基于Laguerra函数模型的预测控制算法

在简述基于Ｌａｇｕｅｅｒａ函数近似模型的自适应预测控制原理,算法及其特点的基础上,将现有的多步预测,单步优化的控制算法扩展为多步预测,多步优化的控制算法,并与传统的广义预测控制（ＧＰＣ）作为比较研究,结果表明基于Ｌａｇｕｅｒｒｅ函数模型的预测控制方法对变时延,变阶次被控对象的控制鲁棒性明显优于广义预测控制。     

一种基于非线性Laguerre模型的预测控制算法

利用Laguerre正交函数逼近非线性动态系统的各阶Volterra级数核 ,建立了系统的Laguerre非线性模型 ,在此基础上推导出基于该模型的非线性系统预测控制算法 ,对一类Wiener非线性系统的控制 ,进行了仿真研究。     

一种增广的Laguerre模型自适应预测控制算法

论文在简述基于Laguerre函数近似模型的自适应预测控制原理、算法的基础上,将现有的仅适用于开环稳定系统的预测控制算法进行扩展,提出一种增广的Laguerre函数模型自适应预测控制算法。该算法对于开环不稳定系统和非最小相位系统同样适用。仿真结果表明基于Laguerre函数模型的预测控制方法对控制变时延、变阶次对象具有较好的鲁棒性。     

基于Laguerre 函数近似模型的多变量系统增量型预测控制的算法

探讨了基于Laguerre函数近似模型的多变量系统的增量型多步预测、多步控制算法 ,并进行了仿真 ,结果表明该算法具有较好的控制性能     

基于Laguerre函数模型的大纯滞后系统预测控制

分析了Laguerre函数模型的特点，将系统的大纯滞后划分为已知和不确定两部分，这会大大减少Laguerre函数模型的参数。给出了基于Laguerre函数模型的自适应单值预测控制算法。仿真结果表明，该算法对大纯滞后系统的控制非常有效。鲁棒性好，仅需要很少的先验信息，计算量小，易于应用。     

基于Laguerre函数模型的大纯滞后系统预测控制

分析了Laguerre函数模型的特点 ,将系统的大纯滞后划分为已知和不确定两部分 ,这会大大减少Laguerre函数模型的参数。给出了基于Laguerre函数模型的自适应单值预测控制算法。仿真结果表明 ,该算法对大纯滞后系统的控制非常有效 ,鲁棒性好 ,仅需要很少的先验信息 ,计算量小 ,易于应用     

基于Laguerre函数模型的多变量广义预测自适应控制

通过对Laguerre函数模型结构的分析 ,把多变量广义预测自适应控制方法应用于该模型中 ,利用Laguerre函数模型近似控制对象系统结构 ,将模型中间参量的辨识和模型的预测输出有效的统一了起来 ,克服了单纯基于参数化模型预测控制通常需要已知系统的时延和阶次的局限 ,为适合该类模型的工业对象应用提供一种有参考价值的控制方法。     

基于Lagurre函数的一类非线性系统预测控制

采用有限级Ｌａｇｕｅｒｒｅ级数构成Ｈａｍｍｅｒｓｔｅｉｎ型非线性系统近似模型,并给出基于该模型的Ｈａｍｍｅｒｓｔｅｉｎ型非线性系统的自适应预测控制算法。仿真实验表明,这种自适应控制算法,对系统的时延和阶次以及非线性特性变化有较强的鲁棒性。     

多模型块结构Laguerre函数预测控制在再热汽温系统中的应用

为了降低传统预测控制计算负荷并解决被控对象非线性的问题,融合Laguerre函数、块结构思想与多模型控制技术,提出了一种新型预测控制方法,并将其应用于超临界机组再热汽温系统.针对实际再热汽温系统经济性差的问题,通过改进传统预测控制目标函数,提出了集成经济性的性能指标.仿真结果表明,多模型块结构Laguerre函数预测控制方法可以完全关闭喷水阀门以提高机组经济性,在不同负荷点上均可得到优良的控制效果,计算负荷明显降低.工程应用结果表明,无论是在稳定负荷还是变负荷情况下,该方法均可以有效减小再热汽温波动范围,减少事故喷水量,提高再热汽温系统的安全性、稳定性和经济性.     

非线性系统的非结构模型和基于它的广义预测控制器

利用离散Laguerre函数的有关性质,给出了一类离散非线性系统的一个非结构模型;将之用于非线性过程广义预测控制器的设计,得到了一个适用于该类非线性过程的广义预测控制算法,并举例说明该算法的有效性。     

一种新的自适应预报控制算法

提出了一种新的自适应预报控制算法。证明了该算法具有全局收敛性。举例说明了如何根据实用中受控对象的先验知识构造具体的全局收敛算法。仿真研究表明该算法具有良好的控制性能。     

自适应模型预测控制的车道保持控制策略

建立车辆侧向动力学模块、车辆传感模块、道路曲率预瞄模块.在传统模型预测控制(MPC)算法的基础上,利用辛普森法则,结合车道保持优化性能指标和系统约束,设计基于自适应模型预测控制的车道保持控制策略.在Simulink环境下,将其与基于传统模型预测控制器进行比较分析.仿真结果表明:相较于模型预测控制,自适应MPC能够在各控制周期实现车辆模型更新,在强非线性工况下具备较好的鲁棒性,进而能够保证行车安全的前提下,获取较好的乘坐舒适性.     

基于粒子群寻优的汽车自适应巡航预测控制

为进一步提升多目标自适应巡航系统预测控制精度,提出一种基于粒子群寻优的汽车自适应巡航预测控制算法.首先建立一种包含前车加速度扰动的自适应巡航系统车间纵向运动学模型,并对其线性离散化;其次综合车距误差、相对车速、自车加速度和冲击度,设计二次型多目标优化性能指标函数和多参数约束条件,构建自适应巡航预测控制优化命题;最后为便于问题求解,将目标函数和约束条件推导转化为以预测控制增量为优化变量的规范形式,并基于粒子群优化算法求解自适应巡航预测控制的最优控制律.通过Matlab/Simulink多工况仿真结果表明,粒子群算法求解的最优控制律能够控制自车保持更好的跟踪性和自适应性.      

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 ,表明核算法具有加快收效易于实现的特点     

Wiener型系统基于神经网络的在线训练算法广义预测控制

利用RBF神经网络在训练算法和广义预测控制算法进行了Wiener型非线性模型预测控制的研究，仿真表明这种做法是可行的。