一种约束输入输出的隐式广义预测控制新算法

基于CARIMA模型提出了一种约束输入输出的隐式广义预测控制算法.针对广义预测控制问题,在整个预测时域和控制时域,对输入幅值,输入增量和输出幅值施加了约束,引入了输入输出柔化系数,从而简化了目标函数,减小了计算量,该算法不必求解逆矩阵;并采用了隐式广义预测自校正控制算法,利用并列预测控制器间的特点,直接辨识输出预测器中的参数,从而避免了在线求解Diophantine方程.该算法占用内存小,计算速度快,仿真结果表明该算法具有良好的控制性能.     

基于柔化矩阵的广义预测控制快速算法

本文针对输入要求平稳的系统设备提出了一种预测控制新算法.该算法通过对输入增量引入柔化系数矩阵从而进行约束,避免了矩阵求逆的计算,大大减少了计算量,确保了系统的快速性,同时保留了广义预测控制的基本特征.其次,控制算法中改善了传统广义预测控制算法的单一性,充分利用预测信息的补偿作用进行加权平均,很好得抑制了超调的出现.通过挤出机的压力系统做仿真试验,结果验证了该算法的有效性.     

一种新型广义预测控制快速算法

广义预测控制(GPC)作为一种优良的算法受到了许多学者的重视.其基本思想是根据过去的输入输出以及未来输入通过优化二次型目标函数来预测未来输出.传统的GPC的缺点是计算量大.本文在隐式广义预测控制的基础上,通过改进其目标函数,提出了一种新型广义预测控制快速算法,避免了在线求解Diophantine方程和矩阵求逆,大大降低了计算量.仿真结果表明该算法的有效性.     

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。     

滑模等式约束的时滞系统广义预测控制

提出了一种滑模等式约束的广义预测控制方法.该方法将广义预测控制与离散滑模控制结合起来用于具有大惯性、大时滞、时变和非线性的热力站换热机组的供水温度控制系统中,并采用柔化输入信号的方法,可避免广义预测控制算法中的矩阵求逆,有效缩短了预测时域,减小计算量.最后给出了稳定性分析并通过仿真验证了该方法的有效性.     

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     

广义预测控制隐式算法在温控系统中的应用

温控对象普遍具有大时滞、非线性和时变性等特点,使用传统的PID控制器难以取得理想的控制效果.广义预测控制(GPC)是基于参数模型的一种预测控制,在优化中引入了多步预测的思想,并且能用最小二乘法在线辨识参数,因此适用于温度控制.GPC隐式算法减少了计算量,提高了实时性.Matlab仿真和实验结果证明,GPC隐式算法具有处理大时滞和时变等问题的能力.     

基于双柔化系数在线调整的广义预测控制

在预测控制系统中,其控制品质与控制器的参数整定有很大的关系,特别是性能指标中的输出柔化系数及输入柔化系数。针对广义预测控制算法中控制参数整定困难这一缺点,利用BP神经网络,提出一种基于双柔化系数设计的广义预测控制算法,实现了广义预测控制中输入输出柔化系数的在线调整。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,均优于固定参数的广义预测控制算法,并对干扰有一定的抑制作用。     

一种约束输入的广义预测控制新算法

提出一种约束输入的广义预测控制新算法（GPCIC），该算法不必求逆矩阵，占用内存小，计算速度快，仿真结果表明，该算法具有良好的控制性能。     

输入平稳的快速无超调预测控制算法

针对输入要求平稳的系统设备,提出了一种快速无超调预测控制新算法。该算法通过对输入增量引入柔化系数矩阵从而进行约束,防止了输入的剧烈变化;既达到了系统输入平稳的要求,又克服了传统控制律中求解逆矩阵的缺点,提高了系统响应的快速性。其次,控制算法中改善了传统广义预测控制算法的单一性,充分利用预测信息的补偿作用进行加权平均,很好地抑制了超调的出现。通过对水下航行器航向系统的仿真试验比较,试验结果验证了该算法的有效性。     

灰色广义预测控制算法及仿真研究

基于灰色系统模型, 构造了一种新的广义预测控制算法. 该算法仅在线估计两个参数, 不用求解Dio phantine方程. 从而大大减少了计算量, 增强了实时性. 仿真实验说明, 该算法单步和多步情况均可获得较好的控制跟踪效果.     

多变量预测控制结构分解的图论方法

预测控制算法的计算复杂度主要由变量个数和控制时域决定, 而大型复杂系统中变量个数较多将导致计 算量大的问题, 尤其在有约束预测控制的优化求解中增加较重的计算负担. 本文针对此问题利用邻接矩阵、可达矩 阵和关联矩阵梳理系统传递函数模型中变量之间的关联, 将有关联的控制变量划分为一个子系统, 进而将一个大系 统分解成若干独立子系统, 即可将一个高维度的优化求解问题分解成多个维度较低的子优化问题, 降低计算复杂度 以达到减少计算量的目的. 最后将其应用在多变量有约束的双层结构预测控制算法中, 通过仿真进行验证.     

多变量系统的隐式广义预测自校正控制算法

针对双输入双输出机炉协调控制系统,介绍了一种隐式广义预测自校正控制算法并对其进行仿真研究,分析仿真结果,总结参数变化对整个系统性能的影响,结果证实了算法的有效性。     

一类双线性系统的广义预测控制研究

双线性模型预测控制的研究表明,采用一般双线性模型的预测控制将涉及非线性优化问题,在线处理相当困难,而采用线性近似模型的预测控制又会带来较大的偏差.针对一类输入一输出双线性系统,提出了一种双线性系统的广义预测控制算法.该算法将基于输入-输出模型双线性系统中的双线性项和线性项合并,建立了一种类似于线性系统的ARIMA模型,并充分利用多步最优预测信息,由递推近似实现多步预测.控制律具有解析形式,避免了一般非线性寻优的复杂计算,并能适用于非最小相位双线性系统.仿真实验表明该算法具有良好的控制效果.     

基于免疫原理的模型预测控制方法及其在过热汽温控制中的应用

提出了基于免疫原理的模型预测控制方法，将免疫遗传算法作为优化技术用于模型预测控制的设计，并应用在电站锅炉过热汽温的控制系统中，仿真研究表明了该算法的可行性和有效性。     

参数时变系统的广义预测控制研究

针对参数时变系统,研究了自适应预测控制器的设计问题.采用隐式广义预测控制算法(IGPC),无需辨识对象模型参数,而是利用输入/输出数据直接辩识控制器参数,以求解最优控制增量,具有计算量小、实时性高的特点.仿真结果表明,在不需要关于被控对象先验知识的情况下,隐式广义预测控制器可以很好地跟踪设定值的变化,同时对于系统外部干扰和模型参数的变化具有很好的适应能力,在参数时变系统控制器设计中具有良好的应用前景.     

一种基于时间差分算法的神经网络预测控制系统

为提高多步预测控制的计算效率，提出一种基于时间差分算法的Elman网络多步预测控制器的设计方法．用Elman网络对非线性系统输出值进行直接多步预估，并针对BP算法无法对网络权值的实时调整进行渐进计算的缺点，提出了将时间差分法和BP算法相结合的新的网络学习算法；为简化计算，采用单值预测控制算法对非线性系统进行滚动优化以实现对下一步控制量的优化计算．理论分析与仿真结果表明，该方法具有结构简单、运算量小、速度快的特点，可应用于实时快速系统，并且对系统参数的变化具有一定的自适应性．