基于改进麻雀搜索算法的广义预测控制参数整定

针对多输入多输出(MIMO)的变风量空调(VAV)系统,提出一种基于改进麻雀搜索算法(ISSA)的广义预测控制(GPC)参数整定方法。首先,针对GPC控制器众多参数和系统性能之间关系复杂且难以同时整定的问题,提出通过麻雀搜索算法(SSA)进行参数整定以提高控制系统的性能指标。其次,针对传统SSA在适应度函数较复杂时存在收敛周期较长的问题,提出一种基于非线性增减种群规模的ISSA以缩短算法的收敛周期。同时,引入事件触发机制(ETM)避免ISSA算法陷入局部最优。最后,通过半实物实验平台验证了所提算法的有效性和鲁棒性。实验结果表明,与传统的SSA算法相比,ISSA收敛时间可减少18.61%,并且通过ISSA进行参数整定后GPC控制系统的调节时间可分别减少87.5%、90%。

一种改进的广义预测控制算法仿真研究

对广义预测控制(GPC)算法进行简介。针对GPC控制算法在大迟延过程控制中超调量偏大的缺点,提出了一种改进的广义预测控制算法(简称AGPC);以电阻加热炉为研究对象,利用MATLAB的SIMULINK工具编写程序,对改进后的GPC控制算法进行仿真研究。结果表明改进后的GPC控制算法不仅能有效地抑制超调量,而且能兼顾快速性和鲁棒性,从而提高了控制品质。

基于改进BP网络的广义预测控制快速算法

提出了一种改进的全局寻优自适应快速BP算法并把其应用于广义预测控制 (GPC)算法中 ,解决了限制GPC实时控制的快速性问题。

改进的多频自校正广义预测控制算法

针对输出采样速率比输入更新速率慢的多频系统，提出了一种改进的广义预测自校正控制算法。该算法将自校正机构辨识出的多频模型转化为以输入更新频率为采样频率的等价单频模型，用此模型预测系统未来的输出，避免了多频模型不能预测未来输出采样点之间的信息。仿真结果表明，该方法提高了系统的动态品质，具有响应速度快的特点。

广义预测控制算法的改进

将广义预测控制算法的各环节整合在一起,提出了根据模型参数和过程输入输出值直接计算未来时间的闭环预测值和单位阶跃响应曲线的新算法。在新算法中无需显式求解Diophantine方程,仅需要使用矢量相加减、点乘和移位运算等基本算子,易于在PLC中实现。新算法只需要存储未来时刻的闭环预测值及单位阶跃响应曲线数据,存储数据较现有方法明显减少。利用GPC模型导出了与DMC相似的闭环预测式,可以利用GPC算法的在线模型辨识功能计算DMC算法的闭环观测值及阶跃响应曲线,将这两种方法融合起来,使DMC算法也具备在线修正过程模型的能力。通过例子对算法的正确性进行了验证。

Toeplitz变换广义预测控制改进算法

提出两种改进的Toeplitz变换广义预测控制快速算法。其一,在已有无需Diophantine方程求解的Toeplitz变换广义预测控制算法中引入一种柔化矩阵,避免了复杂的矩阵求逆计算,进一步提高了算法的快速性;其二,通过矩阵变换,将现有基于Diophantine方程求解的Toeplitz变换广义预测控制算法推广到预测时域和控制时域不相等情况,扩展了算法的适用范围。仿真结果验证了上述算法的有效性。

改进的广义预测控制算法在热力站控制中的应用

在集中供暖的热力站控制系统中,由于被控对象本身具有非线性、纯滞后、参数时变等特点,常规的PID控制器难以达到理想的温度控制效果。结合广义预测控制的优点,本文提出了一种基于遗忘因子递推增广最小二乘法的广义预测控制的算法。首先介绍了该算法的原理和控制器的设计方法,然后在系统参数突变的情况下进行了仿真研究.仿真结果表明该算法具有动态响应快、超调量小,稳态精度高的特点,而且稳定性和鲁棒性良好,适用于参数变化的大滞后热力站控制系统。

基于蚁群算法的改进广义预测控制及参数优化

本文针对大惯性、大迟延的被控对象,设计了一种控制品质更好的改进型广义预测控制,并结合蚁群算法对广义预测控制参数进行优化,结构简单,容易在计算机中实现。仿真结果表明,结合蚁群算法后的改进型广义预测控制明显优于常规PID控制,能够更快、更准确地跟踪设定值,大幅减少调节时间,获得基于常规GPC控制更好的控制效果。

改进的广义预测控制算法及其在锅炉汽温控制中的应用仿真研究

广义预测控制算法具有控制效果好、鲁棒性强和模型要求低等优点。分析广义预测控制原理及其隐式算法,利用预测信息对控制增量的选取策略进行了改进,并针对该算法在具有大滞后和时变性的电站锅炉过热汽温控制过程中的应用进行了仿真研究。最后通过仿真结果验证了该算法的优越性和可行性。

加权广义预测控制算法的改进

为了进一步缩小广义预测控制算法理论与工程应用的距离,对加权广义预测控制算法进行了改进,引入了预测模型输出误差修正项,对预测模型的输出进行了修正,并采用了区域控制策略。针对油田联合站电脱水系统油水分离过程,给出了改进的加权广义预测控制方案,仿真结果表明,这种控制方案在保证工程精度的前提下,减少了执行机构的动作频率,增加了生产操作的平稳性。

基于ISSA-DELM算法的CSTR系统广义预测控制研究

连续搅拌反应釜(CSTR)作为典型的聚合反应化工生产用到的设备,其在工作运行时具有强非线性、大滞后性和不确定性,用传统的方法难以建立精准的数学模型。文中根据一类CSTR反应过程采用Hammerstein-Wiener模型,使用高斯径向基函数的LS-SVM分别对模型的两个非线性模块进行建模,并使用其建立的Hammerstein-Wiener模型作为广义预测控制的预测模型;针对广义预测控制的滚动优化环节,采用多策略改进的麻雀算法(ISSA)优化深度极限学习机(DELM)的混和优化算法策略,并利用基准函数测试改进麻雀算法的优越性;最后将混合优化算法应用在非线性CSTR对象上,经过实验证明,所提出的ISSA-DELM混合优化算法对CSTR系统具有较好的控制效果,并与未改进的SSA-DELM算法和DELM算法进行仿真结果对比,结果显示,文中算法控制效果明显优于SSA-DELM算法和传统的DELM算法。

广义预测自适应控制及改进算法研究

控制实践中许多复杂的工业系统数学模型很难精确建立,而且工业对象的结构和参数往往具有不确定性,要建立精确的数学模型非常困难.针对此问题提出了广义预测自适应控制算法,在此基础上介绍了隐式广义预测自校正控制,对其进行仿真研究,结果证明了该算法的有效性和优越性.

基于改进PSO算法的广义预测控制

广义预测控制的被控对象常常会受到时变、非线性的干扰,同时还会受到外部复杂环境因素的影响,因此在实际运用中,导致参数的精确值不高,同时需要在线进行大量计算。针对这一问题,将改进的PSO算法与广义预测控制算法相结合,综合两者的优点,提高了控制系统的收敛速度和求解精度,增强了鲁棒性。该方法的可行性经仿真得以证明。

基于改进粒子群算法的约束隐式广义预测控制

针对大多数工业系统的控制输入输出都存在约束的情况,提出了一种基于改进粒子群算法的广义预测控制算法。广义预测控制算法采用隐式算法,用最小二乘法直接辨识控制增量表达式中的参数,避免求解丢番图方程;为避免粒子群算法陷入早熟,提高精度,在广义预测控制算法的滚动优化环节采用速度变异的粒子群优化算法,克服了受约束优化问题处理的缺陷,更快更准确地寻到最优目标函数值。仿真结果表明了该方法的有效性和良好的控制性能。

基于改进天鹰算法的隐式广义预测控制

在面对使用不确定的参数控制时隐式广义预测算法响应速度慢,导致辨识精度低下的问题,提出一种基于改进天鹰算法(AO)优化的隐式广义预测控制。首先在天鹰算法4个搜索阶段设置可变的惯性权,使得天鹰算法各个搜索阶段更加均衡,避免了收敛过程耗时长且易陷入局部最优的问题。其次采用改进的天鹰优化算法求出隐式广义预测控制有约束条件时的最优控制。最后将算法应用到某厂循环流化床锅炉进行仿真,从时间上来看,用改进AO算法优化的隐式广义预测的平均仿真速度为3.9831 s,比隐式广义预测平均用的5.9531 s有了明显的速度上的提高,并且在小误差内,能有良好的跟踪效果。仿真结果表明了该算法的可行性,以及其优越的控制性能。

基于改进粒子群算法的隐式广义预测控制

针对大多数工业系统的控制输入输出都存在约束的情况,提出一种基于改进粒子群算法的隐式广义预测控制算法(IGPC)。粒子群算法(PSO)是一种基于群体的智能优化算法,解决受约束的优化问题具有精度高、收敛速度快等优点;为了避免粒子群算法陷入早熟,提高精度,引入细菌觅食算法中的自适应迁徙机制。在隐式广义预测控制的滚动优化环节引入改进粒子群算法,弥补了传统GPC在处理受约束控制问题上的缺陷。仿真结果表明了该方法的有效性和良好的控制性能。

基于改进粒子群算法的约束广义预测控制算法

提出了一种基于PSO-Powell算法的广义预测控制算法,利用PSO与Powell进行二次搜索来求取广义预测控制的最优控制率。将PSO-Powell算法引入到广义预测控制的滚动优化过程中,约束条件函数和适应度函数一起判断最优解的优劣。该算法可以有效地处理约束并找到全局最优解。最后通过仿真验证该方法的有效性。

广义预测控制的一种改进算法

针对传统广义预测控制算法的计算量这一缺陷,提出了一种基于γGPC的改进算法。该算法简单,不必求解Diophantine方程和逆矩阵。仿真结果还表明,该算法增强了系统的鲁棒性,具有良好的控制性能。

改进的广义预测控制及其在温度系统中的应用

温度控制在很多生产过程中与生产效率、产品质量和能耗等重大技术经济指标相关联;针对目前温度控制系统中存在大滞后、大惯性以及时变等难题,提出一种新型的广义预测控制算法(AM-GPC),该算法采用基于辅助模型的递推最小二乘法对带积分的受控自回归滑动平均模型(CARIMA)进行高精度参数估计,并将其应用于温度控制系统中。仿真结果表明提出的AM-GPC算法较传统的广义预测控制算法具有参数估计收敛快、自适应能力强以及跟踪能力强等特点。

广义预测控制:理论、算法与应用

本文简要介绍了广义预测控制基本方法及其近年来提出的改进广义预测控制算法，并对非线性系统广义预测控制、多变量系统广义预测控制、广义预测控制的稳定性与鲁棒性分析作了进一步讨论．最后，概述了广义预测控制在工业中的应用和广义预测控制的进一步研究方向．