基于非线性预测控制的跟随风扇设计

随着科技的发展和人们生活水平的提高,用户通过空调进行降温的需求也越来越大。对于开放性场所,只能采用传统的风扇进行降温,目前风扇的吹风方向有固定式吹风和周期性循环吹风。在某些特殊场所以及应用场景,用户需要频繁变换位置,此时风扇无法达到很好的降温效果。为解决没有空调的场所且需要频繁移动的用户在夏天降温的问题,本文设计了一种基于非线性预测控制的跟随风扇控制系统。本系统采用毫米波雷达人体跟踪传感器实时检测人体位置,通过STM32主控芯片分析毫米波雷达人体跟踪传感器检测到的目标位置数据,进而基于非线性预测控制算法驱动风扇的转向舵机以调整风扇的风向,使风扇能智能地跟随目标。本文旨在通过设计一种跟随风扇系统达到对需要频繁移动的用户进行跟踪降温,从而实现跟随风扇准确、可靠的工作,解决需要频繁移动的用户的降温问题。

广义准无限时域非线性预测控制(英文)

将准无限时域非线性预测控制方法推广到更一般的情况 ,并给出了闭环约束系统的稳定性条件及最优解的存在条件 .基于反馈线性化技术讨论了广义准无限时域非线性预测控制的实现及较大终端域的获取 .该方法能显著减少在线优化所需的时间 .

基于支持向量机的非线性预测控制技术

探讨了利用支持向量机进行非线性系统辨识的方法 ,并将支持向量机模型应用到非线性预测控制 ,提出了基于支持向量机模型的非线性预测控制算法 .对一个CSTR反应器的仿真表明 ,支持向量机在小样本情况下具有良好的非线性建模能力和泛化能力 .基于支持向量机的预测控制具有很好的控制性能 。

同步发电机励磁非线性预测控制

介绍了一种新的非线性控制器设计方法 :使用预测控制理论对非线性系统进行控制 ,并将这种方法应用于单机 无穷大系统励磁控制。得到了一种以有功功率、角速度和机端电压作为变量的非线性系统的控制规律。仿真结果表明 :该方法既能改善功角稳定性 ,又能改善发电机端电压的动态特性 ,比目前认为较好的微分几何等方法更有效、更实用。

基于神经网络的非线性预测控制综述

基于神经网络的非线性预测控制是智能控制中的重要前沿课题 ,在工业过程控制领域有着非常大的应用前景。从预测方式、控制律求解方法和典型应用等几个角度对基于神经网络的非线性预测控制做了综述。对其中的关键技术做了深入阐述。

一类化工过程多变量系统的自适应非线性预测控制

针对化工过程的一类多变量非线性系统,提出了一种自适应非线性预测控制(ANMPC)算法。在采用递归最小二乘法进行预测模型参数在线辨识的基础上,将系统的静态非线性关系用一个反向传播(BP)神经网络稳态模型来表示,通过稳态模型求得的动态增益来进一步校正预测模型的参数。详述了ANMPC控制器设计步骤,通过在一个多变量pH中和过程中的仿真验证了本算法的可行性和有效性。

约束非完整移动机器人轨迹跟踪的非线性预测控制

针对存在非完整约束和控制输入约束的轮式移动机器人动力学模型,研究了其全动态误差系统准无限时域非线性模型预测控制策略,通过沿名义轨迹在线线性化获取局部稳定化控制器及不变终端域,以跟踪'8'字形轨迹为例进行了仿真,结果表明,闭环系统在满足控制输入条件下具有良好的跟踪性能。

基于改进Elman神经网络的非线性预测控制

为了提高非线性预测控制中预测模型的精度,提出一种基于递归神经网络建模的预测控制方案。采用改进Elman神经网络在线建立预测模型,用递推最小二乘法在线修改神经网络权值,并引入误差补偿环节,从而达到改善预测模型精度的目的,使控制系统的控制性能得到提高。仿真实验表明了该方法的有效性。

同步发电机励磁非线性预测控制技术

以功角、有功功率、角速度这些可测量作为反馈量,基于非线性预测控制理论,设计出具有闭合解析形式控制律的励磁控制器.该控制器的设计参数只有滚动预测时间T和控制阶r,便于工程实现和调试.仿真结果表明,该控制器能使系统提高稳定性,具有良好的动态品质,较好地维持了发电机机端电压的静态调节精度.

阶梯式有约束非线性预测控制及其应用

非线性预测控制需要在每个采样周期内求解非凸非线性规划。针对在线求解的计算复杂性,提出基于阶梯控制的非线性预测控制算法,在每个采样周期,采用阶梯式控制策略,精确求解当前控制量,减少非线性规划决策变量的维数,降低了在线计算量,减少计算时间,提高了算法的快速性。仿真和实控结果表明,本算法具有良好的可行性和控制效果。

基于C-R模糊模型的非线性预测控制

Cao和Ress 提出的模糊模型(称为C-R模糊模型)由模糊推理和局部线性解析模型两部分组成,用隶属函数加权局部模型构成系统的全局非线性模型。本文提出了一种新的结构上与阶跃模型相类似的C-R模糊阶跃模型,并用DMC动态矩阵控制算法,求解基于该模型的非线性预测控制问题, 得出了预测控制算法的解析形式,该方法克服了一般非线性预测控制算法求解困难的缺陷。

基于BP网络的一种非线性预测控制算法

提出一种基于BP网络的非线性预测控制算法 .该算法根据被控对象自身的非线性特性 ,采用BP网络建立预测模型 ,并利用先验知识缩小网络的规模 ,提高网络的学习速度 ,然后利用遗传算法这一全局优化搜索方法对控制轨迹进行寻优 ,弥补神经网络容易陷入局部极小值的缺点 .非线性多变量系统友、码仿真 ,结果 。

汽轮发电机汽门开度的分散非线性预测控制

基于非线性预测控制理论,设计出具有闭型解析解控制律的汽轮发电机汽门开度分散非线性预测控制器。该控制器并不要求进行在线优化计算,从而避免了繁重的计算负担。控制器的输入为当地可测量信号且与网络参数无关,从而实现了分散控制。通过在6机22母线系统的仿真结果表明,该控制器能提高电力系统的暂态稳定性和动态性能。

基于全局正交配置的非线性预测控制算法

针对非线性预测控制(NMPC)在线优化计算量大这一关键问题,提出一种基于全局正交配置的非线性预测控制算法。该算法以高阶插值正交多项式为基函数同时配置优化时域内的状态变量和控制变量,将连续动态优化问题转化为非线性规划问题(NLP)求解。全局正交配置可以使用较少的配置点而获得较高的逼近精度,这样即使NMPC使用很长的优化时域,离散化后得到的NLP问题的规模也比较小,能够有效地降低在线优化计算量。最后,以连续聚合反应过程为例验证了算法的有效性。

基于T-S模糊模型的非线性预测控制策略

提出了一种新的基于T_S模糊模型的非线性预测控制策略 .T_S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报器 .由于T_S模糊模型每条规则的结论部分是一个线性模型 ,因此整个模糊模型可以看作一个线性时变系统 ,从而将模糊预测控制器中的非线性优化问题转化为一个线性二次寻优问题 ,以方便求解 .pH中和过程的仿真结果表明其性能优于传统的动态矩阵控制器 .

基于稳态非线性模型和线性ARX模型组合的非线性预测控制

通过点集映射来表示非线性系统的稳态模型,用系统的稳态增益来修正具有外界输入的线性自回归(AutoRegressive with eXternal input,ARX)模型的动态增益,提出了一种基于稳态非线性模型和线性ARX模型组合的非线性预测控制算法.该算法用递归最小二乘法在线辨识系统的动态模型参数,用序列二次规划算法求解目标函数.最后通过对典型化工非线性对象pH中和过程的仿真对本算法进行了验证.结果表明,本算法比广义预测控制算法具有更好的设定值跟踪性能和抗干扰能力.

基于非线性预测控制算法的发电机励磁与快速汽门协调控制

在非线性预测控制理论的基础上,提出了基于多目标方程的综合预测模型。采用发电机功角和机端电压输出方程为预测模型对各状态变量进行预测,在线滚动优化求出含有预测信息的励磁与快控汽门协调控制规律。通过建立预测模型方式,较好地解决了发电机状态方程非线性、时变的问题;通过对多目标系统综合求解,实现发电机组励磁与快速汽门系统的相互关联、协调控制。对单机无穷大系统的计算机仿真结果表明,采用此算法提高了系统的暂态稳定性和电压稳定性,增强了系统在故障后的动态品质。

基于神经元网络模型的柴油调合非线性预测控制和在线优化

针对炼油厂柴油调合生产这个强非线性、多输入、多输出、多扰动、大纯滞后对象 ,提出了以柴油调合倾点RBF神经网络模型为质量指标约束条件的柴油连续调合生产非线性在线最优化方法 ,提出了基于RBF神经网络预测模型、滚动优化目标函数中带有静态经济指标的柴油连续调合倾点非线性预测控制策略。仿真计算证明本文的非线性优化方法能计算柴油调合生产最优配方 ,在满足生产能力约束和产品倾点质量指标的前提下可实现组分油最优利用而获最大利润 ;预测控制策略在预测模型与实际对象模型失配时仍具有良好的跟踪性能和抗干扰性能 ,展示了其良好的工业应用前景。

CMAC网络建模在非线性预测控制中的应用

CMAC是一种具有线性结构、算法简单的局部化设计网络。将 CMAC网络应用到具体非线性系统的预测控制研究中。对一类 CSTR系统的仿真结果表明 ,该预测控制策略响应快且容易实现 ,具有较强的鲁棒性 。

质量矩拦截弹的非线性预测控制器设计

文中以所建立的质量矩拦截弹数学模型为基础,通过对模型合理的简化,得到一个耦合的非线性动力学系统,考虑到系统的鲁棒性要求和三个滑块的协调控制问题,利用非线性预测控制设计了姿态控制系统。考虑到系统的不确定性,对系统的鲁棒性进行了分析。仿真结果证明了这种方法的有效性。