采用Brent优化的核学习单步预测控制算法

针对非线性SISO系统,提出一种基于核学习辨识模型的单步预测控制算法(kernel learning one-step-ahead predictive control,KLOPC).通过KL辨识模型得到系统的一步超前预报值,并引入输出反馈和偏差校正以克服模型失配等因素引起的预测误差,以此构造一步加权预测控制性能指标,然后采用Brent一维搜索方法求取控制律.该方法无需任何相关的导数信息,需调整的参数少,求解效率高.在一非线性液位系统的仿真研究表明了KLOPC优于整定的PID和其它基于KL模型的控制方法,对噪声和扰动等均具有更好的鲁棒性和自适应性.

基于Matlab/Simulink的气体分离装置多变量预测控制

依据丙烯精馏塔的工艺流程,介绍丙烯精馏塔机理模型和辨识模型的构建方法,并通过系统辨识方法得到了被控对象的多输入多输出模型。介绍预测控制及其算法的基本原理,通过编写基于状态空间模型的单步预测控制算法,对丙烯精馏塔进行多变量预测控制仿真,比较了预测控制算法对可测干扰,不可测干扰的抑制作用。

基于对象特征模型描述的舱外自由移动机器人地面实验系统预测控制方法

本文基于对象特征建模的思想，在关节角空间和任务空间建立了空间机器人系统的特征模型，提出了一种基于特征模型的舱外自由移动机器人地面实验系统的单步预测控制方法。该方法不需计算机器人动力学方程，不需在线调整控制器参数，具有很强的适应能力，同时设计简单，使用方便，计算量小，适合工程应用。

基于双Luenberger观测器的永磁同步电机预测控制研究

在工业环境中,永磁同步电机存在启动困难、抗干扰能力差、动态响应慢的缺陷。而传统单Luenberger观测器很难同时兼顾电流扰动或转速响应,针对这一问题,发挥Luenberger观测器对精度和稳定性的改善作用,提出双Luenberger观测器与预测控制结合的控制策略。首先基于单步模型预测控制和矢量控制策略构成了永磁同步电机控制系统,再根据负载扰动影响和数学模型,构造速度环上基于负载、转速的Luenberger观测器观测作为扰动估测和速度调节,然后进一步建立电流环上的观测器并引入预测控制系统进行电流预测的优化。最后在MATLAB仿真上搭建模型进行测试,结果表明使用该控制策略能够提高抗扰动能力,改善动态响应并得到更准确的扰动观测。

基于BP网络的地板辐射供暖预测控制模型

基于BP神经网络建立了地板辐射供暖系统的预测控制模型,以实验实测数据训练预测控制模型,通过实验对训练好的预测控制模型进行在线修正预测控制,在线修正预测控制输出的室内温度与实验实测结果的相对误差最大为-6.2%,证明预测控制模型的预测控制效果良好。预测控制模型的应用可提高对地板辐射供暖系统的控制精度,使室内温度控制在设定范围内,保证了室内的热舒适性。