广义预测控制在时滞系统中的应用

对于时滞系统,首要解决的问题是系统的输出预测。广义预测控制利用预测模型和当前和过去的偏差预估过程未来的输出．本文推导了基于CARIMA对象模型的广义预测控制器,利用渐消记忆的递推最小二乘法在线辨识广义预测模型,利用二次型性能指标对广义预测控制器进行滚动优化,通过在温度控制中的实验表明：广义预测控制可以很好的克服时滞,系统无超调、无稳态误差。     

基于神经网络的时滞非线性系统的广义预测控制

针对一类时滞非线性被控对象,提出一种基于RBF神经网络的广义预测自校正控制方案,在广义预测控制中,采用RBF神经网络建立被控对象的多步预测模型,并不断修正预测输出,提高预测输出的精度.控制器则采用GPC隐式修正算法,不用辨识对象的模型参数,大大减少了计算量.经过仿真研究,与常规的PID自适应控制方法相比较,证明了该方法的优越性,预测控制误差小,实时性好,动态响应快.     

广义预测控制在空调监控系统中的应用

为了营造更为舒适安全的环境,并为医疗管理提供科学的图表及数据,采用PLC、工控机实现了医院空调系统的监控。系统采用Profibus-DP网络实现了计算机工作站与各控制站进行通信,计算机工作站监控软件采用西门子Wincc组态软件。对于空调系统的主要参数-温度,采用对于时变、大滞后对象有较好的控制效果的广义预测控制算法,在稳态情况下温度控制误差不超过0．5℃。该系统使用方便、可靠性好、控制精度高。     

基于神经网络的广义非线性预测PID控制

针对一些复杂的非线性系统用基于线性模型的预测控制器控制效果不理想的问题，本文提出在利用前馈网络对非线性系统建模的基础上，对系统输出实现递推多步预测，并且结合非线性PID，用另一前馈神经网络作为控制器，实现对非线性系统的控制。经网络的在线辨识采用梯度法，仿真实验验证了方法的有效性。     

基于神经网络的广义预测控制

本文将神经网络快速计算的性能应用于广义预测控制中,以便克服广义预测控制算法的不足之处。仿真研究表明,这种方法实为改进控制算法性能的有效途径。     

单元机组的小波神经网络广义预测控制

针对大型火电机组具有控制对象复杂、非线性、大滞后、模型难以建立等特点,设计协调控制系统的控制策略.小波神经网络具有良好的函数逼近能力和模式分类能力,广义预测控制对比较复杂的工业生产过程呈现良好的控制性能和鲁棒性.通过训练小波神经网对大型火电机组建模得到预测模型,然后利用了模型辨识过程中已获得的数据,计算广义预测控制率,避免了广义预测控制求解丢番图方程带来在线计算量较大的缺陷.仿真结果表明,该方法能保证功率、主蒸汽压力快速平稳地跟踪其设定值,具有较好的鲁棒性,为解决大型单元机组协调控制问题提供了一条有效的途径.     

基于神经网络的自治水下机器人广义预测控制

针对自治式水下机器人高度非线性和时变性的特点,提出了一种基于神经网络的水下机器人广义预测控制策略．利用改进型Elman网络作为多步预测模型,在对网络学习算法进行改进的基础上,实现了Elman网络的在线学习,并提出了用于求解神经广义预测控制律的灵敏度公式．进行了具有神经网络在线学习功能和不具有在线学习功能的水下机器人的速度控制实验,并就预测控制效果进行了对比分析．实验结果表明,具有自适应学习功能的水下机器人速度控制法的精度要优于不具有在线学习功能的速度控制法,且当水下机器人动态特性发生变化时具有较强的自适应能力．     

基于神经网络的二容水箱广义预测控制

针对二容水箱的非线性特点,提出了一种基于神经网络的二容水箱广义预测控制策略。应用收敛速度较快,精确度较高的LM算法训练神经网络,推导了神经网络的导数方程,用迭代法求解输入u的雅克比矩阵和海森矩阵,继而用Newton-Raphson算法求解u,进行了对二容水箱机理模型与实际对象的控制实验,并就控制结果进行了对比分析。实验结果表明,神经网络广义预测控制(NGPC)方法在对实际的二容水箱进行控制时取得了较好的效果。     

灰色广义预测控制在锅炉汽包水位控制中的应用研究

锅炉的汽水循环系统本身是一个复杂的时变动态过程,具有很强的非线性、紧耦合、大滞后、强干扰等;目前,锅炉汽包水位控制的理论和技术基本上已经比较成熟,现场一般均采用三冲量控制;文章在传统三冲量控制方案的基础上,提出应用灰色广义预测控制对汽包水位进行控制,与常规控制方案相比,该控制方案系统响应速度快,稳态效果好,其控制性能更为优越,具有很好的实用价值。     

基于RBF模糊神经网络模型的广义预测控制

广义预测控制对线性系统具有较好的控制效果，为将它应用到非线性系统，本文提出一种将RBF模糊神经网络与广义预测控制相结合的方法，仿真证明控制有效。     

锅炉温度系统的神经网络预测-PID串联控制

针对锅炉温度系统的非线性、滞后、时变等特性,提出了一种串联控制策略.提出基于神经网络的微分型预测控制算法,该方法的突出优点是能够加快调节时间.在此基础上结合常规PID控制器构成了预测-PID串联控制,这种串联控制的方法既有基于神经网络的预测控制在实时系统中抗干扰能力强的优点,又充分利用了PID控制方法响应速度快的特点....     

基于预测PI的多变量控制在锅炉燃烧系统中的应用

在锅炉的燃烧控制系统中,燃烧对象是一个具有多变量、强耦合、强干扰、大滞后等特性的复杂过程系统,常规的PID控制无法满足实际需求。针对该问题,提出了将动态解耦方法与非线性最小二乘优化算法相结合,得到降阶模型,并运用预测PI控制算法进行控制研究。仿真结果表明：基于降阶模型的预测PI解耦控制策略具有良好的稳定性和鲁棒性,且抗干扰能力强,具有一定的实际应用价值。     

模糊预测控制在热电厂锅炉燃烧系统中的应用

本文将模糊控制和预测控制结合起来,设计了一种适用于蒸汽压力调节的模糊预测控制器,并运用风/煤比模糊自寻优控制器来提高热电厂锅炉燃烧的效率。通过仿真研究,验证了此控制器的适应性和鲁棒性。     

锅炉燃烧系统的模糊预测控制

将模糊控制和预测控制相结合,提出了一种新型的模糊预测控制方案,应用于非线性、大延迟、强耦合的锅炉燃烧系统中,并运用风/煤比模糊自寻优控制方法来提高锅炉燃烧的效率。通过仿真实验,结果表明该方案的适应性和鲁棒性都很强,具有很大的工程实用价值。     

模糊神经网络预测控制在配料系统中的应用

针对水泥生产过程中皮带配料系统的惯性、滞后、非线性及现场干扰频繁等特点,设计一种模糊神经网络预测控制算法,将模糊控制、神经网络与预测控制相结合,增强算法的自学习、跟踪与抗干扰能力,神经网络预测模型有效地补偿了传统预测控制基于线性模型的局限性.将该控制算法用于皮带配料控制系统中,仿真结果表明,物料流量控制效果优于传统的P...     

基于神经网络误差修正的广义预测控制

本文基于ＢＰ结构神经网络，对系统的建模误差进行预测，并将其与模型预测相结合构成广义预测控制算法，目的在于抑制模型失配的影响，增强广义预测控制的鲁棒性；仿真结果表明了这一算法的有效性。     

基于神经网络非线性系统的广义预测

为了对复杂的非线性系统进行广义预测控制 ,避免较长的离线训练 ,采用受控自回归积分滑动平均模型来描述线性子系统 ,用神经网络来逼近非线性子系统 ,利用递推最小二乘法和 Davidon最小二乘法分别作为线性子系统和非线性子系统的在线学习算法 ,建立了一种适合于广义预测控制的非线性系统控制模型。仿真结果证明 ,该模型在非线性系统的广义预测中的有效性 ,在实时控制中具有极其广阔的应用前景。     

广义预测控制在非线性系统中的应用研究

本文研究了一类非线性系统的广义预测控制,将其等效为时变线性系统,然后在线辨识时变参数,进行广义预测控制。给出了两种辨识时变参数的方法,并以二容液位系统为模型,进行了仿真研究,结果表明,此方法计算量小,工作点变化时跟踪速度快．具有较好的控制效果。     

基于改进的BP网络误差修正的广义预测控制

该文利用预测误差的历史数据,基于改进的BP神经网络,对系统的建模误差进行预测。该网络采用了修正激励函数的BP算法,预测性能好,能够克服标准BP算法中Sigmoid函数的不足,加快了网络的学习速度。并将其与模型预测相结合构成广义预测控制算法,有效地克服了模型失配的影响,提高了控制的速度,同时引入控制增量增益,利用这个自由度来提高闭环的稳定鲁棒性。仿真结果表明了该算法的有效性。