涤纶片基拉膜生产线横向分布神经网络自校正预测控制

建立了一种新型的神经网络自校正预测控制器 ,可有效地控制复杂的多变量非线性系统 .将这一方法成功地应用于涤纶片基拉膜生产线的横向分布控制中 。

有源电力滤波器自校正预测控制方法

提出了基于预测控制和空间矢量调制的有源电力滤波器输出补偿电流控制方法。利用外推拉格朗日插值法对有源电力滤波器输出电压进行线性预测,并对其引入校正因子,得出了基于自校正的无差拍指令电压计算模型,以实现对输出补偿电流的闭环无差拍控制;随后在对指令电压进行空间矢量调制过程中简化传统的矢量定位方法,并优化空间矢量的作用时序以降低功率器件的开关损耗。在电网电压不对称且存在畸变条件下的理论分析和仿真结果证明该方法能有效的跟踪指令电流的变化。以此为基础设计一套三相并联型有源电力滤波器,并在10kV电力系统试运行,实验结果验证了该控制方法的有效性。

城市交通信号的ANN自校正预测控制

提出一种基于人工神经网络的城市交通信号的自校正预测控制方法.充分考虑相邻交叉路口之间交通流的强耦合性,在此基础上建立关于队长的交通模型;其中,受控路口下一周期到达的车辆数用人工神经网络(ANN)来预测;通过该ANN还可获得确定最佳周期长度所需要的交通参量,因此还可预测下一周期的长度;上述预测值均用实测信息进行反馈校正,在此基础上即可给出带约束的预测控制算法,从而确定下一周期的控制策略.仿真实例表明该方法具有较好的控制效果.

基于ANN模型的非线性自校正预测控制器

采用局部建模和线性化方法，提出了一种基于人工神经网络（ＡｒｔｉｆｉｃｉａｌＮｅｕｒａｌＮｅｔ－ｗｏｒｋ——ＡＮＮ）模型的非线性自校正预测控制算法．仿真实例表明，所提控制策略可有效地控制某些未知多变量非线性动态系统．

基于二步估计器的PID自校正预测控制

基于内模原理构建d步超前预测控制器.根据d步超前预测信号,运用二步估计器进行数据信息处理,创建PID自校正预测控制算法.仿真结果表明:该算法实现起来简便,能够有效地减小控制系统的运算量,提高控制的实时性.

基于内模原理的简单PID自校正预测控制器

论述了ＰＩＤ自校正预测控制器的一种简单设计方法。其主要内容有：内模控制原理；基于内模原理构成ｄ步超前预测控制器；根据ｄ步超前预测信号，设计了ＰＩＤ自校正预测控制器。

基于神经网络模型的扩展优化自校正预测控制

利用前馈神经网络权初值优化的快速BP算法建立对象的非线性预测模型,采用分段线性化的技术建立动态线性模型,基于该线性模型进行滚动优化,同时用非线性预测模型对其进行补偿,实现对具有时延的非线性系统的预测控制,较好地解决了非线性系统存在时变、模型失配等情况下的控制问题。仿真实验表明由它构成的控制系统具有很好的动态响应和较强的鲁棒性。

多步预测自校正控制算法在混合隔振中的应用研究

为了弥补潜艇动力机械被动隔振系统低频隔振效果的不足,建立了混合隔振多步预测自校正控制系统。详细阐述了混合隔振系统模型的建立,混合隔振预测自校正控制系统的设计,并给出了一个具体实例设计和仿真过程。从仿真结果来看,所提出的混合隔振多步预测自校正控制系统,有效地弥补了舰船动力机械被动隔振系统的不足,且系统具有较强的鲁棒性能。

变风量集中空调变静压广义预测自校正控制与节能技术研究

分析了变风量集中空调系统的构成及特点,在实验平台上对定静压及变静压控制策略进行了能耗分析,结果表明变静压控制策略节能达12.86%。针对静压控制系统非线性、时变性及被控对象建模困难等特点,设计了广义预测自校正控制算法,在仿真实验的基础上,将其用于风系统变静压控制策略的实现。仿真及实验结果表明,该算法在具有较强跟踪及抗干扰能力的同时具有较大的节能潜力。

ATM中ABR业务自校正预测比例控制算法研究

针对ATM网络中的大传输时延所引起的阻塞控制不能及时处理的特点，本文提出了一种新的自校正预测比例控制算法。它吸收了预测控制的思想，能有效克服时延影响，提高网络利用率及其鲁棒性。同时采用了简单实用的比例控制器，使算法简单、易实现，从而有较高的实用价值。

具有比例积分结构的广义预测自校正控制

本文在一般广义预测自校正控制的基础上,提出一种具有比例积分结构的广义预测自校正控制(PIGPC)算法。仿真结果表明,该算法更具有鲁棒性,更宜于工业应用。

料浆水分含量的自校正预测补偿控制

为了使料浆的水分含量达到目标值,采用自校正预测补偿控制原理进行预测控制,寻找最优值,实现在线最佳控制,使输出量的平均值等于设定值,给出了实例分析,并进行了计算机数值模拟。

具有比例积分结构的广义预测自校正控制在工业锅炉燃烧系统中的应用

将具有比例积分结构的广义预测自校正控制器应用于链条锅炉燃烧控制系统,通过连续系统仿真,结果表明这种控制器具有较强的适应性和鲁棒性,有较高的控制精度。

具有比例积分结构的广义预测自校正控制

在一般广义预测自校正控制的基础上 ,提出了一种具有比例积分结构的广义预测自校正控制器及其实时实现算法 .该算法兼有古典 PI控制的鲁棒性能和预测控制的模型预报优点 ,通过对具体实例的计算机仿真表明 ,该算法较一般广义预测自校正控制更具有鲁棒性 ,更宜于工业应用 .

纸张定量的自校正广义预测控制

本文提出采用自校正广义预测控制的方法实现纸张的定量控制,推导了有色噪声情况下的广义预测控制算法,利用增广最小二乘参数估计实现纸张定量的自校正广义预测控制。经对纸机不同工况的模型仿真计算,得到了鲁棒性强,控制性能好的满意结果。

同步发电机多步预测自校正励磁调节器

将多步预测自校正控制(Multi-step Predictive Self-Tuning Control)理论用于同步发电机励磁控制中来,选取多个状态量偏差的组合做为输出,用渐消记忆递推最小二乘法在线辨识同步发电机三阶非线性方程经线性化和离散化后的模型参数,并采用一种简单有效的方法离线确定b0(b0是前面提到的模型参数之一)。针对单机无穷大系统,设计出多步预测自校正励磁调节器(Multi-step Predictive Self-Tuning Excitation Regulator,MPSTER)。数字仿真结果表明,该励磁调节器控制效果好,能及时跟踪发电机运行工况的变化,在系统遭受的各种干扰下均表现出良好的动、静态性能。

一种基于神经网络和参数优化的隐式广义预测控制

提出一种基于神经网络和参数优化的预测控制方法。首先利用带有动量项的改进BP神经网络辨识系统模型,在辨识过程中使用粒子群算法(PSO)对改进BP网络的初始权值/偏置、学习率、动量系数等辨识参数进行学习优化,解决这些参数的取值问题;然后将辨识得到的模型用于隐式广义预测自校正控制中,使用遗传算法(GA)对控制过程进行优化,寻找最优的控制参数(预测时域、控制时域、控制加权系数、柔化系数)。将该方法应用在热工系统中,仿真结果表明了方法的有效性。

混凝土搅拌配料控制系统

在分析、研究日本公司的CB920、美国托利多的Panth以及长沙建设电子的PLC-3的基础上,提出了一种新型螺旋加料动态定量称重控制方法。该方法基于自校正预测控制算法,较好地解决了动态定量称重过程中精度和速度的矛盾。从系统硬件结构、控制策略及软件设计策略三方面论述了4通道混凝土搅拌配料控制系统。

大射电望远镜馈源轨迹跟踪自适应控制

针对大射电望远镜悬索馈源为一非线性慢时变多变量耦合的系统特点 ,提出用多变量极点配置自校正预测控制器 (MPSTPC)来实现馈源轨迹的跟踪控制 .建立了悬索 馈源系统的数学模型 ,在有随机风扰动和无随机风扰动的情况下 ,进行了数字仿真 .结果表明 。

基于多技术融合加权平滑的径向基函数神经网络熔融指数预报

针对在对聚丙烯熔融指数进行预测时优势数据和优势变量不突出影响预测精度、数据平滑度不够影响泛化性能的问题,提出了基于多技术融合加权平滑的径向基函数神经网络预报模型。综合运用了在时间尺度基于空间欧氏距离加权、在变量维度上基于灰色关联和线性回归误差加权两种数据加权方案,基于过程变量差分序列欧氏距离的平滑和局部线性平滑两种数据平滑方案,解决了模型精度和泛化性低的问题。为进一步改进模型性能,采用带误差补偿的非线性自回归滑动平均模型框架和径向基函数神经网络,利用自校正预测控制算法和分段线性变学习率算法,对模型进行优化。结合某厂真实数据对模型进行验证,预报结果在泛化集上为:平均相对误差(MRE)1.32%、均方根误差(RMSE)0.045 9。与其他方法进行了详细的比较分析,结果表明该模型具有良好的预报精度和泛化性能,在大时滞工业过程领域具有一定的应用价值。