一类非自衡系统的简化模型鲁棒预测控制

预测控制是基于模型的控制，从模型着手来提高预测控制系统的鲁棒性不失为一种简单易行的办法，鉴于脉冲响应模型具有简单易得，鲁棒性强的特点，利用阶梯化脉冲响应模型来作为预测控制系统的预测模型，对一类非自衡对象进行鲁棒预测控制器的设计，用这种阶弹化脉冲响应模型来拟和实际脉冲响应模型的办法，不仅减少了模型的参数，而且由于这种简化模型与对象响应的细节无关，进一步提高了模型的鲁棒性能，通过仿真研究，证明了本文设计的两种鲁棒预测控制器（单步鲁棒预测控制器和扩展时域鲁棒预测控制器）对对象模型失配和干扰有较强的性能鲁棒性和稳定鲁棒性，该模型的参数少，控制器设计简单，为实现自适应预测控制提供了基础。     

非自衡对象的预测控制

DMC在对非自衡对象建模时会产生截断误差,因此无法直接用于该类对象控制．根据非自衡对象阶跃响应的最后阶段可视为直线的特点,提出了一种基于对象阶跃响应的参数化模型的预测控制算法,该算法避免了DMC预测模型的截断误差影响．仿真结果表明,提出的算法对于设定值变化具有良好的跟踪性,对于模型参数的摄动具有良好的鲁棒性,该算法对于非自衡对象控制是有效的．     

一类非自衡系统的多变量预测函数控制

针对过程控制中大量存在的多变量非自衡系统 ,研究了一类非自衡系统的多变量预测函数控制问题。常规预测函数控制主要针对渐进稳定系统 ,不能直接控制非自衡系统。根据含有一阶积分环节的非自衡系统的开环阶跃响应在某一时刻后可视为直线的特点 ,改进了常规预测函数控制算法 ,提出了一种可直接控制多变量非自衡系统的预测函数控制改进算法。该改进算法基于简单的开环阶跃响应模型 ,克服了非自衡系统预测模型截断误差的影响 ,具有模型易于获取、算法简单的特点。仿真结果表明 ,该算法对多变量非自衡系统的控制是有效的     

非自衡对象预测函数控制及其仿真研究

提出了一种非自衡对象预测函数控制 (PFC) 增量型算法,闭环系统稳态性能分析表明,系统对于设定值变化、输入和输出阶跃扰动均无余差。锅炉给水控制对象是典型的非自衡对象,应用提出的算法,结合考虑可测扰动的 PFC 策略,设计了一种新型给水控制系统。仿真结果表明,系统具有良好的动态调节品质和很强的鲁棒性能。     

基于扰动观测器的非自衡对象预测函数控制及其仿真

针对非自衡对象,为了克服外部不可测扰动,提出了将扰动观测器引入预测函数控制中的方法。即在控制中引入等效的补偿,实现对干扰的完全抑制。并以锅炉汽包水位为控制对象进行仿真。结果表明,系统具有足够的抗干扰能力和良好的动静态特性。     

具有辨识死区的降价鲁棒自校正控制

提出了一种实用的鲁棒自校正控制算法，该算法克服了未建模动态的影响，不仅获得了系统的有界稳定，消除了稳态误差，而且采用递归辨识途径解决了因未建模动态未知靠试养伤选择死区的不足，仿真实验说明了算法的有效性。     

一类非自衡加滞后系统的智能控制

以不确定的非自衡大时滞过程为研究对象，把常规的Smith预估器放入简单的比例控制系统中，并引用先进的免疫控制系统对控制器参数进行在线修正。理论分析和仿真结果表明，这种控制方法不仅可以消除时滞给系统带来的不良影响，且对于系统参数和时滞参数的变化有很强的适应性，能够有效的抑制干扰，使系统具有良好的动静态特性。     

连续系统的鲁棒间接自适应控制

针对具有未建模动态和有界扰动的连续系统给出了一种鲁棒奇异的间接自适应极点配置控制器。对闭环系统进行全局渐近稳定性分析，该文是文献〔２〕结果的推广     

基于T-S模糊模型的直接自适应预测控制

提出一种基于T-S模糊模型的直接自适应预测控制算法。该算法利用加权递推最小二乘法在线辨识T-S模糊模型的后件参数。用已经辨识好的参数,进行直接迭代计算,直接得到模型的预测输出。此算法很好地解决了非线性预测控制中,建模与优化两大难题,为非线性系统的高精度控制提供了保证。计算机仿真表明,该算法具有较好的跟踪性能。     

基于输入设计的广义预测控制

讨论了广义预测控制 ( GPC)中参数γ的选取问题 ,指出了其中的不足 ,进而提出了基于输入设计的广义预测控制 ( GPCID)。该算法不必求逆矩阵 ,比 GPC占用内存小 ,计算速度快 ,但增强了鲁棒性。仿真结果表明了该算法优于 GPC算法     

凸多面体不确定时滞系统鲁棒模型预测控制

针对控制输入受约束的凸多面体不确定时滞系统,利用min-max模型预测控制策略,结合线性矩阵不等式技术,给出了带有时滞补偿的时滞相关鲁棒模型预测控制方法,证明了控制算法的可行性和闭环系统的鲁棒稳定性,并通过仿真实验验证了所提方法的有效性.     

一种新的鲁棒自适应广义预测控制算法及鲁棒性分析

针对对象的不确定性干扰，提出一种新的鲁棒参数自适应算法，证明了这种算法具有自适应验后误差和对象参数估值的值渐近小性质；根据确定性等价原理，将这种鲁棒参数自适应算法和鲁棒广义预测控制律相结合，提出了一种鲁棒自适应广义预测控制方案，并建立了相应的鲁棒稳定性定理。     

一类非线性系统基于滑模原理的模糊自适应控制

针对一类非线性系统，设计出了一种自适应控制方案，用模糊逻辑逼近非线性函数，根据滑模原理及李雅普诺夫函数设计出自适应控制器。然后，用模糊推理进行修正，以克服一般滑模控制具有的抖动现象，保证闭环系统的稳定性和跟踪误差收敛于零的某邻域内。     

基于模型集描述的鲁棒自适应控制

对于模型阶次及系统滞后时间未知或时变系统（即结构不确定系统），建立了动力学系统的输入－输出完备描述；并以模型阶次和系统时滞为结构参数，建立了不确定系统的模型集描述。在此基础上，构造了一种带有相对死区和正则化因子的鲁棒自适应控制的显式算法，给出了全局收敛性和稳定性分析结果。     

基于增广NMSS模型的预测函数控制研究

针对一类具有输出响应波动大、时滞性大的问题,提出了一种基于增广非最小状态空间(NMSS)模型的预测函数控制(PFC)算法。该算法利用阶跃响应数据建立传递函数模型,将其离散化并转换为状态空间模型的形式,通过将延迟输入与误差扩展到状态变量中,得到一种增广的状态空间模型。为了增强输入控制量的规律性,提高相应的快速性和准确性,把输入表示为若干基函数线性组合,最后求出基函数系数便可求得控制信号。仿真结果表明该算法有较好的控制精度和良好的跟踪控制性能。     

基于差分算法的预测控制

针对参数可变的非线性模型,提出了一种基于差分算法的预测控制。利用神经网络依据系统的输入 输出数据建立预测模型,并利用差分算法对其进行滚动优化,从而提高控制系统的性能。最后,分别运用遗传算法 和差分算法实现滚动优化进行预测控制仿真,并对两种方法的仿真结果进行比较。仿真结果表明,采用差分进化算 法进行滚动优化的预测控制总体效果相对较好。     

基于输入设计的多变量广义预测控制

把基于输入设计的广义预测控制 ( GPCID)推广到多变量线性系统中 ,提出了基于输入设计的多变量广义预测控制 ( MGPCID)。该算法占用内存小 ,计算速度快 ,但增强了鲁棒性。仿真结果表明了该算法优于 GPC算法