基于Elman网络的过热汽温隐式广义预测控制

过热蒸汽温度具有时变、大迟延、大惯性的特点,使用传统的PID控制器很难取得满意的效果。针对这一问题,提出了基于Elman网络的过热汽温隐式广义预测控制系统。采用Elman网络作为被控对象的预测模型,在求解最优控制增量时直接辩识控制器的参数,使得对象的建模方便而且控制系统的在线计算量小。仿真结果表明,此控制系统具有优良的控制性能。

基于Elman网络的过热汽温隐式广义预测控制

过热蒸汽温度具有时变、大迟延、大惯性的特点,使用传统的PID控制器很难取得满意的效果。针对这一问题,提出了基于Elman网络的过热汽温隐式广义预测控制系统。采用Elman网络作为被控对象的预测模型,在求解最优控制增量时直接辩识控制器的参数,使得对象的建模方便而且控制系统的在线计算量小。仿真结果表明,此控制系统具有优良的控制性能。

基于醋酸乙烯聚合率的隐式广义预测控制

针对醋酸乙烯生产过程具有非线性、时变、有噪声干扰和滞后等特点，且无法实现对醋酸乙烯聚合率的连续在线检测，常规控制方法很难得到令人满意的效果。本文提出基于递推最小二乘法实现聚合率的在线估计模型，将隐式广义预测控制算法应用到醋酸乙烯聚合率控制。这类算法对模型的精度要求不高，在优化中引入了多步预测思想，使其抗扰动及时延变化等能力显著提高。仿真结果表明该隐式广义预测控制算法动态响应快，跟随性好，能够获得较好的控制效果。

基于Elman网络的过热汽温隐式广义预测控制

过热蒸汽温度具有时变、大迟延、大惯性的特点,使用传统的PID控制器很难取得满意的效果。针对这一问题,提出了基于Elman网络的过热汽温隐式广义预测控制系统。采用Elman网络作为被控对象的预测模型,在求解最优控制增量时直接辩识控制器的参数,使得对象的建模方便而且控制系统的在线计算量小。仿真结果表明,此控制系统具有优良的控制性能。

气动肌肉驱动的髋关节康复训练装置隐式广义预测控制

针对气动肌肉驱动的髋关节康复训练装置存在时延、非线性和时变特性,设计基于参数模型的隐式广义预测控制器,并将其应用于髋关节康复训练装置的等速持续被动运动控制中。实验研究表明:在负载干扰变化下,隐式广义预测控制器具有控制精度高、抗干扰能力强等特点,同时对系统模型参数的变化有较好的适应能力,对提高类似医疗器械的控制性能有借鉴意义。

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。

基于隐式广义预测控制的风电机组控制方法研究

根据风速的大小,实时调整风机以获得最优桨距角是稳定风电功率,抑制桨距角频繁调整的一种常用方法。针对风电机组的高度非线性,提出采用隐式广义预测控制,从而减少模型误差;针对风速的随机性和桨距角机械调整的滞后性会引起桨距角频繁调整、转速和输出功率波动的问题,提出了一种改进的隐式广义预测控制,并结合风速预测对其进行预测补偿。首先对隐式广义预测控制的输出控制量进行联系现在和过去的改进,然后结合短期风速预测对桨距角的预调整进行补偿。仿真结果表明该方法控制效果良好,改进的隐式广义预测控制能够较好地适应不同风速下的风机控制,能够实现桨距角的预调整,同时达到了抑制桨距角的过调整、稳定转速和输出功率的目的。

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。

基于改进的隐式广义预测控制在燃气发电锅炉主汽压中的应用

针对燃气发电锅炉主汽压控制系统存在非线性、模型参数不确定等问题,提出了一种改进的隐式广义预测控制策略。首先,使用遗忘因子递推最小二乘法进行模型参数辨识,建立主汽压的离散数学模型;其次,在常规广义预测控制理论基础上建立主汽压的隐式广义预测控制系统,简化控制算法,通过在目标函数中增加PI结构,提高系统的鲁棒性。仿真结果表明,相比串级PID和常规隐式广义预测控制,所提控制策略在模型适配时调节时间最多减少20 s,模型失配时超调量最多减少5.08%,调节时间最多降低36 s,系统鲁棒性和抗干扰能力增强;工程应用表明,使用所提策略后主汽压控制偏差在±0.2 MPa之间,控制精度显著提高。改进的隐式广义预测控制较好地满足了工业生产中对主汽压的控制要求,具有较高的研究和应用价值。

基于粒子群优化的隐式广义预测控制

提出一种基于粒子群优化算法(PSO)的隐式广义预测控制(IGPC)。滚动优化作为预测控制的重要组成部分对控制效果的好坏起着关键作用,因而寻求一种可靠的优化算法十分必要。PSO算法是一种群集智能方法,通过粒子之间的合作、竞争及进化实现对多维复杂空间的高效搜索,属于一类随机全局优化技术,已成功应用于各科学和工程领域。它将PSO算法应用于IGPC的滚动优化部分来求解最优预测控制律,仿真结果显示了该方法是可行的。

一种隐式广义预测控制方法在热工系统中的应用

针对热工对象具有的大迟延、大惯性等特性,使用一种隐式广义预测控制方法进行控制;该算法不辨识对象模型参数,根据输入输出数据直接辨识求取最优控制律中的参数,是一种自校正算法。仿真结果表明该算法控制效果良好,并且对模型变化具有较强的鲁棒性;基于该算法的控制动作和输出在启动时易超限,可先测出对象的单位阶跃响应作为递推最小二乘估计的初始参数,仿真结果表明其有效性。

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。

基于LSSVM的多变量隐式广义预测控制研究

目前工业生产过程中,大多数的被控对象是多变量、强耦合的非线性系统,针对这类非线性控制系统提出了一种基于LSSVM的逆系统隐式广义预测控制方法。该方法基于预测模型的特点,利用LSSVM的非线性映射能力辨识系统的正模型以及α阶逆模型,并将辨识的逆模型与正模型串联起来形成一个α阶延时伪线性复合系统,实现了多变量系统的解耦和线性化。然后采用隐式广义预测控制算法,对该伪线性复合系统进行预测控制。通过对典型非线性系统的仿真实验,基于LSSVM的多变量隐式广义预测控制具有较好的跟踪效果以及较强的抗干扰特性。

基于隐式广义预测的LNG出口压力控制仿真研究

文中以隐式广义预测控制[1]的原理为基础,建立了以受控自回归积分滑动平均模型(即CARIMA)为基础的LNG气化储备站出口压力控制的隐式广义预测控制。利用MATLAB对此控制系统进行了仿真,同时介绍了常规PID控制,也对常规PID控制系统进行了仿真,由仿真结果可以看出隐式广义预测控制比PID控制具有响应时间短,控制精度高等优点并能取得良好的可行性、鲁棒性、优越性。

基于粒子群算法的隐式广义预测在ATO中的应用

由于列车运行速度的不断提高,对列车自动驾驶(Automatic Train Operation,ATO)系统提出更高的要求。针对隐式广义预测(Implicit Generalized Predictive Control,IGPC)控制器在ATO中难以获得最优预测控制输入的问题,运用一种基于粒子群优化(Particle Swarm Optimization,PSO)的IGPC算法对ATO系统进行控制。为更进一步提高PSO算法的寻优能力,对基本PSO算法进行改进,从而有效提高系统的寻优精度和速度。并对有约束情况下的CRH2型车进行仿真验证,仿真结果显示PSO-IGPC比单纯IGPC对ATO的控制效果更优。

基于预测控制的NCS时延补偿算法

针对网络控制系统(networked control system,NCS)中随机时延导致系统性能下降的问题,利用粒子群优化(particle swarm optimization,PSO)的最小二乘支持向量机(least square support vector machine,LSSVM)建立NCS中随机时延预测模型,精确预测未来时刻的时延;同时利用该预测算法预测的时延通过快速隐式广义预测控制算法对NCS随机时延进行补偿。仿真结果表明,PSO优化的LS-SVM算法对随机时延具有较高的预测精度,同时快速隐式广义预测控制算法可使系统的输出很好地跟踪参考轨迹,保证系统良好的控制效果。

基于IGPC的火力发电机组主汽温预测控制策略

针对火力发电机组燃气锅炉主汽温控制系统大惯性、大时滞、扰动大等特点,提出一种基于隐式广义预测控制(implicit generalized predictive control,IGPC)的主汽温预测控制策略。以主汽温为被控量,减温水流量为控制量,设计应用于燃气发电锅炉主汽温控制系统的隐式广义预测控制策略,通过建立主汽温预测模型,使用滚动优化对目标函数进行输出预测,构建最优控制律,并采用反馈校正在线修正预测值。仿真结果表明,与常规的串级比例积分微分(proportional-integral-derivative,PID)控制、动态矩阵控制和Smith预估补偿控制策略相比,在模型适配施加干扰的情况下,所设计的控制策略在67s左右达到设定值,超调量仅为4.28%;在模型失配情况下,施加干扰的调节时间为78.8s,超调量仅为8.66%。工程应用结果表明:主汽温控制偏差在±7℃左右,其稳定性得到了较大的改善,有效满足燃气发电锅炉主汽温控制系统的实际要求,该策略提高了控制系统的鲁棒性。

网络控制系统的自适应预测控制

针对具有随机时延的网络控制系统,提出一种自适应预测控制方法.利用Elman神经网络对网络控制系统的随机时延进行在线预测,然后采用一种增加微分作用的改进隐式广义预测控制方法对网络时延进行补偿,实现了随机时延网络控制系统的自适应预测控制.仿真结果表明,该方法对网络随机时延有很好的补偿效果,可明显改善系统输出性能,保证控制的稳定性与快速性.

动车组重联网络控制系统时延预测及补偿

重联动车组之间利用UIC网关的过程数据编组传输监控数据,数据在重联通信网络上的传输时延影响重联控制的性能。针对这一问题,构建动车组重联网络控制系统简化模型,采用网络时延的自回归AR模型,通过Yule-walker参数自辨识算法根据历史数据对网络时延进行在线预测,同时利用快速隐式广义预测控制IGPC对预测的时延进行补偿。仿真实验结果表明,该方法具有较高的时延预测精度,且对网络时延有较好的补偿效果,可保证良好的控制效果。

四容水箱过程预测控制

针对四容水箱系统的多变量、大时滞、非线性及强耦合等特性,首先设计模型预测控制(MPC)策略,由于采用了多步预估技术,从而能有效地解决时延过程问题。然后设计隐式广义预测自校正控制(GPC)策略,利用反馈校正能及时修正预测值,使优化建立在较准确的预测基础上,从而提高了控制的鲁棒性。在建立四容水箱过程机理模型的基础上,通过仿真验证实现四容水箱液位预测控制,并给出了相应的实验结果。仿真结果表明:通过预测控制算法良好的控制性能,可以实现对四容水箱系统的稳定控制。