预测控制在工业锅炉汽包水位中的应用研究

根据工业锅炉汽包水位的动态特点,提出了汽包水位预测控制方案,采用一种基于BP神经网络预报的动态矩阵预测控制新算法,在该算法中,先用BP神经网络辨识对象模型,同时预测对象的未来输出.该方法解决了非线性、时变对象难以建模及控制的问题,仿真结果验证了这一算法的可行性.     

预测控制在工业锅炉汽包水位中的应用研究

根据工业锅炉汽包水位的动态特点,提出了汽包水位预测控制方案,采用一种基于BP神经网络预报的动态矩阵预测控制新算法,在该算法中,先用BP神经网络辨识对象模型,同时预测对象的未来输出。该方法解决了非线性、时变对象难以建模及控制的问题,仿真结果验证了这一算法的可行性。     

基于T-S 模型的模糊预测控制研究

提出一种基于T—S模型的模糊预测控制策略．利用模糊聚类算法高线辨识T—S模型，采用带遗忘因子的递推最小二乘法进行模型参数的选择性在线学习；对模糊模型在每一采样点进行线性化，将T—S模型表示的非线性系统转化为线性时变状态空间模型，并将约束非线性优化问题转化为线性二次规划问题，解决了非线性预测控制中如何获得非线性模型和非线性优化在线求解的难题．将预测域内的线性模型序列作为预测模型，减小了模型误差，提高了控制性能．pH中和过程的仿真验证了该方法的有效性．     

一种实用的磨矿多模型预测控制策略研究

房矿过程是选矿过程中的重要一环,属多输入多输出系统,并存在严重的扰动变量(诸如硬度等)和时变参数.介绍了一种磨矿控制系统中实用的多变量动态矩阵控制的多模型控制策略.该方法基于不同的矿石硬度对球磨过程建立不同的阶跃模型进行多模型预测控制.仿真证实了该方法的有效性.     

稳定的非线性系统广义预测控制

针对广义预测控制(GPC)算法稳定性分析困难,对参数未知非线性系统提出一种稳定广义预测控制(DGPC)方法。该方法首先将非线性系统转换为时变线性系统,然后利用三次样条基函数逼近时变系统中的系数,通过带时变遗忘因子的递推最小二乘算法辨识系数获得对象模型。基于模型通过性能指标中的前馈增益设计来保证控制系统稳定,仿真结果验证了该方法的有效性。     

基于2D理论的点对点综合预测迭代学习控制

基于二维系统综合预测迭代学习控制(2D-IPILC)方法,结合轨迹更新策略研究点对点跟踪问题的控制算法.该算法既能够充分利用点对点问题在非跟踪点的自由度,也可以通过引入模型预测控制来提高时间轴的抗干扰能力.由于轨迹更新中引入时变参数,该2D模型为时变2D模型,因此分析状态转移矩阵特性和系统全响应,进而采用2D理论分析算法的收敛性和收敛条件,并分析参数对控制效果的影响.相比固定轨迹算法,该算法的收敛速度更快,稳定性比直接型优化算法更好.最后通过仿真实例验证了所提出算法的效果.     

Markov跳变系统的输出反馈鲁棒预测控制

对离散时间Markov跳变系统, 当系统状态不完全可测时, 研究了一类基于输出反馈的鲁棒模型预测控制问题. 所研究系统为准线性参数时变的, 考虑在当前时刻系统的时变参数是已知的, 将来时刻未知的情况. 综合考虑系统存在多胞不确定性和有界噪声等因素, 通过运用线性矩阵不等式方法及变量变换思想, 将无穷时域性能指标的最小最大鲁棒预测控制问题转化为具有线性矩阵不等式约束的凸优化问题, 得到了系统的输出反馈控制律. 引入二次有界概念, 在满足输入输出约束的情况下, 保证闭环系统的随机稳定性. 数值算例验证了方法的有效性.     

状态空间模型的双层结构预测控制算法

双层结构预测控制是指先进行设定值优化、再进行设定值跟踪的预测控制.在已有的双层结构动态矩阵控制的基础上,本文给出基于状态空间模型的双层结构预测控制算法.该算法基于干扰模型和新定义的开环预测值,给出了新的开环预测模块.该开环预测模块采用Kalman滤波方法得到操作变量、被控变量的开环动、稳态预测值.基于这些开环预测值,稳态目标计算模块的基本原理同双层结构动态矩阵控制,但是具体细节上遵循状态空间方法.动态控制模块基于稳态目标计算提供的操作变量、被控变量的稳态目标(设定值),采用二次规划算法计算控制作用.仿真算例证实了该算法的有效性.     

基于递推闭环子空间辨识的自适应预测控制方法

针对存在噪声干扰与时变特性的线性系统的模型不确定性问题,提出了一种基于递推闭环子空间辨识的自适应预测控制方法.通过结合PID(proportional-integral-derivative)控制采用新的目标函数,对闭环子空间预测控制算法进行改进,推导出具有类似PID结构的闭环子空间预测控制算法;采用固定输入输出数据集大小的递推方法将改进后的算法在线实施,通过采用一种简单直观的更新方法代替LQ分解,有效提高了在线计算效率.最后,通过仿真实验验证了方法的有效性.     

一种基于滑模的自适应预测函数控制新算法

提出了一种应用带时变遗忘因子的基于滑模的自适应预测函数控制新算法。该算法采用带时变遗忘因子的递推最小二乘算法在线辨识模型参数,将滑模控制与预测函数控制(PFC)相结合对系统进行控制。与其他模型预测控制不同,预测函数控制可以克服其他模型预测控制可能出现规律不明的控制输入问题,具有良好的跟踪能力和较强的鲁棒性,离散滑模控制中的滑动模态对干扰具有不变性;最后分析了控制系统的闭环渐近稳定性。仿真结果验证了该方法的有效性。