GPC的预测状态空间形式及预测控制算法形式的统一

提出一种与ＭＡＣ，ＤＭＣ预测状态空间形式算法相似的ＧＰＣ预测状态空间形式的算法，使ＧＰＣ可以进行多步迭代预测，并讨论了ＧＰＣ预测状态空间算法可作为预测控制算法的一种统一形式。     

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．     

一种新的预测自校正控制器

本文通过在指标函数中引入加权多项式，为由脉冲响应模型描述的系统提出一种基于多步预测的极点配置自校正控制器，这种控制器能确保控制系统的稳定性，并能消除控制系统的稳态误差，算法的计算也比其它的预测控制算法如ＭＡＣ，ＧＰＣ等小。     

一种前馈广义预测控制算法的研究及其仿真

研究了原油常压蒸馏塔的前馈广义预测控制算法（ＧＰＣ）,克服了可测扰动对系统的作用,建立了以进料温度为可测扰动的常压塔常一线温度控制的ＣＡＲＩＭＡ模型,实现了前馈ＧＰＣ算法的仿真,验证了该算法对具有可测扰动的过程系统具有良好的控制作用,使系统具有良好的鲁棒性。     

一类非线性系统的多面滑模控制

提出一种基于模糊ＣＭＡＣ神经网络的多面滑模变结构控制算法,其特点是无须已知不确定性函数及其各阶导数的上界,与经典设计广阔霜比,所提出的方案允许非参数化不确定性,仿真实例显示了该方法的有效性。     

ATM网上TCP传输的拥塞控制算法分析

本文讨论了ＴＣ庆ＡＴＭ网上存在的问题,对三种典型的ＡＢＲ拥塞控制算法;ＥＦＣＩ、ＥＲＩＣＡ和ＦＭＭＡＲＡ在减少信元丢失和传输时延,提高了ＴＣＰ吞吐量等方面的性能进行了分析和并提出了一些在拥塞控制算法中应考虑的问题。     

神经网络非线性多步预测逆控制方法研究*

提出了基于多步预测控制方法的多变量非线性神经网络逆控制方案。利用预测模型对系统动态特性进行预测,使用一个带有时延因子的前馈神经网络作为控制器,利用多步预测性能指标对其在线训练,实现神经网络逆系统;在多步预测过程中还对每一步的预测误差进行预测,以实现预测误差补偿。将所提出的控制算法用于锅炉这种大滞后非线性对象的控制,仿真实验证明,该控制策略具有良好的解耦和动态跟踪性能。     

非线性系统多步预测控制的复合神经网络实现

提出一种基于神经网络的非线性多步预测控制,采用由线性网络和动态递归神经网络构成的复合神经网络。在此基础上将线性系统的广义预测控制器扩展为非线性系统的多步预测控制器。通过对非线性过程ＣＳＴＲ的仿真表明,该方法的稳定性和鲁棒性明显优于线性ＤＭＣ预测控制。     

ATM网上TCP传输的拥塞控制算法分析

本文讨论了ＴＣＰ协议在ＡＴＭ网上存在的问题,对三种典型的ＡＢＲ拥塞控制算法：ＥＦＣＩ、ＥＲＩＣＡ和ＦＭＭＲＡ在减少信元丢失和传输时延、提高ＴＣＰ吞吐量等方面的地分析和比较,并提出了一些在拥塞控制算法中应考虑的问题。     

讲座：预测控制：第三讲 模型算法控制

讲座：预测控制──第三讲　模型算法控制电子科技大学（成都）周云钟模型算法控制是７０年代后期发展起来的一种预测控制算法，在热工和化工等过程控制领域获得了广泛应用，并取得了巨大成功。１预测模型模型算法控制（ＭＡＣ）适用于渐近稳定的线性对象。测定了此类对象...     

一种CABG手术辅助机器人运动补偿方法研究

针对非体外循环心脏动脉旁路移植手术中辅助机器人的运动控制问题,提出基于多测量耦合模型的多步预测控制算法,该算法增加了加速度测量并采用卡尔曼滤波器作为状态观测器进行信息融合处理,增强了对机器人运动状态的估计,进而提高心脏运动信号的跟踪性能。同时超前的N步预测增加了系统的带宽。实验结果表明,使用了耦合模型的多传感器信息融合多步预测控制算法的机器人系统将跟踪相对运动误差减小了20%。     

采用加权控制律的自适应广义预测极点配置控制器

本文针对ＣＡＲＭＡ和ＣＡＲＩＭＡ模型，利用加权控制律代替一步预测控制律，通过在线选择加权项进行极点配置，避免了广义预测中的求逆问题，应用变遗忘因子最小二乘法辨识参数，仿真结果表明，该控制器适用于非最小相系统和开环不稳定系统，不但具有期望的动态特性，而且具有很好的鲁棒性。     

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     

基于MCS—51单片机的自校正控制算法实时并行处理

本文对典型的自校正控制算法提出了一种基于ＭＣＳ－５１单片机的并行处理方案，采用本方案实现自校正控制算法可以提高控制系统的实时信息处理能力，进而改善相应的控制性能。本方案对研究其它复杂控制算法的实际应用具有参考价值。     

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.     

基于MCS－51单片机的自校正控制算法实时并行处理

本文对典型的自校正控制算法提出了一种基于ＭＣＳ－５１单片机的并行处理方案。采用本方案实现自校正控制算法可以提高控制系统的实时信息处理能力，进而改善相应的控制性能。本方案对研究其它复杂控制算法的实际应用具有参考价值。     

基于神经元网络的模型算法控制

本文提出了一种利用人工神经元网络来实现的模型算法控制，克服了ＭＡＣ不能用于非最小相位系统和单步ＭＡＣ也不能用于纯延迟过程的缺点，通过ＢＰ网络的自学习产生预测偏差，并由智能控制单元进行控制，仿真表明，该控制方法具有良好的控制，特性和鲁棒性，并且适用于非线性系统。     

基于MCS—51单片机的液压并联机器人MRACS实时并行处理

本文对６－ＤＯＦ液压并联机器人ＭＲＡＣＳ提出了一种基于ＭＣＳ－５１单片机的实时并行处理方案。采用本方案实时并行处理ＭＲＡＣ算法可以提高系统的实时信息处理能力，进而改善系统的控制性能，文中的内容对研究其它ＭＲＡＣＳ具有参考价值。     

时滞系统的神经网络预测控制

针对时滞系统的特点和采用神经网络单值预测控制存在的不足,提出了多步超前预测与补偿的控制算法,有效地增加了控制力度,改善了动态性能,并论述了增加的预测与补偿步数与稳定的关系。     

基于数据库的支持群体工作CAD软件的设计与实现

目前ＣＡＤ系统多是面向单个设计者，而实际的设计工作往往由多个设计者协同完成。ＣＡＤ系统应该支持多个设计者协同工作以提高工作效率。作者采用在现有的ＣＡＤ系统中加入支持设计者协同工作的模块的方法。利用这种方法将ＢＩＣＡＤ中的结构建模模块ＭＯＤＥＬ修改为ＣＷＭＯＤＥＬ，它可支持多个设计者协同工作并能缩短设计周期。实践证明这种方案是可行的。