模糊预测控制及在pH控制过程中的应用

pH控制过程具有较强的非线性和滞后性,是过程控制中具有挑战性的难题。文中利用过程的Hammerstein模型描述,提出了一种基于模糊控制的两步法广义预测控制方法(F-TSGPC)。将T-S模糊模型逼近Hammerstein模型的非线性环节,根据广义预测控制求解的中间变量与预测误差设计相应的模糊规则,由T-S模糊模型逆映射出控制量,避免了求解非线性方程,在一定程度上抑制了系统的滞后。文中也对实际控制中存在的输入约束给出了一种新的处理方法。仿真结果表明,F-TSGPC能有效的对p H值进行控制,具有良好的跟踪性及抗干扰性。     

移动机器人的运动预测控制

本文简要介绍了移动机器人的路径控制问题 ,并根据广义预测控制的概念提出了运动预测控制方法 ,对移动机器人非线性模型使用了中间变量及 EKF位置估计结果来实现预测控制     

基于T-S模糊模型的非线性系统广义预测控制

针对离散非线性系统,提出一种基于T-S模糊模型的广义预测控制方法。该方法将采样点的T-S模糊模型转化为采样点线性模型与非线性误差叠加的线性形式,通过迭代修正非线性误差,使具有非线性误差的线性模型预测控制律逐渐逼近采样点T-S模糊模型预测控制律。同时,该预测控制方法也能适用于当系统受输入输出约束时的控制。仿真结果验证了所提出的TS模糊模型广义预测方法有效。     

基于神经网络的非线性系统约束预测控制

利用非线性激励函数的局部线性表示,提出一种可用于非线性过程的基于神经网络模型的约束广义预测控制算法。该算法将非线性搜索转化为只对当前控制增量的约束,避免了非线性优化求解,并不需要很多的计算量。文中给出了仿真结果。     

对角CARIMA模型输入输出约束自适应广义预测控制

为了简化输入输出约束存在时多变量广义预测控制算法的设计与实现问题,提出了对角结构形式的多变量CARIMA模型的约束广义预测控制算法.根据对角CARIMA模型的结构特点将多输人多输出对象的模型输出预报和参数辨识转化为多输入单输出子对象的模型输出预报和参数辨识,并详细分析了系统的输入输出约束形式,将模型输出预报、目标函数和约束条件中依赖于模型参数的项与依赖于过程历史数据的项完成分离,简化了模型输出预报的计算及优化问题的求解,从而简化了约束多变量广义预测控制算法的实现.在一个DCS控制的非线性液位装置上的对比实验结果表明了该方法的有效性.     

基于RBF网络的GPC在火电单元机组中的应用研究

大型火电单元机组是一个多变量、强耦合、大时滞的非线性系统,用传统的控制方法很难得到最佳的运行效果。采用基于RBF网络的广义预测控制（GPC）策略,用RBF算法建立模型,用广义预测解决时滞问题。该算法具有良好的动态响应和较强的鲁棒性,仿真结果表明了其有效性。     

电液弯辊力伺服控制系统的预测控制

本文利用广义预测控制原理，通过建立轧机弯辊力伺服系统的受控自回归积分滑动平均模型，实现了具有提前控制效果的预测控制，该方法简单、预测精度高、抗干扰性好、实时性强，能够消除系统中参数时变、非线性环节等因素的影响，仿真试验表明此算法具有较好的控制效果。     

基于T-S模糊模型的辨识与控制

针对一类非线性系统,采用模糊辫识的方法建立系统的T-S模型,结合广义预测控制对模糊预测控制进行研究.应用模糊聚类和递推最小二乘法辫识T-S模糊模型的前提结构和结论参数.对于非线性系统来讲,T-5模糊模型有良好的描述特性,并结合广义预测控制的滚动优化,实现对非线性系统的有效控制.仿真结果说明了该算法的有效性.     

基于广义预测相邻耦合理论的多点顶推系统同步控制策略

针对多点顶推系统的同步控制问题,提出了一种广义预测相邻耦合同步控制策略。根据多变量广义预测理论,建立了多缸电液伺服系统的CARIMA模型。结合相邻耦合控制理论,构造了同步误差观测器,预测了同步误差。对广义预测控制算法进行了改进,在性能指标中嵌入跟踪误差与同步误差及其差分量,确保同步误差与跟踪误差在全局范围内并渐进收敛于零。实验表明该策略较之主从式PID控制策略,具有更好的跟踪性能和同步性能。     

软腔体柔性机械臂的T-S模糊建模与控制

针对柔性机械臂强非线性、强耦合性及不确定性的特点，利用Takagi—Sugeno模糊模型其规则前件是模糊变量，而规则后件的结论是输入输出线性函数的特点，对柔性机械臂进行了建模。在验证了模型准确性的基础上，进行了广义预测控制方法的研究，最后，对比分析了广义预测控制和传统PID控制，实验结果表明，基于T—S模糊模型的广义预测控制能很好的实现对柔性机械臂的控制。为柔性机械臂的模糊建模和进一步研究提供了理论指导及重要的前提条件。     

Nonlinear Model-Based Predictive Control Using a Generalised Hammerstein Model and its Application to a Semi-Batch Reactor

In recent years, much attention has been focused upon predictive control of nonlinear systems. The implementation of such a control strategy for real processes has greatly improved their performance. This paper deals with a model-based predictivecontrol (MBPC) strategy using a generalised Hammerstein model and its application to the temperature control of a semibatch reactor. Both unconstrained and constrained adaptive control problems are considered. A simple identification method based on the weighted recursive least squares method (WRLS) is used to estimate the model parameters on-line. An indirect adaptive nonlinear controller is designed by combining the predictive controller with an indirect parameter estimation algorithm. This adaptive scheme has been applied for the control of a semi-batch chemical reactor. Experimental results show that the performance of the generalised Hammerstein MBPC (NLMBPC) was significantly better than that of a linear model predictive controller (LMBPC). ID="A1"Correspondance and offprint requests to: Dr F. M'sahli, Department of Electrical Engineering, ISETKH, Avenue Hadj Ali Soua, 5070, Ksar Hellal, Monastir, Tunisia. E-mail: msahli-fn@iyahoo.fr     

压电执行器动态迟滞建模与LQG最优控制器设计

为提高空间天文望远镜稳像系统中压电快摆镜(Fast Steering Mirror,FSM)的动态性能,对压电执行器(Piezoelectric Actuator,PZT)动态迟滞补偿和控制进行研究。鉴于基于广义Play算子Prandtl-Ishlinskii(PI)模型的求逆复杂性和迟滞曲线的非对称性,构造一种基于广义Stop算子PI逆模型来补偿压电执行器迟滞非线性。采用Hammerstein模型对压电执行器动态迟滞特性进行建模,以广义PI模型和自回归遍历模型(Auto-regressive Exogenous Model,ARX)分别表征Hammerstein迟滞模型中的静态非线性和率相关性,并针对迟滞率相关模型不确定性问题,提出一种前馈补偿和线性二次型Gauss最优控制算法(Linear Quadratic Gaussian,LQG)相结合的复合控制策略。利用自适应差分进化算法(Adaptive Differential Evolution algorithm,ADE)辨识和整定模型及控制器参数。实验结果表明:该动态迟滞模型能够有效描述1～100Hz频率范围内压电执行器迟滞曲线,拟合均方根误差为0.077 1μm(@1 Hz)～0.512 3μm(@100Hz),相对误差为0.31%(@1Hz)～2.09%(@100Hz);实时跟踪幅值为24.5μm的变频目标位移,LQG控制算法的跟踪精度相比于直接前馈控制和PID控制分别提高48.6%和27.02%。     

基于Hammerstein模型的GMAW-P焊接熔深自适应预测控制

针对脉冲熔化极气体保护焊(Pulsed gas metal arc welding,GMAW-P)过程中焊接熔深的实时控制,使用脉冲峰值期间的电压变化幅值(ΔU)来表征焊接熔深变化,并且通过测量和控制ΔU的大小来间接达到熔深控制的目的。建立了以ΔU为输出和脉冲基值电流为输入的单输入单输出熔深控制系统。系统输入输出之间的静态关系模型显示该熔深控制系统具有一定非线性,因此,采用加入干扰的Hammerstein模型描述该非线性系统。在基于该Hammerstein模型的经典预测控制算法基础上,在控制过程中加入递推最小二乘法在线辨识模型参数,从而实现焊接熔深自适应控制。控制算法仿真和实时焊接试验表明该熔深控制算法能够较好地实现GMAW-P焊接过程中的熔深控制。变散热试验结果验证了该控制算法的有效性和适应性。     

Properties of extended predictive control

Many tuning strategies for model predictive control algorithms have been proposed in the literature depending on the conditionality of the system matrix and the choice of its cost function. In this paper, the properties of a new predictive controller termed extended predictive control (EPC) are investigated and presented. These properties are important to the understanding of the unique tuning strategy of EPC. EPC is based on the assumption of infinite horizon which is preferable to guarantee stability. The EPC properties are derived using a second order plant with relatively large dead time and is applicable to any open-loop stable system. The tuning strategy of EPC was applied to generalized predictive control with good results.     

A control strategy with motion smoothness and machining precision for multi-axis coordinated motion CNC machine tools

The advanced manufacture technology requires that multi-axis coordinated motion computer numerical control (CNC) machine tools have the capability of high smoothness and high precision. At present, the study of the motion smoothness mainly concentrates on the acceleration and deceleration control method and the look-ahead process of velocity planning in the interpolation stage. The control strategy of the contouring error mainly focuses on tracking error control, cross-coupling control, and optimal control. In order to improve the motion smoothness and contouring precision for multi-axis high-speed CNC machine tools, a multi-axis modified generalized predictive control approach was presented in this paper. In the control strategy, the estimation models of tracking error, contouring error, velocity error, and acceleration error were structured separately. A new improved quadratic performance index was proposed to guarantee the minimum of these errors. Generalize predictive control was also introduced, a multi-axis generalized predictive control model was deduced for motion smoothness and machining precision for multi-axis coordinated motion CNC system, and an approved multi-axis generalized predictive controller based on the model was designed in this paper. The proposed predicted control approach was evaluated by simulation and experiment of circular, noncircular, and space line trajectories, respectively. These simulative and experimental results demonstrated that the proposed control strategy can significantly improve the motion smoothness and contouring precision. Therefore, the new position control method can be used for the servo control system of multi-axis coordinated motion CNC system, which increases motion smoothness and machining precision of CNC machine tools.     

输入输出测量噪声干扰下连续Hammerstein模型参数直接辨识

对输入输出测量噪声干扰下连续Hammerstein模型进行参数重组处理,得到线性微分方程。利用小波调制函数对该线性微分方程进行调制积分处理,得到等价的代数方程。在研究调制函数对输入输出测量噪声影响的基础上,提出用广义噪声模型来处理输入输出测量噪声并提出调制广义最小二乘算法来实现代数方程的无偏参数估计。最后利用奇异值分解(SVD)方法获得Hammerstein模型参数。数字仿真和工业应用实例验证了所提出方法的有效性和实用性。     

Simplified modeling and generalized predictive position control of an ultrasonic motor

Ultrasonic motors (USM's) possess heavy nonlinear and load dependent characteristics such as dead-zone and saturation reverse effects, which vary with driving conditions. In this paper, behavior of an ultrasonic motor is modeled using Hammerstein model structure and experimental measurements. Also, model predictive controllers are designed to obtain precise USM position control. Simulation results indicate improved performance of the motor for both set point tracking and disturbance rejection.     

基于FIGA的广义T-S模糊模型预测控制

利用广义T-S模糊模型对非线性系统具有万能逼近性得到系统的局部线性化，并利用一种快速综合性遗传算法（FIGA）对广义T-S模糊模型进行参数辨识，根据得到的线性化模型对系统采取广义预测控制（GPC）得到当前的控制动作。通过Matlab仿真证明了该方法的有效性。     

基于改进粒子群算法的隐式广义预测控制

针对大多数工业系统的控制输入输出都存在约束的情况,提出一种基于改进粒子群算法的隐式广义预测控制算法(IGPC)。粒子群算法(PSO)是一种基于群体的智能优化算法,解决受约束的优化问题具有精度高、收敛速度快等优点;为了避免粒子群算法陷入早熟,提高精度,引入细菌觅食算法中的自适应迁徙机制。在隐式广义预测控制的滚动优化环节引入改进粒子群算法,弥补了传统GPC在处理受约束控制问题上的缺陷。仿真结果表明了该方法的有效性和良好的控制性能。