基于卡尔曼预测估计器的输入加权预测控制算法

针对噪声环境下输入带有约束的系统,传统的方法要处理一个二次规划问题.本文提出用最小化无约束二次性能指标得到的输入控制量的加权和代替该时刻的输入作用于系统.用这种方法将不存在不可行问题,使得控制输入的振荡范围减小,能大大减小违反约束的机率.仿真结果证明了算法的有效性.

基于U模型的输入加权自适应逆控制

U模型面向控制,通过实时辨识网络的结构参数,进而通过多项式求根得到控制量,而不需要另外进行控制器的设计。本文将U模型同神经网络进行了结合,通过同系统并联运行的U模型网络及改进的神经网络的结构参数,各自求取控制量。由辨识误差的实时大小对两个控制量进行加权,完成控制给定。仿真表明结合后的网络在理想状态下以及噪声存在状态下都具有更好的控制效果。

新型输入加权预测控制器

提出一种新型输入加权预测控制器 ,通过对控制输入进行柔化和滤波处理 ,使实际实施的控制量为现时和现时对未来控制时域长度预测控制量的加权平均 ,从而大大减小控制输入的震荡 ,具有较快的响应能力。通过对其结构的分析可知 ,该控制器具有滤波功能 ,能有效抑制模型误差的影响和控制量的震荡 ,克服了文献 [1]需要在线记忆预测控制输入的缺点 ,不仅简化了算法 ,而且大大减少了系统的记忆容量。

多输入加权综合评价方法及应用

本文引入ＡＨＰ（层次分析法） 技术， 设计了多输入加权综合评价方法， 该方法无论对于人或事的评价均可建立在一个比较客观的评估指标之上， 其结果可为决策者提供科学决策的数量依据。

一种改进的广义预测控制

对于磨煤机负荷对象,当采用常规广义预测控制算法设计控制器时,发现存在上升时间过长的现象;当调节参数进而减少上升时间时,则会出现控制量振荡的现象。为了使预测控制计算的控制量逼近实际的最优控制量,提出一种改进的广义预测控制算法。通过在控制律中引入过去输入加权因子γ,调整过去输入对未来输出的影响,在不增加计算量的情况下,实现了对实际最优控制量的逼近。仿真结果表明,改进的广义预测控制算法,克服了常规广义预测控制响应时间较长,控制量振荡的问题,并且控制效果要优于常规广义预测控制、阶梯式广义预测、β增量型广义预测控制。