一种多变量预测控制的分程控制策略实现方法

针对包含分程控制回路的控制系统具有 非线性特征,提出一种适用于多变量模型预测控制的分程控制实现方法.在分程控制的各线性区间内根据 各分程阀的不同动作组合建立预测模型,通过在线比较控制器输出信号值与相应定义的中间阈值选择模型,模型 发生切换时保留切换前模型中的输出预测值作为当前模型下的初始输出预测值;解决了控制过程存在分程 控制需求时,多变量预测控制器的设计问题,提高了线性预测控制器的适用范围.仿真结果验证了所提出 方法的有效性.     

基于扩张状态观测器的车辆横摆稳定模型预测控制器设计

针对车辆横摆稳定性控制问题,本文提出一种基于扩张状态观测器的线性模型预测控制器设计方法.首先,将非线性车辆模型线性化,建立带有模型误差干扰项的线性模型,其中线性化导致的模型误差采用扩张状态观测器估计得到,并证明了观测器的稳定性.然后基于此模型设计线性预测控制器,近似实现了非线性预测控制器的控制效果,同时降低了计算量.最后,通过不同路况下的仿真实验结果,验证了所提方法的计算性能和控制效果.     

六自由度机械臂约束预测控制系统的设计

本文提出了一种基于约束预测控制的机械臂实时运动控制方法.该控制方法分为两层,分别设计了约束预测控制器和跟踪控制器.其中,约束预测控制器在考虑系统物理约束的条件下,在线为跟踪控制器生成参考轨迹;跟踪控制器采用最优反馈控制律,使机械臂沿参考轨迹运动.为了简化控制器的设计和在线求解,本文采用输入输出线性化的方式简化机械臂动力学模型.同时,为了克服扰动,在约束预测控制器中引入前馈策略,提出了带前馈一反馈控制结构的预测控制设计.因此,本文设计的控制器可以使机械臂在满足物理约束的条件下快速稳定地跟踪到目标位置.通过在PUMA560机理模型上进行仿真实验,验证了预测控制算法的可行性和有效性.     

具有摩擦力补偿的液压裁断数控机床轮廓预测控制算法

针对液压裁断运动控制中的轮廓跟踪问题,提出了一种全新的具有摩擦力补偿的模型预测控制器。较以往的液压裁断跟踪控制器不同,增量模型预测控制器在对系统的预测和状态反馈时,不仅用到了当前时刻的状态值,同时也考虑到了上一时刻的状态值。在设计跟踪控制器的同时,对所设计出的跟踪控制器的跟踪性能进行了深入的讨论。理论结果显示,所设计的增量模型预测控制器能够对参考信号实现无静差跟踪。最后,通过液压裁断平面轮廓控制系统仿真实例验证本文结果的有效性。     

单级倒立摆的LQR控制和DMC控制Matlab仿真比较

建立了单级直线倒立摆的状态空间模型,分别从线性最优二次型（LQR）控制和模型预测控制的原理出发,在MAT-LAB/SIMULINK环境下,设计了LQR控制器和动态矩阵控制（DMC）控制器,对所建立的倒立摆模型对象进行系统控制仿真。仿真结果表明,作为先进控制的DMC控制的效果比作为最优控制的LQR控制效果更好,鲁棒性更强。     

切换非线性系统的分布式模型预测控制

针对一类具有预先指定切换序列的切换非线性系统,研究了具有通信信道干扰和时滞测量的分布式模型预测控制问题.在每个子系统都存在镇定控制器的假设下,利用基于Lyapunov函数的模型预测控制器设计了分布式模型预测控制器,并给出了闭环切换非线性系统最终有界的充分条件.最后,通过仿真结果表明了分布式模型预测控制策略的有效性.     

基于移位继电反馈的模型辨识与控制研究

针对传统继电反馈模型辨识精度较低的问题,介绍了一种新型的移位继电反馈方法,并根据辨识结果设计了基于模型的预测PI控制器。移位继电法采用带滞环的偏置继电器,能够从单次继电反馈测试实验得到模型的三个频率响应点,移位继电法不需要任何模型先验知识,并且辨识精度较高。预测PI控制对于时滞环节具有良好的控制性能,根据移位法与ATV法的辨识结果分别设计了预测PI控制器进行仿真比较,仿真结果验证了移位继电法的实用性。     

机械手臂的多模型预测控制

针对机械手臂的非线性特点,提出了基于隶属度函数的多模型预测控制方法。该方法首先根据机械手臂的特点,选择合适的调度变量,将机械手臂的工作空间划分为若干个工作子空间,在每个子空间内的平衡点处对机械手臂进行线性化处理,得到相应的线性子模型,从而得到机械手臂的多模型表示;其次针对每个线性子模型设计局部预测控制器,使其在相应的子空间内达到控制要求;最后选择梯形隶属度函数与局部预测控制器进行加权求和,获得全局多模型预测控制器,以对机械手臂进行控制。仿真结果表明,当机械手臂的工作条件在大范围内变化时,全局多模型预测控制器的控制性能远优于常规PD控制器,达到了预期的控制目的。     

基于特征模型的柔性结构直接自适应模糊预测控制

为了避免用模态截断方法设计控制器时所引起的控制和观测溢出问题,把柔性结构模型转化为用含有未知系数的二阶差分方程描述的特征模型,对此模型提出了当柔性结构实现位置保持时的直接自适应模糊预测控制方法.此方法直接利用模糊逻辑系统设计预测控制器,并基于广义误差估计值对控制器参数和广义误差估计值中的未知向量进行自适应调整.文中证明了所设计的控制器可使广义误差估计值收敛到原点的一个小邻域内.仿真结果验证了此方法的有效性.     

基于模糊控制策略的车辆主动悬架研究

建立了车辆整车7自由度模型的主动悬架控制的系统状态方程模型,设计了两种模糊控制策略,方法一针对整车模型,采用一种控制方法,方法二针对整车模型的运动方式,设计不同的模糊控制器,垂直振动模糊控制器,俯仰振动模糊控制器,侧倾振动模糊控制器和逻辑控制器,仿真结果表明,所设计的模糊控制器对提高车辆的舒适性与操纵稳定性有较好的效果.     

基于Volterra模型的预测控制及应用

由于工业实践的需要,非线性预测控制近年来受到广泛地关注.Volterra模型是一类特殊的非线性模型,非常适合描述工业过程中的无记忆非线性对象.传统的基于Volterra模型的控制器合成法及迭代计算预测控制器法计算量大,且不便于处理控制约束.非线性模型预测控制求解是典型的非线性规划问题,序列二次规划(sequential quadratic program,SQP)算法是求解非线性规划问题常用方法之一.针对Volterra非线性模型预测控制求解问题,本文将滤子法与一种信赖域SQP算法相结合,提出一种改进SQP算法用于基于非线性Volterra模型的带控制约束的多步预测控制求解,并分析了所提方法的收敛性.工业实例仿真结果证实了所提方法的可行性与有效性.     

Fault detection model‐based controller for process systems

This paper develops a model‐based control system for fault detection and controller reconfiguration using stochastic model predictive control (MPC). The system can determine online the optimal control actions, detect faults quickly, and reconfigure the controller accordingly. Such a system can perform its function correctly in the presence of internal faults. A fault detection model based (FDMB) controller consists of two main parts: the first is fault detection and diagnosis (FDD) and the second is controller reconfiguration (CR). Systems subject to such abrupt failures are modeled as stochastic hybrid systems with variable‐structure. This paper deals with three challenging issues: design of the fault‐model set; estimation of hybrid multiple models; and stochastic MPC of hybrid multiple models. For the first issue, we propose a simple scheme for designing a fault model set based on random variables. For the second issue, we consider and select a fast and reliable FDD system applied to the above model set. Finally, we develop a stochastic MPC scheme for multiple model CR with soft switching signals based on the weighted probabilities of the outputs of different models. Simulations for the proposed FDMB controller are illustrated and analyzed. Copyright © 2011 John Wiley and Sons Asia Pte Ltd and Chinese Automatic Control Society     

An improved model predictive control approach based on extended non-minimal state space formulation

This paper presents a new design method of model predictive control (MPC) based on extended non-minimal state space models, in which the measured input and output variables, their past values together with the defined output errors are chosen as the state variables. It shows that this approach does not need the design of an observer to access the state information any more and by augmenting the process model and its objective function to include the changes of the system state variables, the control performances are superior to those of the controller that does not bear this feature. Furthermore, closed-loop transfer function representation of the model predictive control system facilitates the use of frequency response analysis methods for the nominal control performances of the system.     

采用Hammerstein模型的非线性预测控制

对于象ｐＨ中和，高纯度分离以及化学反等过程的控制，由于其过程本身的严重非线性而变得十分困难。本文提出了一种采用Ｈａｍｍｅｒｓｔｅｉｎ模型的预测控制方法来控制诸如上述的非线性过程，Ｈａｍｍｅｒｓｔｅｉｎ模型用两种方法进行辨识：联立辨识法与序贯识法，特别地，本文提示了一种改进型Ｈａｍｍｅｒｓｔｅｉｎ模型用于克服常规Ｈａｍｍｅｒｓｔｅｉｎ模型在控制器设计时的不足之处，对－ｐＨ中和过程的仿真结果表明，基于     

一种无约束多步递归神经网络预测控制器

本文针对具有强非线性、多工作点特性的控制系统, 提出了一种基于递归BP神经网络的多步预测模型; 通过分析预测模型的内在数学关系, 选择了二次型函数作为预测控制器的目标函数, 并给出了目标函数关于控制序列的雅可比矩阵和赫森矩阵的计算方法; 最后使用Newton-Rhapson算法设计出了滚动优化控制策略, 构建了一个非线性多步预测控制器. 仿真结果表明, 文中提出的多步预测控制器具有较好的控制效果.     

Nonlinear inferential multi-rate control of Kappa number at multiple locations in a continuous pulp digester

The continuous pulp digester represents a large-scale, distributed parameter system. Control of the spatial profile of degree of cooking, characterized by the Kappa number, rather than its endpoint value can effectively control properties that are dependent on the history of cooking. However, profile control of such large-scale distributed parameter systems throws up new challenges in estimation and control. We design a nonlinear model predictive controller using a multi-rate extended Kalman filter to infer and control discrete points along the Kappa number profile. Both, the plant and controller models are based on first principles. The design is tested for significant mismatches in parameters, initial state errors, and stochastic disturbances in the entering wood composition.     

高超声速飞行器的调度离线预测控制

本文将调度预测控制的思想应用于离线鲁棒预测控制,设计了高超声速飞行器计算有效的调度离线预测控制器.首先在不同的平衡点离线设计一系列控制规则,实际实施时只需要在不同的控制器之间进行切换,避免进行在线优化,大幅度减少了在线计算时间.通过估计局部控制器的稳定域,保证了切换控制器的稳定性.另外在确保良好控制品质的同时,还能够保证所有输入和状态均在给定约束范围.仿真试验表明,提出的方法能实现速度和高度较大范围的指令跟踪,所有输入和状态均在给定约束范围内;相比于在线鲁棒预测控制方法,仿真运行时间减少,可以实现高超声速飞行器的实时控制.