预测控制机理简介及算法研究的探讨

简介预测控制的发展及概况，并以典型ＤＭＣ算法为例说明预测控制的模型预测，滚动优化，反馈校正三大核心机理，进而探讨了神经网络，人工智能等新方法在其预测模型，反馈校正方法研究中的应用。     

模糊预测控制机理研究

探讨了模糊预测控制机理，提出了两种模糊预测模型，并利用泛布简化法对它们进行了处理，得到了模糊预测模型规范化模式，在此基础上研究一套完整的模糊预测控制算法，并将此控制算法进行了仿真研究和比较性研究，研究结果表明，模糊预测控制优于其它常规控制。     

基于多模型的自适应预测函数控制

作为第三代模型预测控制算法，预测函数控制已经在线性系统控制中取得了很好的效果，但应用于非线性对象还有一定局限性。针对现实中大量存在的非线性过程，提出了基于局部模型设计的预测函数控制器加上模型切换算法的多模型自适应预测函数控制器。通过计算机仿真应用于连续发酵过程，表明基于多模型的自适应预测函数控制器比常规的预测函数控制器具有更好的控制效果。     

一种双线性系统的预测函数控制算法

预测控制是以计算机为手段基于模型预测进行控制的方法，但是以往的预测控制算法通常是集中在线性渐进稳定对象，对非线性系统的研究工作较少。针对实际工业过程中广泛存在的双线性系统，通过对其每一滚动优化点进行线性化处理后，设计了一种简便高效的、可与线性系统媲美的预测函数控制算法，核算法具有解析形式，从而避免了一般非线性子优的繁琐计算。利用Matlab软件份真表明该非线性预测函数控制方法是一种计算简单、抑制干扰能力强、跟踪性能好、误差较小的有效的控制方法。     

切削颤振控制研究进展

介绍了国内外学者在机床切削颤振控制方面的研究工作，对切削颤振的在线预报控制和切削颤振的预测控制进行了归纳和分析，讨论了存在的若干问题，提出可能的发展方向是；切削颤振的预报控制与切削颤振的预测控制在柔性制造环境下实现综合。     

变结构广义预测控制

在变结构控制的基础上，引入了广义预测控制，导出了变结构广义预测控制的算法。该算法比传统的变结构控制算法有更强的鲁棒性，仿真结果验证了算法的有效性。     

基于CARMA模型的多变量远程预测自适应探测器

本文采用CARMA模型，建立多变量远程预测控制器，并采用状态空间法分析其闭环系统的稳定性。这种控制以远程预测多步滚动优化取代最小方差和广义最小方差控制器中的一步预测化，并引入控制时域的概念，从而可应用于非最小相位和开环不稳定系统；在自适应算法中，对模型验前知识要求少，不需要知道系统的交互矩阵，计算量小。数字仿真结论证实了控制算法的以上特性。     

一类非最小相位对象的内模预测控制：SISO情形

针对一非最小相位对象，在内模控制结构下，根据预测控制机理来直接优化设计一非因果（有限脉冲响应）型控制器，提出了基于奇异值分解（ＳＶＤ）的控制器系数估计算法。该控制方法既保留了预测控制滚动优化的特点，又保持了内模控制对偶稳定性的特性，是一种稳定化的预测控制新策略。     

基于Hammerstein模型的非线性预测函数控制

提出了只需线性动态优化的基于Hammerstein模型的非线性预测函数控制策略，其中非线性控制器由一个线性的预测函数控制器Hammerstein模型的非线性部分的反函数组成，实现了线性控制器的输出uPFC与闭环系统内部模型线性部分的输入完全一致，使模型的输出ym只依赖于uPFC，通过这种方式实现了非线性预测函数控制策略只需线性优化而不需要非线性滚动优化。过程的预测输出只需应用模型参数直接计算得到而不需要求解丢番图（Diophantine）方程。pH中和过程的计算机仿真结果表明，该控制算法比PID控制具有更好的控制品质。     

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。     

预测控制及其与智能控制结合的发展前景

综述了预测控制产生的背景、发展状况、本质特征，从理论和实践的角度，指出了预测控制蕴含着良好的方法学，同时，在分析预测控制发展的不足之处的基础上，阐述与智能控制（人工神经网络、专家系统）结合的必要性及形式，并展示其诱人前景。     

基于dSPACE的温度预测控制仿真试验研究

介绍了dSPACE实时仿真系统，并将其用于典型温度控制系统中，应用预测控制算法进行在线仿真试验。试验中主要讨论预测控制时域参数对预测控制效果的影响，采用凑试法比较不同参数下控制的效果来选择并确定时域参数。预测控制温度仿真试验结果表明使用预测控制能够达到较好的控制效果。     

一种充分利用预测信息的广义预测控制律

提出一种充分利用预测信息的广义预测方法，用控制增量的变化趋势对由开环最优控制求出的控制量进行修正，有效抑制超调，兼顾控制的跟踪速度，改善了过程的动态品质。控制算法简单，在线计算量小，仿真结果说明了算法的有效性。     

基于Laguerre函数模型的多变量广义预测自适应控制

通过对Laguerre函数模型结构的分析，把多变量广义预测自适应控制方法应用于该模型中，利用Laguerre函数模型近似控制对象系统结构，将模型中间参量的辨识和模型的预测输出有效的统一了起来，克服了单纯基于参数化模型预测控制通常需要已知系统的时延和阶次的局限，为适合该类模型的工业对象应用提供一种有参考价值的控制方法。     

黑箱系统的一种简便自适应预测控制策略

采用一种输入输出增量式一元线性回归模型作为黑箱系统的预测模型，应用投影算法估计模型参数．该模型将对象输出增量分解为2个分量：一个为非零控制增量作用下的强制分量，另一个为控制增量为零时的自由分量，是一种非齐次时变线性模型．此外，应用广义预测控制理论，提出了一种基于该模型的自适应多步预测控制策略，导出了基于该模型的多步最优预测算式和最优控制律．该控制策略不仅具有广义预测控制的强自适应能力和强鲁棒性，且模型参数少，算法简单，适用于黑箱系统的控制．仿真结果表明该控制策略是有效的。     

神经元网络智能预测控制

本文基于自学习神经元网络模型，建立了智能预测控制系统，给出了网络系统的算法，阐明了智能控制器的设计以及自学习机理。仿真结果表明，方法具有良好的动态特性和鲁棒性，适用于大滞后系统和非线性系统。     

输入受限的广义预测控制算法的稳定性

在系统输入受限的情况下，采用一般的控制可能造成控制算法的不稳定，本文针对输入受限的广义预测控制问题，将其数学表达式转化为系统框图，并根据内模原理求出了系统的闭环传递函数，在此基础上对输入受限的广义预测控制算法的稳定性进行了分析，最后进行仿真验证．     

对角CARIMA模型多变量广义预测控制

为了丰富多变量广义预测控制算法(MGPC)的建模能力、降低其求解难度、增强其控制参数选择的灵活性，采用对角形式的受控自回归积分滑动平均 (CARIMA)模型来改进MGPC.通过把CARIMA模型中的A与C矩阵构造成对角多项式矩阵的形式，把m个输入n个输出的多变量对象的参数辨识与模型预测问题分解成一系列m个输入单个输出子对象的参数辨识与模型预测问题.一方面简化了模型辨识问题，另一方面避免了模型预测中大量的矩阵运算，从而减轻了在线运算负担，简化了MGPC的实现，增强了MGPC的实用性.在一个由集散控制系统（DCS）控制的非线性液位装置上的对比实验结果表明，该方法保持了常规MGPC方法的优良性能.     

基于神经元的自适应预测PID控制

提出了一种采用神经元的自适应预测PID控制方案。神经元具有很强的自学习和自适应能力，它可根据系统的误差并通过一定的学习算法来不断修正控制器的参数，使控制器能够适应受控对象结构的参数以及环境的变化。因此采用单神经元构成自适应PID控制器，将神经元与PID控制结合，对PID参数进行在线寻优、自校正，使PID控制能有效地对付一些较复杂非线性被控对象，特别是难于用传统方法建模的被控对象。同时为了提高系统的快速跟踪和抗干扰能力，采用动态自适应神经元（APE）对非线性系统进行预测，即用神经元建立起非线性系统的预测模型，预测系统的未来输出，从而提高了控制系统的控制品质。同时详细介绍了该控制系统的自适应控制算法。仿真结果表明，这种自适应控制方案切实可行，其控制品质明显优于常规PID控制，且具有较强的鲁棒性，达到了良好的控制效果。     

基于RBF神经网络的自主水下航行器模型预测路径跟踪控制

针对自主水下航行器(AUV)的模型不确定性和多约束的特点，设计了基于径向基(RBF)神经网络的模型预测控制器。在使用模型预测控制(MPC)进行路径跟踪控制的基础上，利用实时测量数据在线训练RBF神经网络，对AUV模型不确定性进行补偿，抑制了模型不确定性对模型预测控制器的干扰，减小了系统的超调量和跟踪误差。仿真结果表明，基于RBF-MPC路径跟踪控制算法与经典的MPC算法相比，具有更好的暂态和稳态性能。