建筑结构非线性地震反应的△t最优采样线性预测控制

本文讨论建筑结构非线性地震反应的采样红性预测控制，考虑控制力限值和时滞的影响，使结构反应的目标函数在控制力对结构产生作用的采样周期△ｔ内取极小值。求解最优控制力时采用结构的弹性刚度矩阵。编制建筑结构非线性地震反应时程分析程序对有主动拉索控制系统的框架一剪力墙结构进行仿真控制。仿真结果表明，本文提出的△ｔ最估采样线性预测控制有较好的控制效果，无须在线识别结构的非线性参数，具有较强的实用性。

建筑结构非线性地震反应的△t最优采样预测控制

本文讨论建筑结构非线性地震反应的采样控制，考虑控制力限值和时滞的影响，使结构反应的目标函数在控制力对 生作用的采样周期△ｔ内取极小值。仿真结果表明，本文提出了的△ｔ最优采样测控制算法有较好的控制效果。

系统效率最优的功率分流式混合动力汽车非线性预测控制

针对一种基于双行星排构型的功率分流式混合动力汽车,建立系统动态模型,准确描述其转速转矩耦合关系,通过建立各部件的效率模型,分析不同模式下系统的工作效率.设计控制器结构框架,以系统工作效率和电池充放电平衡为目标,构建基于模型预测控制的优化问题,采用一步马尔科夫链模型预测驾驶员需求转矩及车速,将有限时域内的优化问题转化为非线性规划问题,基于序列二次规划算法实现优化求解.仿真研究表明,基于系统效率最优的预测控制器能够维持电池的充放电平衡,在美国城市驾驶循环(UDDS)下,当电池初始电池荷电状态(SOC)分别为0.50、0.55和0.60时,相较于以发动机燃油消耗最优为目标,车辆等效燃油经济性分别提高了7.17%、5.73%和10.11%,验证了控制器的有效性和优越性.

改进粒子群算法优化的非线性模型预测控制

针对带有有界随机扰动和概率约束的非线性模型预测控制的优化控律求解问题.采用引入粒子滤波重采样步骤改进的粒子群算法,并与粒子的变异操作相结合来求解非线性模型预测控制优化控制律的方法,提高了算法的收敛速度和控制效果.对概率约束的处理,采用对不满足约束的粒子进行有效替代的方法,进而得到满足概率约束条件的优化控制律.仿真结果表明了提出的改进粒子群算法用于优化求解非线性模型预测控制的优化控制律的可行性和有效性.

基于神经网络模型和改进最优保留遗传算法的非线性系统多步预测控制

针对复杂工业过程中存在的时滞、慢时变、强干扰等非线性控制对象提出一种利用径向基函数神经网络 (RBFNN)作为预测模型 ,改进最优保留遗传算法 (MEGA)作为滚动优化策略的非线性预测控制算法。仿真结果表明该算法具有较强的鲁棒性和抗时变性能。

TCSC非线性最优预测控制器的设计

基于非线性最优预测控制(NOPC)理论,设计了一种具有闭合的解析控制律的可控串联补偿电容器(TCSC)的控制器。该控制器不要求进行在线优化计算,从而避免了大量的计算负担,且其可调参数只有二个(滚动预测时间T及控制阶r),因而它完全满足实时控制的要求,且便于工程实现及调试。仿真结果表明,该控制器在提高系统的稳定性、阻尼系统振荡方面有明显的改善。

基于信息融合最优估计的非线性离散系统预测控制

针对非线性离散系统的二次型最优预测控制问题,提出了一种基于信息融合最优估计的迭代预测控制算法.通过融合二次型性能指标函数中包含的未来参考轨迹和控制能量的软约束信息,以及系统状态方程和输出方程的硬约束信息,获得协状态序列和控制序列的最优估计.通过二自由度机器人操作手的转移控制仿真,表明了该控制算法具有良好的稳定性和鲁棒性.

三相PWM整流器的滑模和非线性最优预测控制

结合滑模变结构控制和非线性最优预测控制的优点,提出了一种新型电压电流双环控制方法,该方法电压环采用滑模变结构控制,充分利用滑模变结构控制的鲁棒性强、对负载的扰动具有很好的适应性的优点,生成指令电流;电流环采用非线性最优预测控制,该方法可以在一个到几个周期内消除跟踪误差,具有响应速度快、跟踪精度高等优点,非常适合数字控制系统。仿真和实验的结果证明了所提方法的有效性和优越性。

增强系统阻尼并保持电压精度的静止无功补偿器非线性最优预测控制

以增加系统阻尼和维待电压水平为目的,基于非线性最优预测控制理论,设计出具有闭合形式解析控制律的SVC控制器.该控制器避免了非线性预测控制在线优化计算带来的大量计算负担,从而可满足实时控制的要求,且设计参数只有滚动预测时间及控制阶,因而便于工程实现及调试.仿真的结果表明,该控制器可有效地阻尼系统的振荡并能维持SVC接入点的电压水平.

线性伪谱模型预测能量最优姿态机动控制方法

针对大气层外飞行器大角度姿态机动控制问题,提出了一种能量最优的线性伪谱模型预测大角度姿态机动控制方法。首先,通过离线弹道规划获得满足初始、终端约束且能量最优的姿态机动控制轨迹;然后,以离线弹道为基准对姿态动力学方程进行小扰动线性化处理,获得以状态偏差为自变量的线性误差传播方程;最后,以能量最优作为性能指标,通过高斯伪谱法对原问题进行离散,推导获得满足终端偏差修正的控制解析表达式。数值计算和蒙特卡罗仿真表明,该方法不仅计算精度高、求解速度快,满足实时计算要求,而且具有较强的鲁棒性,能够实时消除各种干扰。此外,在同等控制精度条件下,该方法相对传统线性二次型调节器(LQR)跟踪方法,能量消耗减小10%。

基于最优保留遗传算法的非线性模糊预测控制

针对传统的模型预测控制不能很好解决具有严重非线性、不确定性的对象或过程的控制问题 ,提出将模糊模型用于描述对象的非线性动态特性 ,通过将模糊模型的输出反馈回来作为模型输入 ,从而构成了模糊多步预测器 ,采用一种收敛精度高、速度快的具有最优保留特性遗传算法 (EGA)依据模型预测输出在线滚动求解控制律的非线性预测控制算法。仿真结果表明该算法对一类非线性系统具有较快的响应速度和较强的抗干扰能力。

线性采样系统二次型最优控制器的MATLAB实现

当被控对象具有较大滞后特性时通常运用采样控制方式进行控制,而线性二次型最优控制又以其综合性、灵活性和实用性受到重视和发展。MATLAB软件的Simulink模块可以快速方便地对控制系统进行建模和仿真。文中通过实例给出了完整的线性采样系统二次型最优控制器的设计过程,简述了连续系统离散化以及线性二次型最优控制器的基本原理、设计方法,并提出了一个Simulink环境下的仿真模型,通过得到的闭环系统的阶跃响应分析了参数变化对最优控制系统的影响。整个设计表明了运用Simulink对采样系统进行设计和分析是完全可行的。

基于FLNDO的近空间飞行器鲁棒最优预测控制(英文)

针对有强烈干扰和不确定因素影响的近空间高超声速飞行器,提出了一种鲁棒最优广义预测控制律。控制律由最优广义预测控制律(OGPC)和一种新的泛函连接网络干扰观测器(FLNDO)构成。输出的有限时域预测由泰勒级数的展开实现。飞行中的未建模动态以及未知干扰由FLNDO来估计,并且文中也给出了FLNDO和闭环系统的稳定性分析。仿真结果表明对于姿态角和角速率的跟踪问题,设计的控制器达到了满意的控制效果,并且也成功实现了对干扰的抑制以及参数变化的鲁棒性要求。

基于混沌神经网络预测模型的最优控制决策及应用

为了实现非线性、大时滞系统的自适应控制,首先根据具有混沌特性的非线性、大时滞系统的时序列重构相空间,计算出相空间的饱和嵌入维数和最大Lyapunov指数,并以此为指导,建立混沌神经网络预测模型,该模型即便在网络输入不完整或发生变异的情况下,仍能对系统作高精度的短期预测;在此基础上,将预测模型的输出通过反馈校正,再将校正误差和控制增量引入性能函数最优,最后得到最优控制决策,实现了对非线性、大时滞系统高精度的自适应控制。最后将预测控制决策应用到非线性、大时滞的锅炉过热汽温控制中,仿真结果表明了该控制的有效性、快速性和鲁棒性。

基于支持向量机的一类非线性系统预测控制

针对一类具有输出反馈耦合的离散非线性系统,将过程的非线性部分通过支持向量机转化为全局线性状态空间模型,并在目标函数中引入系统状态的变化,给出一种类似于离散PI最优调节器的新型预测控制器.该方法不需要在线辨识系统参数,因为系统的内模已转换成全局离线模型.由于引入了新的优化目标函数,该控制器的控制效果和鲁棒性优于仅考虑预测输出误差的传统预测控制器.仿真结果表明,它也优于经典离散PI最优调节器.

变采样网络控制系统的最优保性能控制

研究了一类不确定时延网络控制系统的最优保性能控制问题。针对线性时不变控制对象,控制器和控制对象采用时间-事件驱动,系统成为变采样网络控制系统,考虑在不确定时延小于或者等于一个变采样周期时,基于动态输出反馈对变采样网络控制系统进行建模,利用线性矩阵不等式研究了系统的保性能控制,并设计了保性能控制率和最优保性能控制率,最后给出实例表明在最优保性能控制率的控制下系统稳定。

变采样周期网络控制系统的模态依赖的H_∞预测控制

研究了一类具有随机时延和外部扰动的网络控制系统的H∞预测状态反馈控制器的设计问题.利用变采样周期的方法,将连续的网络控制系统离散化,从而建模为部分转移概率未知的马尔可夫跳变线性系统.利用一步性能函数,给出了保证整个闭环系统随机渐进稳定且具有性能指标上界的充分条件,通过线性矩阵不等式的方法,给出了预测状态反馈控制器的设计方法。

一类非线性系统的自适应预测函数控制

针对一类具有输出反馈耦合的离散非线性系统,将过程的非线性状态空间模型等效为线性时变状态空间模型;然后利用最小二乘法辨识系统参数,并通过在目标函数中引入系统状态的变化给出一种具有类似离散PI最优调节器结构的新型自适应预测函数控制器.由于引入了新的优化目标函数,该控制器控制效果与鲁棒性要优于仅考虑预测输出误差的传统预测函数控制器.仿真结果表明,该控制器优于经典离散PI最优调节器.

基于T-S模糊模型的非线性系统广义预测控制

针对离散非线性系统,提出一种基于T-S模糊模型的广义预测控制方法。该方法将采样点的T-S模糊模型转化为采样点线性模型与非线性误差叠加的线性形式,通过迭代修正非线性误差,使具有非线性误差的线性模型预测控制律逐渐逼近采样点T-S模糊模型预测控制律。同时,该预测控制方法也能适用于当系统受输入输出约束时的控制。仿真结果验证了所提出的TS模糊模型广义预测方法有效。

一类非线性随机系统的自适应预测控制

根据线性滤波和谱分解定理及成型滤波器原理构成一非线性随机系统模型,结合在工作点处用线性的动态切平面逼近一般非线性系统的方法,基于准则函数和广义最优预测算法,采用NARMAX模型的非线性递推参数估计算法辨识未知参数,提出一种自适应预测控制算法,仿真研究验证了算法的有效性。