的数据,基于Wiener过程对高压阀建立寿命预测模型,根据可靠性函数和剩余寿命的概率密度函数对高压阀的剩余寿命进行评估。结果表明基于Wiener过程的泄漏量的退化模型对高压阀寿命预测与实际试验测量的寿命值的误差均在10%以内。与ARIMA模型预测的高压阀寿命对比,基于Wiener过程的泄漏量的退化模型对高压阀的寿命预测更稳定、误差更小,证明了Wiener过程退化模型在预测高压阀寿命工作中的有效性和准确性。     

制粉系统球磨机的神经网络预测控制

通过对制粉系统球磨机这一非线性被控对象建立神经网络预测模型,提出了基于神经网络预测控制器的非线性预测控制方法。为了克服大多数非线性系统预测控制在线计算量大的问题,在预测控制性能指标约束下,采用非线性优化求解技术,得到当前工作点的最优预测控制量,用来训练神经网络预测控制器,最终实现非线性系统的神经网络直接预测控制。新的方法大大减少了在线计算量,仿真试验结果证实了所提方法的有效性。     

一种双线性系统的预测函数控制算法

预测控制是以计算机为手段基于模型预测进行控制的方法，但是以往的预测控制算法通常是集中在线性渐进稳定对象，对非线性系统的研究工作较少。针对实际工业过程中广泛存在的双线性系统，通过对其每一滚动优化点进行线性化处理后，设计了一种简便高效的、可与线性系统媲美的预测函数控制算法，核算法具有解析形式，从而避免了一般非线性子优的繁琐计算。利用Matlab软件份真表明该非线性预测函数控制方法是一种计算简单、抑制干扰能力强、跟踪性能好、误差较小的有效的控制方法。     

基于神经网络的非线性系统复合内模控制

利用RBF神经网络逼近连续非线性系统的α阶积分逆系统,并对原非线性系统及其逆系统构成的伪线性系统采用内模控制方法进行复合控制,从理论上分析了滤波器对跟踪误差的影响,仿真结果表明,内模控制与逆系统方法相结合的复合控制方案是处理非线性问题比较有效的方法之一。     

柴油机主动隔振液压执行器线性化控制仿真研究

利用非线性自适应控制方法及其相应的非线性系统理论,对实际柴油机台架液压执行器的非线性系统进行线性化控制,以达到减小乃至消除整个系统非线性成分的目的.从实际台架出发进行理论分析,为柴油机双层主动隔振系统的次级通道建立确切的非线性系统模型,进而采用预补偿模型参考自适应逆控制策略(PCMRAIC),在Matlab平台下实现对整个非线性系统线性化控制的数字仿真.数字仿真结果表明,柴油机主动隔振系统次级通道存在着不可回避的非线性特性,采用预补偿模型参考自适应逆控制策略能够较理想地解决次级通道非线性特性.数字仿真对柴油机试验台架的实际研究有一定的指导意义.     

磁流变阻尼器的神经网络建模及应用

对非线性的磁流变阻尼器进行建模,建立单个磁流变阻尼器的神经网络正模型和神经网络逆模型,设计了两种四磁流变阻尼器的神经网络逆模型,通过两层控制策略将它们应用于汽车半主动悬架控制.结果表明:第1种神经网络逆模型对簧载质量的垂直加速度、俯仰角加速度和侧倾角加速度具有较好的控制效果,可有效改善车辆的行驶平顺性和操纵稳定性;第2种神经网络逆模型还有待改善.     

空气重介流化床的基于逆系统方法的内模控制

为了提高大型空气重介流化床（ADMFB）的鲁棒性和抗干扰能力，提出了基于人工神经网络（ANN）逆系统方法的内模控制.在分析ADMFB系统可逆性的基础上，该方法利用ANN辨识得到的原系统逆模型与原系统相串连，运用逆系统方法的思想，将该多变量、非线性、强耦合的系统通过反馈线性化，解耦成多个相互独立的单输入单输出（SISO）的伪线性子系统，对求得的伪线性系统采用该方法进行控制.ADMFB的仿真结果表明，该方法不依赖于系统的精确数学模型，对恒值扰动具有良好的抑制能力，并当非线性参数发生变化或逆系统存在建模误差时，由该方法设计的闭环系统均具有良好的鲁棒稳定性.     

一类高阶非线性系统的一般模型控制

一般模型控制是一种基于过程模型的控制算法 ,它将过程模型直接嵌入到控制器中 ,当模型出现误差时 ,一般模型控制已经表明具有良好的控制性能。针对一类高阶非线性系统研究了采用一种非线性观测器的一般模型控制。应用非线性观测器来估计非线性状态 ,构成了非线性状态反馈 ,从而实现了高阶非线性系统的一般模型控制。该控制策略具有参数整定方便和使用方便等特点 ,仿真结果表明非线性观测器能很好的估计系统的状态 ,控制系统具有优越的控制性能。它是一种有效的此类非线性系统的控制策略     

一种BUCK变换器的滑模-通用模型控制器研究

针对BUCK变换器的复杂性和时变性,提出了采用通用控制器和滑模-通用控制器的控制策略。应用状态空间平均建模法,建立电流连续型(CCM)Buck变换器的仿射非线性模型。利用RBF神经网络和积分器组成动态神经网络结构逼近BUCK变换器的逆模型并由此组成CMC控制器。设计了滑模-通用控制器,进一步改善了系统的鲁棒性。在Matlab/Simulink下进行了系统建模和仿真研究,结果表明该方法在输入电压和负载电阻变化时,能有效减小系统状态误差和提高系统稳定性。      

基于动态神经模糊算法的船舶航向自适应控制

针对船舶航向控制中模型参数变化引起的不确定性问题,提出一种基于动态神经模糊模型(DNFM)的自适应控制算法.DNFM在学习中同时调整结构和参数,充分逼近Norrbin非线性船舶NARX模型的逆动力学.训练好的DNFM与PD控制器并联构造自适应控制器用于航向控制,且以PD控制器的输出作为自适应律的自变量,进一步在线调整DNFM的权值.以5446 TEU集装箱船的航向控制仿真结果验证了算法的有效性.     

非线性系统构成哈默斯坦模型的必要条件

借助相关分析方法导出了黑箱非线性系统构成哈默斯坦模型的必要条件,为辨识一大类可以表示成这种模型的非线性系统提供了一种实用的判别依据,借助于渥尔特拉级数和维纳理论,还给出了这种判别依据用表征非线性系统固有属性的渥尔特拉核和维纳核来表示的形式.数值模拟算例表明:所导出的表达式正确有效.     

Investigation on full vehicle height control algorithm using feedback linearization method

Aiming to improve the control accuracy of the vehicle height for the air suspension system, deeply analyzing the processes of variable mass gas thermodynamics and vehicle dynamics, a nonlinear height control model of the air suspension vehicle was built. To deal with the nonlinear characteristic existing in the lifting and lowering processes, the nonlinear model of vehicle height control was linearized by using a feedback linearization method. Then, based on the linear full vehicle model, the sliding model controller was designed to achieve the control variables. Finally, the nonlinear control algorithm in the original coordinates can be achieved by the inverse transformation of coordinates. To validate the accuracy and effectiveness of the sliding mode controller, the height control processes were simulated in Matlab, i.e., the lifting and lowering processes of the air suspension vehicle were taken when vehicle was in stationary and driving at a constant speed. The simulation results show that, compared to other controllers, the designed sliding model controller based on the feedback linearization can effectively solve the "overshoot" problem, existing in the height control process, and force the vehicle height to reach the desired value, so as to greatly improve the speed and accuracy of the height control process. Besides, the sliding mode controller can well regulate the roll and pitch motions of the vehicle body, thereby improving the vehicle''s ride comfort.