复杂高阶对象的预测PID控制

针对复杂高阶对象提出了一种基于数值最优模型降阶方法,并基于这种降阶模型设计了预测PID控制器,将此控制器应用于原始模型能够得到很好地控制效果。数值最优模型降阶算法使高阶对象能近似为一阶加时滞对象或二阶加时滞对象,通过模型阶跃响应和Bode图对比,降阶模型曲线很好地逼近原始模型曲线。预测PID对大时滞对象有着很好地控制效果,模型降阶使得预测PID很好地控制复杂高阶对象,且其结构简单,可调参数少的特点。     

低阶时滞过程的伪预测PI／PID控制

基于单位反馈控制结构,根据期望的闭环传递函数设计得到了一种伪预测PI/PID(ADQPI/ADQPID)控制器。这种控制器只有一个可调参数,可调参数与系统动态响应性能和鲁棒稳定性之间存在直接关系,只需单调的调节控制器参数,便可实现系统的动态响应性能与鲁棒稳定性之间的最佳折衷。仿真实例表明,这种控制器在扰动和模型失配的情况下仍然具有良好的控制性能和鲁棒稳定性,是一种值得在实际工程中推广运用的新型控制器。     

精馏塔时滞过程的分数阶PIλDμ控制器设计

本文针对精馏塔不稳定时滞过程,提出一种基于设定值加权的分数阶PIλDμ控制器设计方法.首先采用比例环节构成内环反馈镇定不稳定时滞过程,然后基于等效的过程模型,依据设定值加权方法设计分数阶PIλDμ控制器,并进行了控制器参数整定.仿真结果表明:分数阶PIλDμ控制器可以使精馏塔不稳定时滞过程系统获得良好的动态响应特性,干扰抑制特性以及克服系统参数变化的鲁棒性.     

多变量动态解耦预测PI在精馏塔中的应用

精馏塔是一个多输入多输出的高阶系统,其内在机理复杂,具有强耦合、强干扰、大滞后等特性。精馏塔精馏工艺对控制器要求较高,常规的PID控制过程中存在震荡和超调现象,会导致产品品质不佳,而一般的智能控制鲁棒性较差,参数不易整定,无法满足实际需求。针对该问题,提出了多变量动态解耦预测PI控制算法。该算法使用对角动态解耦器解除变量间的耦合特性,对由解耦器和过程对象组成的广义过程对象进行模型降阶,并对每一个相互独立的降阶模型运用预测PI算法进行控制研究。仿真结果表明,多变量动态解耦预测PI控制算法具有良好的稳定性和鲁棒性,且抗干扰能力强、响应速度快、参数易整定,具有一定的实际应用价值。     

大时滞网络自适应预测PI主动队列管理算法

针对网络中存在的大时滞和网络参数时变问题,提出一种自适应预测PI主动队列管理算法．将Smith预估器与达林算法相结合,既克服了大时滞带来的不利影响,也减少了控制器参数整定数量．利用网络参数与控制参数所具有的确定关系,通过在线估计网络参数来实时调节控制参数,使得控制器能够适应网络参数的变化,同时采用线性化方法分析了系统局部稳定性．仿真结果表明,所提出的算法是可行而有效的。     

一阶时滞过程的数字PI快速镇定算法

研究一阶时滞过程的数字PI镇定问题。研究表明,当闭环系统临界稳定时,实轴以外具有最小辐角的极点是临界稳定极点。通过确定临界稳定极点的位置,得到数字PI控制系统的稳定性判据。根据该稳定性判据,可以快速地确定数字PI控制系统的参数稳定域。     

预测PI时滞网络拥塞控制算法设计及性能分析

针对网络中存在的大时滞给主动队列管理算法性能带来的不利影响,将Sm ith预估器与Dahlin算法相结合,提出了一种预测PI拥塞控制算法,首先利用Sm ith预估器补偿时延滞后,克服了大时滞给系统性能带来的影响;然后按Dahlin算法设计控制器,把控制器参数和预估对象模型参数相结合,既减少了整定参数,也避免了参数整定时的相互影响.同时,利用经典控制理论方法分析了系统稳定性和存在链路容量干扰时瓶颈队列的暂态、稳态特性.仿真结果显示预测PI算法控制性能优于RED,PI算法及具有较强的鲁棒性.     

基于灰色预测的大时滞过程的控制研究

针对传统PID控制对大时滞过程控制效果不佳的情况,采用基于GM(1,1)灰色模型对被控对象系统行为进行预测,并用等维新息、提高原始数据列的光滑度和改变初始条件三者结合的方法对该模型进行改进,得到一个改进的GM(1,1)模型.同时以GM(1,1)模型的发展系数a作为决定预测步长的依据,将其与传统PID结合,组成灰色预测控制系统对大时滞过程进行控制.仿真结果表明,与传统PID控制相比,该方法具有较强的适应性和鲁棒性,控制性能也得到了较明显的改善.     

一种具有PI结构的时滞系统APFC控制

提出了一种具有PI结构的时滞系统自适应预测函数控制（APFC）,该算法通过在性能指标函数中引入预测输出误差和预测输出增量误差,使最终形成的控制器具有比例-积分（PI）结构。结合了预测控制具有较好的处理时滞、快速跟踪和PID调节器抗干扰性强、鲁棒性强的优点,并且模型参数是通过带遗忘因子的递推最小二乘算法在线辨识得到。在具有时滞的工业过程数学模型上进行仿真研究,结果表明,该算法具有较好的跟踪效果、抗干扰能力和鲁棒性。     

线性离散时滞重复过程的H∞控制

首先给出了线性离散时滞重复过程的2D(两维)Roesser模型, 采用线性矩阵不等式方法导出了过程稳定并具有H_∞扰动抑制度的一个充分条件. 通过求一个线性矩阵不等式的可行解来构造系统的一个状态反馈H_∞控制器. 进一步, 通过求解一个线性矩阵不等式凸优化问题得到该过程的最优状态反馈H_∞控制器.     

一类非自衡加纯滞后系统的双预测P I 控制

提出了一类基于非自衡加大纯滞后过程的双预测PI控制器的结构形式，这种控制器结构筒单，可调参数少，参数的调节方便、直观，仿真结果表明：在干扰和模型失配的情况下，此类控制器仍具有良好的控制性能和鲁棒稳定性，是一种值得在实际工程中推广应用的新型控制器。     

Multi-order Arnoldi-based model order reduction of second-order time-delay systems

In this paper, we discuss the Krylov subspace-based model order reduction methods of second-order systems with time delays, and present two structure-preserving methods for model order reduction of these second-order systems, which avoid to convert the second-order systems into first-order ones. One method is based on a Krylov subspace by using the Taylor series expansion, the other method is based on the Laguerre series expansion. These two methods are used in the multi-order Arnoldi algorithm to construct the projection matrices. The resulting reduced models can not only preserve the structure of the original systems, but also can match a certain number of approximate moments or Laguerre expansion coefficients. The effectiveness of the proposed methods is demonstrated by two numerical examples.     

Construction of iterative processes with high order of convergence

From the influence of convexity in Newton's method, a recursive procedure is obtained to construct iterative processes with order of convergence m, for each m∈N. Computational efficiency is also analysed.     

积分加纯滞后系统的双预测PI控制及其应用

Smith预估控制器控制积分加大纯滞后过程时,鲁棒稳定性差,输出存在静态余差,无实际应用价值.提出了一类基于该过程的双预测PI控制器:具有内环和外环两种预测PI控制器.内环将系统稳定,外环消除输入干扰的影响和改善控制系统的动态性能.这种控制器结构简单,可调参数少,参数的调节方便、直观.仿真和实际应用表明:在干扰和模型失配的情况下,此类控制器仍然具有良好的控制性能和鲁棒稳定性能,是一种值得在实际工程中推广应用的新型控制器.     

一阶时滞系统的智慧PI控制

针对一阶时滞系统的控制问题,提出了一种不依赖于受控对象模型和属性的智慧比例–积分(WPI)控制方法. WPI控制方法通过速度因子将比例和积分环节紧密联系在一起形成一个协同控制核心.理论分析表明,由WPI控制器构成的闭环控制系统是全局渐近稳定的.数值仿真实验表明了WPI控制方法不仅响应速度快、控制精度高,而且还具有良好的抗扰动鲁棒性,因而是一种有效的控制方法,在时滞系统控制领域具有广泛的应用价值.     

Single-cycle and multi-cycle generalized 2D model predictive iterative learning control (2D-GPILC) schemes for batch processes

In this paper, iterative learning control (ILC) system is modeled and designed from a two-dimensional (2D) system point of view. Based on a 2D cost function defined over a single-cycle or multi-cycle prediction horizon, two ILC schemes, referred respectively as single-cycle and multi-cycle generalized 2D predictive ILC (2D-GPILC) schemes, have been proposed and formulated in the GPC framework for the 2D system. Analysis shows that the resulted control schemes are the combination of a time-wise GPC and a cycle-wise ILC optimized in 2D sense. Guidelines for parameter tuning have been proposed based on the ultimate performance analysis for the control system. Simulation shows that the multi-cycle 2D-GPILC outperforms the single-cycle 2D-GPILC in term of cycle-wise convergence.