预测校正在模糊控制中的应用

在模糊控制的过程中，通过加入预测信息来改善控制性能。数学仿真和实时控制的结果表明，预测校正的加入，使控制器的性能得到了明显了改善。     

具有比例积分结构的广义预测自校正控制器

本文通过对一般预测控制中目标函数的改进，导出了具有比例积分结构的广义预测自校正控制器，从而极大地改善了控制器性能。仿真结果表明了该算法的有效性，对促进自校正控制器在工业中的应用具有一定意义。     

非最小相位系统的PID型广义预测自校正控制器

本文将被控对象的零点分解为非最小相位项和最小相位项,建立新的预测方程,在对一般预测控制目标函数改进的基础上加入抑制超调的预测控制量和模型误差修正,得到能抑制非最小相位系统超调的PID型广义预测自校正控制器。仿真结果表明,该算法极大地改善了控制性能,提高了系统瞬态响应。     

基于神经网络的非线性预测控制的进一步研究

介绍了适于具有纯滞后对象的基于人工神经网络的非线性多步预测控制，提出了具有自补偿功能的非线性预测反馈校正方法。仿真实验证明此方法大大增强了非线性预测控制的鲁棒性，改善了控制系统的动态和静态性能。     

基于EGA的非线性预测控制器

提出一种基于Volterra模型的非线性预测控制器，采用收敛精度高，高速快的EGA算法动求解控制律，反馈校正中考虑了误差和输出变化趋势影响的双重抑制，对一类非线性系统的仿真研究表明该预测控制器影响应快，具有较强的鲁棒性，对于改善非线性预测控制策略的性能非常有益。     

带模糊防滑控制的深海机器人速度预测跟踪

面向深海“稀软底”作业机器人提出一种基于模糊控制的防滑控制方法，并采用带参数自校正模块的变维灰色预测控制器进行速度跟踪控制。防滑控制器能增强深海机器人的行驶速度与沉积物特性匹配，有效抑制作业机器人两侧履带的打滑，保证机器人在极限海底沉积物上安全行走作业。带自校正模块的变维预测速度跟踪算法，与单纯的PID速度跟踪、不带自校正模块的预测速度跟踪、不变维带自校正模块的预测速度跟踪相比，具有更好的速度跟踪性能和自适应性。仿真结果表明了算法的有效性。     

基于多层局部回归神经网络的多变量非线性系统预测控制

以罐式搅拌反应器为例,针对复杂多变量系统的强耦合性、非线性、时变性等问题,研究了多变量非线性系统的预测控制及改善控制性能的方法,采用多层局部回归神经网络离线建立预测模型,以偏差补偿和模型修正相结合的方式对预测模型进行误差补偿,以要线校正用于预测控制,通过对性能指标中的偏差项负指数加权,进一步改善预测控制性能,住址结果表明了控制算法的有效性。     

引入超前-滞后校正的数字滤波器优化设计

为满足有源电力滤波器谐波检测的需要,提出同时加入超前和滞后校正改善低通滤波器特性的优化设计。在比较各种滤波器后,选取二阶椭圆型滤波器作为谐波检测的核心;通过分析系统零极点的分布,得出影响系统性能的参数配置关系,并加入超前-滞后校正,对数字低通滤波器进行优化。仿真试验表明,该优化设计方法能够更好地满足电网谐波和基波无功电流检测的需要,使检测系统同时获得良好的检测精度和令人满意的动态响应速度。     

基于先验知识改进Snake模型的脸部特征分割

针对传统Snake模型在脸部特征分割中遇到的边界泄漏问题，给出两种局部信息用于边缘增强，改进了外力场；引入了预测／校正两步形变Snake模型的概念，将Snake，模型在内力和外力作用下的形变结果作为Snake轮廓新位置的预测，然后用目标形状的先验知识对预测结果进行校正，使得Snake的形变由预测／校正两步来完成。在分割脸部特征时，构造了对Snake形变进行校正的准则。实验结果表明，该预测／校正两步形变的Snake模型对脸部特征分割有较好的效果。     

基于预测误差加权校正的动态矩阵控制

常规DMC中只利用当前时刻的误差对预测值进行反馈校正,造成误差干扰的校正不充分.本文在动态矩阵控制算法的基础上,在误差校正中加入预测的模型误差,对预测值进行加权校正,使误差干扰的校正更充分.以提高控制系统的抗干扰性和调节快速性.通过理论分析和仿真实验,证实了这种算法的有效性.     

BOOST-PFC驱动电路的搭建

为了减少电力电子装置引起的谐波污染,加入 PFC控制策略是一种最为有效的方法.分析了普通BOOST PFC的基本原理和关键技术,搭建了一台100W的PFC硬件电路,进行了实验验证,并与不带功率因数校正的驱动电路进行实验比较,给出了实验结果.结果表明,与不带功率因数校正的驱动电路比较,该电路的性能大为改善,功率因数大为提高.     

二阶控制系统校正的建模与仿真

串联校正即在闭环系统的前向通道串联校正环节,通过设置合理的参数,改善系统的动态和稳态性能。以I型二阶控制系统为例,设计有源超前校正环节,建立Multisim硬件模拟电路,通过时域和频域仿真,分析有源超前校正环节对系统性能的改善。同时,借助Matlab计算了准确的性能指标值,结果与Multisim仿真基本一致。     

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。     

基于误差校正的网络流量组合预测

为了提高网络流量预测精度,提出一种误差校正的网络流量组合预测模型。首先对网络流量数据进行预处理构建网络流量学习样本序列,然后采用自回归移动平均建立网络流量预测模型,并采用神经网络对自回归移动平均预测误差进行校正,最后对模型性能进行仿真测试。结果表明,网络流量组合预测模型提高了网络流量的预测精度,预测结果具有一定实用价值。     

预测与反馈相综合的自校正控制器及其在水管压力控制中的应用

本文将预测自校正控制器与通常的反馈控制器相结合，提出了预测与反相综合的自校正控制器，并将其应用于工厂的水管压力控制，取得满意的效果。     

有效克服系统时延的PID自校正预测控制新算法

给出了ＰＩＤ自校正预测控制器的一种简单设计方法。其主要内容有：不同于自适应预测算法，基于内模原理构成ｄ步超前预测控制器；根据ｄ步超前预测信号，应用数据处理的新技术，构成了ＰＩＤ自校正预测控制的新算法。仿真及运行结果表明，这种控制技术是有效的。     

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。     

基于内模原理的简单极点配置自校正预测控制器

本文给出了一种简单的极点配置自校正预测控制器。主要内容有：根据smith预测补”供度理，设计d步超前预测器；根据预测信号及预置闭环极点，采用双估计器技术，构筑极点配置自校正预测控制器；仿真结果表明这种控制技术是可行的。     

汽轮机系统的鲁棒预测控制仿真研究

为了进一步提高汽轮机的动态控制性能，本文在阐述了汽轮机的数学模型的基础上。提出将鲁棒广义预测自校正控制算法应用于汽轮机的转速控制中，包括控制结构和控制器设计。仿真结果显示当核动力装置模型失配时，鲁棒广义预测控制能够提高汽轮机系统的鲁棒稳定性。表明所采用的鲁棒广义预测控制算法能够较好的控制汽轮机主要参数的输出，对蒸汽轮机模型的不确定性具有良好的适应性和鲁棒性。     

一种基于概率校正和集成学习的肠癌肝转移预测模型

提出一种基于概率校正和集成学习的机器学习模型,用来预测患者肠癌肝转移的概率。首先将AdaBoost和Class-bal-anced SVM的概率结果进行校正,再将其结果和Logistic回归的预测结果进行集成,获得最终的预测结果。预测模型在复旦大学附属肿瘤医院的肠癌患者数据集上与其他算法如AdaBoost、Class-balanced SVM、Logistic回归算法进行了比较,结果显示该模型具有更好的AUC性能,更适合于医生的临床辅助诊断。模型的AUC性能在UCI数据集上进一步得到了验证。