一类非线性系统的最小方差性能评估策略/

针对线性控制回路性能评估会因非线性因素的引入而出现过估计的问题,提出一种性能评估方法.通过计算输出信号的双相干系数对回路的非线性特征进行提前判断,然后使用Volterra级数将其最小方差性能评估问题转化为一类模型辨识问题.通过仿真实例,将所得结果和线性性能评估方法进行比较,比较结果验证了所提出算法的优越性.     

基于LS-SVM的一类非线性系统的性能估计

控制系统性能估计的研究多数针对线性系统,但是非线性系统本质上更加复杂,用传统的方法进行估计存在局限性.对于一类可由非线性部分叠加线性干扰表示的非线性系统,首先分析了其反馈不变量的存在性,指出此类系统性能估计的关键在于构造超前预测模型.接着用最小二乘支持向量机辨识非线性模型,把最小方差性能估计问题转换成模型参数辨识问题,...     

基于ANOVA-like 方差分解的非线性系统控制性能评估

针对实际控制回路大多包含非线性特征,导致评估结果存在偏差的问题,以一类非线性系统为对象,首先分析其最小方差性能下限的存在性,并推导出其与系统干扰项的关系式;然后用正交最小二乘方法辨识系统闭环模型,进而使用ANOVA-like方差分解公式估计超前干扰项对输出方差的贡献,由此获得非线性系统的控制性能;最后,将所提出的方法与传统方法通过仿真实例进行比较.仿真结果表明,所提出的方法是可行且有效的.     

基于小波网络的一类非线性系统稳定最小方差控制

研究一类非线性系统的最小方差控制．将非线性系统等价表示为时变线性系统，利用小波网络的非线性逼近特性在线辨识时变系数，利用改进的投影算法在线调整小波网络的权值；在此基础上设计了非线性系统的最小方差控制器，并分析了闭环控制系统的稳定性．仿真结果表明了该算法的有效性．     

基于多模型混合最小方差控制的时变扰动控制系统性能评估

在实际工业过程中,控制系统经常会受到时变扰动的影响,致使针对单一扰动模型设计的最小方差控制准则不再适用于评估时变扰动控制系统的性能. 当多个扰动信号同时出现时,采用常规多模型切换方法会发生间歇切换进而产生较大的暂态误差,不能准确评估系统当前性能. 针对上述问题,本文提出了一种基于多模型混合最小方差控制准则的性能评估方法. 首先根据每个扰动模型分别制定最小方差控制器,组成多模型最小方差控制器,然后在每个时间点混合多模型最小方差控制器,并将在其作用下的输出方差作为最终的性能评估基准,该方法既 充分考虑到每个扰动的特性,又避免了常规多模型切换方法因间歇切换而产生的暂态误差对评估结果准确性带来的影响,实现了准确、可靠地评估时变扰动控制系统的性能. 通过仿真,验证了基于多模型混合最小方差控制准则的性能评估方法的有效性.     

基于神经网络的一类非线性系统的自适应控制

基于递归神经网络给出了仅含一个非线性环节的一类非线性系统的自适应控制方案。该方案采用递归神经网络辨识非线性系统中的未知非线性环节。沿用广义最小方差自校正控制方法,可以解决非线性环节未知和工作点变化时传统方法无法控制的自适应控制问题。理论分析和仿真结果表明,该方法具有很好的控制效果。     

基于神经网络的一类非线性系统的自适应控制

基于递归神经网络给出了仅含一个非线性环节的一类非线性系统的自适应控制方案。该方案采用递归神经网络辨识非线性系统中的未知非线性环节。沿用广义最小方差自校正控制方法,可以解决非线性环节未知和工作点变化时传统方法无法控制的自适应控制问题。理论分析和仿真结果表明,该方法具有很好的控制效果。     

基于多模型的非线性系统自适应最小方差控制

对于一类典型的离散时间非线性系统, 提出了一种基于多模型的自适应最小方差控制方法. 通过在平衡点附近建立线性模型, 用径向基函数神经元网络来补偿建模误差和未建模动态, 形成了非线性系统的多模型表示. 采用了具有积分性质的切换指标函数作为切换法则和最小方差的控制方法构成了多模型自适应控制器. 仿真实验的结果表明了这种方法的有效性.     

前馈反馈线性时变多变量控制系统性能评价

本文研究一类具有可确定“时滞”的线性时变多变量(linear time-varying multiinput-multioutput, LTV MIMO)控制系统的性能评价方法。定义了该类系统中相当于单回路“过程滞后”的矩阵因子——关联矩阵，并利用该关联矩阵和正常乘法提出一套建立线性时变多变量控制回路前馈反馈最小方差(minimum variance, MV)基准的系统化算法和过程．需要考虑到LTV系统特有的计算特性，利用实际最小方差输出而不是关联滤波最小方差输出获得MV基准。理论和仿真研究表明，所提方法能准确和有效地评价线性时变多变量过程．     

一类非线性不确定系统的最小方差神经控制

针对一类非线性不确定系统,提出一种新的基于神经网络动态补偿的最小方差控制方法（ＭＶＮＮＣ）。这种控制系统将传统的最小方差控制技术与神经网络优良的非线性逼近能力相结合,从而能有效地消除不确定性引起的控制误差,仿真实验表明,这种最小方差神经控制系统具有较强的鲁棒性和良好的动态性能。     

Minimum variance performance map for constrained model predictive control

A minimum variance performance map is introduced for constrained linear model predictive control (MPC). The minimum variance performance map provides a demonstration of the effect of constraints in an MPC on the best achievable controller performance. The constrained minimum variance controller is formulated for the MPC system to be monitored. Using multi-parametric quadratic programming (mp-QP), the linear, piecewise control law is obtained for the constrained minimum variance controller. The linear, piecewise control law is used with a Kalman filter to obtain the minimum output variance in each region of the state space partition. The minimum variance performance map is demonstrated on a second order process with a constraint on the input amplitude.     

基于多模型混合的广义最小方差控制性能评估

针对实际工业过程中控制系统经常会受到时变扰动的影响,致使针对单一扰动模型设计的性能评估方法不再适用于时变扰动控制系统的问题,提出了基于多模型混合的广义最小方差控制性能评估方法．该方法综合考虑被控对象输出方差与控制器输出方差的两个指标,同时提出了一种“判断—加权”的控制器设计策略．首先,在任一时间段选取使广义输出方差最小的控制器,并判断其与上一时间段采用的控制器是否一致;然后,在此基础上采用多模型混合思想进行控制器设计,并将其作用下的广义输出方差作为性能评估的基准．通过乙烯裂解炉仿真,验证了本文所述方法在时变系统性能评估中的有效性．     

Performance assessment of single-loop industrial controllers

The most common metric for controller performance assessment is a comparison of the process output variance to that which would have been obtained if some optimal controller had been applied to the process over the same time frame. Usually this optimal controller is a minimum variance controller, as a metric based on this controller requires a minimum of process knowledge and no plant tests. While minimum variance controllers by definition contain an accurate disturbance model, industrial controllers contain a simple fixed disturbance model, which may or may not be an accurate representation of the actual disturbance. Shown in this paper is the effect that this simple disturbance model has on performance indices, and methodologies for controller performance assessment that accounts for this simple model. In addition, a performance metric for non-deadtime-compensated (i.e., PID) controllers is shown.     

Minimum variance control and performance assessment of time-variant processes

This paper is concerned with (1) an explicit solution of a minimum variance control law for linear time-variant (LTV) processes in the transfer function form, and (2) performance assessment of LTV processes using minimum variance control as the benchmark. It is shown that there exists a time-variant, absolute lower bound of process variance that is achievable under LTV minimum variance control and can be estimated from routine operating data. This lower bound can subsequently be used to assess the benefit of implementing LTV control such as adaptive control. The proposed methods are illustrated through simulated examples and an industrial case study.     

基于输出方差限制的广义多变量控制系统性能评价

研究具有线性时变扰动的多变量控制系统性能评价的方法.通过将时变扰动分为三类定常扰动, 进而构造一个加权的性能指标,权值矩阵与不同扰动类型和优先级相对应.在指定合理的输出方差后, 运用对角关联矩阵方法明确计算出广义多变量系统闭环输出方差的上下限值.经过ITAE (Integral of time-weighted absolute value of the error) 寻优得到最 小输出方差下的控制器参数,并给出可实现的最优控制器模型.仿真实例证明了该方法计算的简便性和有效性.