基于可进化模型预测控制的含电动汽车多微电网智能发电控制策略

多微电网中的环境状态、控制资源及偶然事件均具有强不确定性,而电动汽车在参与电网削峰填谷的同时也给发电控制带来了挑战。为此,该文提出一种基于可进化模型预测控制(LBMPC)的含电动汽车多微电网发电控制策略。首先,基于控制器交互的多微电网互联结构,考虑了发电机端电压调节和负荷频率控制(LFC)之间的耦合关系,建立含电动汽车多微电网的发电控制模型;然后,设计了一种基于多智能体的控制器参数自适应算法:频率控制器以实时频偏和EV站输出功率边界为状态集,以模型预测控制(MPC)控制器的可调参数矩阵Q_(x)作为动作集,以频率偏差为奖励函数指标,电压控制器同理,从而实现MPC与PI控制器权重参数的自适应调整;最后,仿真结果表明,自动调压(AVR)回路增加了有功功率干扰,对LFC控制器提出了更高的要求,与传统控制和MPC算法相比,应用于控制器互联结构的可进化模型预测控制器能够在子微电网之间进行信息交换,并且根据环境状态实时更新控制器参数,显著提高了多微电网频率控制过程的鲁棒性和快速性。同时,与纯深度确定性策略梯度(DDPG)控制器相比,该文提出的双层控制结构在机器学习智能体出现故障无法正常输出动作时,能更好地保证系统的安全稳定运行。

在线优化参数的无模型PID预测函数控制

针对复杂非线性系统难以建模的控制问题,采用具有辅助变量紧格式动态线性化泛模型的无模型自适应控制方案,结合PID预测函数控制,并对目标函数进行改进,提出广义目标函数,给出无模型PID预测函数控制,采用直接极小化指标函数自适应优化算法对PID控制参数寻优,给出PID控制参数的在线优化算法。仿真研究表明算法的控制响应优良。

基于广义回归神经网络的煤矿带式输送机模型预测控制

针对煤矿井下运输系统能耗大、生产成本高等问题,提出基于广义回归神经网络(GRNN)的带式输送机模型预测控制(MPC)策略。引入动态自适应权重和莱维飞行策略改进天牛须算法(BAS),并采用改进的天牛须算法对广义回归神经网络进行超参数寻优。建立了带式运输机模型,采用模型预测控制策略对带式输送机的运行进行优化与控制;优化过程采用了基于分时电价的控制策略。实验结果表明:与带式输送机传统的运行方式相比,所提出的控制策略不仅可以减少能源消耗,而且可以有效降低运行成本。

基于改进多变量灰色预测的喷燃器摆角–再热汽温控制

针对传统PID控制对再热汽温控制效果不佳和传统灰色预测精度不高、误差较大的问题,首先对传统多变量灰色预测模型GM(1,2)结构进行改进,形成新的多变量灰色预测模型OGM(1,2);然后运用麻雀搜索算法对OGM(1,2)的生成系数进行优化,寻找使本征序列的平均相对模拟百分误差最小的生成系数值;最后与传统的PID结合,组成灰色预测控制系统对再热汽温进行控制。仿真结果表明,与传统PID控制相比,该方法使系统控制性能得到了明显的改善,同时具有良好的鲁棒性。

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。

对角CARIMA模型抗扰约束广义预测控制

针对存在输入和输入增量约束的多变量系统,提出了一种基于变权重的对角CARIMA模型抗扰动约束广义预测控制算法。根据对角CARIMA模型中的A和C矩阵为对角形式的特点,将多输入多输出系统分解为多个多输入单输出系统进行预测和控制,简化了控制器的设计,降低了变量之间的耦合性。根据模型预测值与参考轨迹之间的偏差实时调整目标函数中各输出跟踪误差的权重,达到抑制由耦合而造成回路之间扰动的目的。权重调整的基本原则是,每个输出的预测值跟踪参考轨迹的权重由其他输出在同时刻偏离其参考轨迹的误差平方加权和构成。当某个输出偏离其目标值时,其他输出的控制作用相对增强,避免输出之间的相互扰动,达到抑制扰动的目的。同时,分析了系统输入和输入增量约束的表达形式。利用多变量广义预测控制(MGPC)以及提出的扰动抑制方法,分别对Shell重油分馏问题进行了仿真实验,仿真结果验证了算法的有效性。

对角CARIMA模型多变量广义预测控制器系数直接算法

为了简化多变量广义预测控制MGPC的设计与实现,提出了对角CARIMA(Controlledautoregressiveintegratedmovingaverage)模型MGPC控制器系数的直接求解方法.利用多变量对角CARIMA模型直接递推得到了非常简洁的MGPC控制器,控制增量等于控制器系数与设定值、过程输入输出历史数据、模型预测误差历史数据的乘积,控制器系数只与模型参数和设计参数有关,控制器系数维数只由模型结构参数决定.避免了Diophantine方程的求解,减少了在线计算量,简化了MGPC控制器的实现.在一个DCS控制的非线性液位装置上的对比实验结果表明了该方法的有效性.

冷带轧机电液伺服系统广义预测控制应用研究

在冷带轧机电液伺服系统中应用广义预测控制理论直接算法,采用随机梯度估计法在线估计控制器参数模型,避免了在线求解Diophantine方程,减少了在线计算时间。该控制算法基于离散受控自回归积分滑动平均模型,吸取了自适应控制的优点,使控制系统具有较好的鲁棒性和智能性。仿真研究结果表明,该方法比目前带钢生产中广为采用的PID控制策略优越,使得系统的动态品质有了较大的改善,响应时间和控制精度都有所提高。

基于启发式遗传算法的非线性神经网络预测控制器

本文提出一种以小脑模型 (CMAC)网络为多步预测模型的非线性预测控制算法 ,并将启发式遗传算法引入到滚动优化中 ,以提高优化过程的收敛速度和求解精度。

一种克服模型参数失配的广义预测控制算法

针对模型参数失配对广义预测控制输出的影响,提出了一种输出增量反馈的广义预测控制简化算法。该算法通过引入一个输出增量速度函数,设计了输出增量参考序列,以控制输出增量的方式间接控制系统输出;同时利用阶梯控制方式,对输入增量引入柔化系数矩阵进行约束,既避免了传统预测控制律中逆矩阵的求解,减少了计算量,又防止了控制量的剧烈变化;最后引入控制增量增益,利用这个自由度提高了系统的鲁棒稳定性。仿真结果表明:该预测控制简化算法能有效克服模型参数失配带来的影响,抑制系统输出调整过程中的输出波动,缩短调整时间,提高系统的动态特性,并抑制系统控制输入的剧烈变化。

基于遗传算法的广义T-S模糊模型预测函数控制

提出了一种基于遗传算法的广义T-S模糊模型预测函数控制算法。首先利用减法聚类确定隶属度函数中心和模糊规则数,然后利用遗传算法同时对广义T-S模型的其他前提参数和结论参数进行辨识,并进行全局寻优。最后将本文提出的算法应用在具有强非线性特性的pH中和过程中。仿真结果表明:本文算法具有较小的超调和较好的跟踪能力。

固体氧化物燃料电池温度系统的改进型广义预测控制方法

固体氧化物燃料电池的工作状态是一个高温、高速率变化的化学反应过程,其入口气体温度的稳定性直接影响到燃料利用率和电池效率。本文提出一种改进的带有外部输入的非线性自回归积分滑动平均模型,结合两极燃料和空气的流量比、负载电流变化值来实现入口气体温度的非线性广义预测控制方法,采用了基于非线性最小二乘法的Levenberg-Marquardt算法确定该模型的参数。仿真结果表明,该模型与温度控制系统的传递函数模型相结合后能有效并迅速的获得燃料、氧化剂流量这两种操作量的预测值并使系统在较高的温度工作点当负载电流发生波动时能克服变化引起的参数偏差,保持运行时输出电压的稳定性。

基于C-R模糊模型的广义预测控制算法

该文对非线性系统的建模采用Cao -Ress(C -R)模糊模型 ,并用卡尔曼滤波算法在线辨识模糊模型的结论参数 ,从而减少了参数辨识的数量和避免了矩阵的求逆运算 ,然后在每一个采样点对该系统进行局部动态线性化 ,根据得到的系统线性化模型对系统采取广义预测控制 (GPC)方法得到当前的控制动作。

多变量灰色广义预测控制直接算法及仿真

基于多变量灰色系统模型 ,提出了一种MIMO系统的广义预测控制直接算法。该算法利用两个辨识器分别辨识被控对象和闭环系统的参数 ,从而得到控制器的参数。算法在线辨识参数较少 ,又避免了Diophantine方程和逆矩阵的在线求解 ,进一步减少了计算量 ,提高了实时性。仿真结果表明 。

一种广义预测控制直接算法

基于灰色模型GM (1 ,2 )采用两个辨识器分别辨识被控对象和闭环系统的参数 ,从而得到了控制器的参数 ,给出了一种广义预测控制的直接算法 .由于此方法将被控对象视为灰色系统 ,需辨识的参数较基于CARIMA或CARMA模型的广义预测控制直接算法大大减少 ,实时性进一步提高 .仿真结果表明 ,该方法是有效可行的 .

基于Hammerstein模型和GA的非线性广义预测控制

针对Hammerstein型的非线性系统,给出了一种基于GPC的预测控制方法.分析了使用近似法求解控制量的缺点,据此提出了基于遗传算法的控制量优化求解策略.以一个热交换器作为仿真实例,分别使用遗传算法和两种近似法求取控制量,并比较了3种情况下的控制效果.仿真结果表明基于遗传算法的预测控制器具有良好的性能.

离散时间分布参数系统的模型逼近预测控制

提出了离散时间分布参数系统的一种预测控制方法。该方法采用广义正交多项式对分布参数系统的模型进行逼近,将离散时间分布参数系统的预测控制问题转化为集中参数系统的预测控制问题,运用模型算法控制方法对集中参数系统进行预测控制,求出控制律,经反演变换得出分布参数系统的预测控制。给出了该方法的具体步骤,仿真示例表明了方法的有效性。

基于灰色模型的广义预测控制直接算法

基于灰色模型GM（1，2），采用两个辨识器分别辨识被控对象和闭环系统的参数，从而得到了控制器的参数，给出了一种广义预测控制的直接算法. 由于此方法将被控对象视为灰色系统，需辨识的参数较基于CARIMA或CARMA模型的广义预测控制直接算法大大减少，实时性进一步提高. 仿真结果表明，该方法是有效可行的.

基于FIGA的广义T-S模糊模型预测控制

利用广义T-S模糊模型对非线性系统具有万能逼近性得到系统的局部线性化,并利用一种快速综合性遗传算法(F IGA)对广义T-S模糊模型进行参数辨识,根据得到的线性化模型对系统采取广义预测控制(GPC)得到当前的控制动作。通过M atlab仿真证明了该方法的有效性。

基于人工鱼群优化的锅炉汽包水位模糊预测

介绍火电厂锅炉汽包水位在实际生产中的工作特点,将人工鱼群优化滚动、优化策略的广义预测控制算法和T-S模糊模型应用于汽包水位建模中,并将其作为广义预测控制的预测模型,研究基于模糊T-S模型的广义预测控制算法在汽包液位控制系统中的应用。在MATLAB仿真环境下对其控制效果和性能进行分析。