非线性模型预测控制

摘要： 针对井底压力控制精度低且钻进时效差等关键技术瓶颈,提出一种综合多性能指标的控压钻井过程协调控制方法。分析环空压力预测模型、钻柱系统集总参数模型、机械钻速模型等不同的单一过程模型,建立适合控制系统设计的控压钻井过程全局模型;基于先进控制理论,充分考虑回压、泵流量、转速、钻压等不同操控变量对井底压力与机械钻速的影响,提出稳定井底压力、提高机械钻速并减弱黏滑振动幅值的非线性模型预测控制方法,并从控制效果、抗扰动鲁棒性等方面对比非线性模型预测控制与常规比例积分微分(PID)方法的差异性。结果表明在模型发生扰动时常规PID方法无法保证稳定控制;操控变量的选取影响在线优化时间与控制效果,相比于PID控制器,以井底压差、机械钻速为被控变量,回压、转速、泵流量三者为操控变量的非线性模型预测控制器在不停止钻进的情况下,泵流量辅助回压与转速更加有利于快速抑制气侵,同时提升机械钻速,保证钻井要求。

摘要： 针对聚合过程中时不变不确定性参数不能直接估计的情况,导致的多阶段非线性模型预测控制中场景树生成的合理性问题,提出一种基于贝叶斯概率加权的在线场景更新算法.该方法利用前一时间步中每个场景的模型预测信息和过程状态测量信息计算对应场景的概率权重,然后通过合适的自适应步长在线更新场景树中不确定性的离散实现场景.所提方法在保证过程约束满足的同时,逐渐缩小不确定性集合逼近不确定性的真实值,从而降低保守性,提升控制器性能.通过多个批次的半间歇聚合反应过程实例仿真结果表明,所提出的方法可以有效降低批次反应时间,提高生产效率.

摘要： 非线性模型预测控制器使用非线性预测模型来预测受控制系统的行为。在此,提出了一个超混沌对角递归神经网络数组,用于在前进窗口中建模和预测控制器下非线性系统的行为。为了改善超混沌对角线递归神经网络参数的收敛性,以更好地进行系统建模,可使用隐藏层中的逻辑映像来调整混沌程度。提出了一种基于超混沌对角递归神经网络的非线性模型预测控制方法。该方法借助改进的梯度下降法获得控制信号。将该控制器用于控制具有硬非线性。输入约束以及存在包括外部干扰在内的不确定性的连续搅拌反应器,仿真结果表明该方法在轨迹跟踪和干扰抑制方面的优越性能。神经网络的参数收敛和可忽略的预测误差、以及保证的稳定性和较高的跟踪性能是该方案的最大优势。

摘要： 为降低鲁棒非线性模型预测控制方法中优化问题的实时求解难度,提出一种基于深度学习的近似鲁棒控制器方法。利用复杂的鲁棒非线性模型预测控制算法作为训练数据的生成器,以当前时刻的过程状态作为网络的输入,复杂控制算法计算的最优控制输入作为网络的输出,基于深度神经网络学习复杂的非线性模型预测控制策略。通过一个工业半间歇聚合反应器模型案例验证了所提方法的有效性,深层网络与浅层网络相比具有更好的效果。

摘要： 针对飞机在非对称运动下的双侧机轮协调控制问题,提出一种基于滑模干扰估计的模型预测控制方法.首先,通过对飞机制动过程横纵方向力矩机理分析并分别考虑左右机轮对刹车性能的影响,建立全面刻画系统动态的地面滑跑动力学模型.在此基础上,设计滑模观测器对侧风干扰进行实时估计,利用补偿机制实现对侧风扰动的有效抑制.此外,提出基于前轮荷载状态门限特征和结合系数阈值范围特征的分析方法,解决切换跑道环境辨识问题.设计非线性模型预测算法,实现飞机纵向防滑刹车和横向跑道纠偏的协调控制.最后,在侧风干扰、跑道切换以及不对称着陆等情况下进行仿真实验,验证了所提出的控制策略能够有效提升刹车系统的防滑效率及纠偏性能.

摘要： 针对铝电解槽中氧化铝浓度无法实时测量、传统控制方法过分依赖专家经验且难以精准控制的问题,提出了基于非线性模型预测控制方法(Nonlinear model predictive control,NMPC)的氧化铝浓度精确控制策略。首先,通过铝电解生产机理分析,确定了NMPC内部模型(简称内模)的输入输出变量;其次,采用基于最小二乘支持向量机的非线性Hammerstein系统子空间辨识方法,建立了数据驱动的氧化铝浓度控制的状态空间模型,同时,为了降低模型计算的复杂度,用多项式拟合模型中表示非线性特性的核函数;再次,根据拟合多项式的反函数,设计了非线性控制系统结构和性能指标函数。最后,基于某铝厂实际生产数据验证了所提控制方法的有效性和正确性。

摘要： 本文针对无人车在复杂工况下,非线性程度增加和动力学约束导致的轨迹跟踪控制精度差和求解效率低的问题,提出一种高效的非线性模型预测控制(nonlinear model predictive control,NMPC)算法。首先考虑车辆模型的非线性因素,建立动力学和魔术轮胎模型,并将无人车终端状态整合到性能指标中,添加稳定性范围内多约束条件,通过障碍罚函数法处理非线性不等式约束,保证了求解过程的平滑性。然后为减轻求解非线性优化问题带来的计算负担,提出了一种新颖的连续/广义最小残差算法(improved continuation/generalized minimal residual,improved-C/GMRES),与传统的C/GMRES算法相比,通过引入连续增加的惩罚因子加快了数值计算的求解效率,降低算法的计算负担。最后通过Simulink和CarSim的联合仿真,在双移线工况和蛇行工况条件下验证跟踪精度和求解效率,结果表明与传统的C/GMRES方法相比,所提控制方法明显提升轨迹跟踪的控制精度和改善行驶稳定性,并加快数值求解效率。

摘要： 露天矿山运输车辆运行环境复杂,对横向跟踪控制器要求较高。文章针对露天矿山运输车辆在复杂场景下容易出现横向偏差和横摆角偏差较大的现象,提出了一种横向非线性模型预测控制(nonlinear model predictive control,NMPC)策略。其首先建立横向运动学模型并对模型进行离散化,同时在目标函数中考虑横向偏差、横摆角偏差、转向角变化率的影响;然后,针对现场工况复杂多变的特点,设计了依赖速度的目标函数自适应权重系数,且在设计约束条件时考虑了转向器的转向能力约束,包括最大转向角度、最大转向转角速度和转向延迟,并建立了横向的NMPC问题模型。采用该NMPC控制策略的矿山运输车辆在神延西湾露天煤矿进行了高速直线线路、大曲率转弯线路、S形线路及倒车线路的试验测试,结果显示,路径跟踪精度高,横向偏差可控制在0.25 m以内,横摆角偏差控制在4°以内,验证了所提控制策略的有效性。

摘要： 在城市路况下,电池和超级电容复合电源电动汽车会对信号灯判断不准确而频繁起停,造成额外的能量消耗.基于智能交通系统中预知交通信号信息的应用场景,本文提出了一种分层能量管理方法.首先,根据交通信号信息,上层车速设计策略优化车速,得到车辆经济参考车速,避免车辆在信号灯区域频繁起停.其次,基于经济参考车速,设计了一种基于非线性模型预测控制的下层能量管理策略,合理分配电池及超级电容的功率输出,并有效跟踪经济参考车速,降低电池功率的变化率.最后,对所提出的车速设计和能量管理策略进行仿真分析,并搭建实验平台进行验证.研究结果表明:分层能量管理策略使等效燃油经济性提高了3.24％,降低了电池能耗,并且减少了车辆急加速或急减速情况,提高了驾驶舒适性.

摘要： 针对可变截面涡轮增压器的开度与增压柴油机参数呈非线性关系的问题,提出一种基于反向传播神经网络和量子粒子群算法的非线性模型预测控制算法,通过调节涡轮增压器的开度,控制过量空气系数,从而实现柴油机的进气量与燃油消耗量的快速匹配,使转矩快速达到期望值。仿真分析表明:该方法相比于PID控制,可使增压柴油机更加平稳地完成转矩阶跃,并使增压柴油机具备转矩跟随能力。

摘要： 针对非线性模璎预测控制中优化算法复杂,运算量大的缺点,本文提出一种基于多重打靶算法的非线性模型预测控制中控制量优化求解的的改进算法.该算法将传统算法中的预测时域划分为有限个时间段,并将每个时间段起始节点的控制量作为优化量,求解使每个节点处的匹配条件得到满足的一组未来控制变量序列,来使得优化性能指标达到极值.简化了优化算法的结构,减少了运算量.最后通过控制一个典型的CSTR反应釜,验证了算法的有效性和可行性.

摘要： 对非线性模型预测控制进行了综述.从理论研究和实际应用方面,总结和归纳了非线性预测控制的进展情况,根据不同的预测模型:由最初的线性化模型、机理模型和典型的实验模型到目前成为研究热点的智能模型,讨论了几种典型的非线性模型预测控制方案,并就算法、稳定性、输出反馈和实际应用等方面指出了有待于解决的问题和将来非线性预测控制的发展方向,特别指出了智能非线性预测控制等融合技术是将来研究NMPC的一个重要的发展趋势.

摘要： 介绍了非线性模型预测控制方法，在对非线性模型测控制原理进行分析的基础上，讨论了几种典型的非线性模型预测方案以及非线性滚动时域控制和连续非线性预测控制。最后介绍了非线性模型预测控制的稳定性和鲁棒性及其工业过程控制应用，展望了非线性模型预测控制的一步研究方向。

摘要： 考虑具有状态和控制约束的不确定多变量HAMMERSTEIN系统,提出一种鲁棒非线性模型预测控制策略.基于多变量线性子系统H∞控制律,滚动预测非线性代数方程的解算误差,继而在线优化计算满足系统约束条件的预测控制量.利用输入到状态稳定性概念和L2-增益思想,建立闭环系统具有鲁棒稳定性和L2-增益的充分条件,使闭环系统不仅满足系统约束,而且对不确定扰动输入和解算误差具有鲁棒性.最后以聚丙烯多牌号切换过程控制为例,仿真验证本文算法的有效性.

摘要： 本文将动态矩阵控制策略(Dynamic Matrix Control,DMC)推广到由一个非线性静态多项式函数和一个线性动态阶跃响应环节组成的非线性Hammerstein系统,详细地给出了该新型非线性Hammerstein系统动态矩阵控制算法(nonlinear Hammerstein DMC,NLH-DMC)。把NLH-DMC应用于一套强非线性pH中和过程,给定值跟踪和抗干扰仿真结果表明,NLH-DMC比线性DMC(linear DMC,LDMC)和过程控制领域常用的非线性PID(nonlinear PID,NL-PID)具有更好的控制性能。进一步的仿真实验证实,NLH-DMC不仅具有良好的控制响应,而且在存在较大模型误差时仍具有很好的稳定性及鲁棒性。

摘要： 本文将动态矩阵控制策略(Dynamic Matrix Control,DMC)推广到由一个非线性静态多项式函数和一个线性动态阶跃响应环节组成的非线性Hammerstein系统,详细地给出了该新型非线性Hammerstein系统动态矩阵控制算法(nonlinear Hammerstein DMC,NLH-DMC)。把NLH-DMC应用于一套强非线性pH中和过程,给定值跟踪和抗干扰仿真结果表明,NLH-DMC比线性DMC(linear DMC,LDMC)和过程控制领域常用的非线性PID(nonlinear PID,NL-PID)具有更好的控制性能。进一步的仿真实验证实,NLH-DMC不仅具有良好的控制响应,而且在存在较大模型误差时仍具有很好的稳定性及鲁棒性。

摘要： 本文将动态矩阵控制策略(Dynamic Matrix Control,DMC)推广到由一个非线性静态多项式函数和一个线性动态阶跃响应环节组成的非线性Hammerstein系统,详细地给出了该新型非线性Hammerstein系统动态矩阵控制算法(nonlinear Hammerstein DMC,NLH-DMC)。把NLH-DMC应用于一套强非线性pH中和过程,给定值跟踪和抗干扰仿真结果表明,NLH-DMC比线性DMC(linear DMC,LDMC)和过程控制领域常用的非线性PID(nonlinear PID,NL-PID)具有更好的控制性能。进一步的仿真实验证实,NLH-DMC不仅具有良好的控制响应,而且在存在较大模型误差时仍具有很好的稳定性及鲁棒性。

摘要： 本文将动态矩阵控制策略(Dynamic Matrix Control,DMC)推广到由一个非线性静态多项式函数和一个线性动态阶跃响应环节组成的非线性Hammerstein系统,详细地给出了该新型非线性Hammerstein系统动态矩阵控制算法(nonlinear Hammerstein DMC,NLH-DMC)。把NLH-DMC应用于一套强非线性pH中和过程,给定值跟踪和抗干扰仿真结果表明,NLH-DMC比线性DMC(linear DMC,LDMC)和过程控制领域常用的非线性PID(nonlinear PID,NL-PID)具有更好的控制性能。进一步的仿真实验证实,NLH-DMC不仅具有良好的控制响应,而且在存在较大模型误差时仍具有很好的稳定性及鲁棒性。

摘要： 模型预测控制的优点是能显示并优化处理控制量和状态量的约束．

摘要： 模型预测控制的优点是能显示并优化处理控制量和状态量的约束．

摘要： 操作路径生成部(210)基于从状态传感器(101)输出的计测状态量，生成针对致动器(111)的操作量时间序列。预测模型部(220)将所述计测状态量和所述操作量时间序列作为输入来运算预测模型，由此，生成状态量预测时间序列。神经网络部(230)将从环境传感器(102)输出的计测环境量和所述状态量预测时间序列作为输入来运算神经网络，由此，校正所述状态量预测时间序列。状态量评价部(240)生成针对所述校正后的状态量时间序列的评价结果。操作路径生成部在所述评价结果满足适当基准的情况下，将所述操作量时间序列的前头的操作量向所述致动器输出。

摘要： 一种使用非线性预控制来控制化学反应器如气相反应器的方法,该方法包括如下步骤:产生多个表征化学反应器的当前状态和反映化学反应器中各反应物的成分的信号;计算与所述多个信号响应并且参照化学反应器中各反应物的质量容量的化学反应器的未来状态;和控制至少一个与化学反应器有关的参数,从而控制化学反应器的未来状态。较好地使用N－极性滤波器子程序来滤波传感器或控制器输出信号,就可以将由于这些信号中的噪声引起的虚假控制过程降至最小。

摘要： 本发明提供一种在近地椭圆轨道运行的三维空间系绳系统在初始阶段展开的稳定控制方法，仅通过调节有限的系绳张力，不依赖其它推进器，将系绳释放至期望长度并抑制系绳的摆动。该方法包含以下步骤：S1、建立考虑系绳质量的二体空间系绳系统动力学模型；S2、在考虑干扰等不确定性、欠驱动、系绳摆动角与系绳张力存在约束的条件下，基于非线性模型预测控制(NMPC)算法，利用伪光谱算法将原非线性模型离散化，将预测控制中的开环最优问题转化为非线性规划问题进行求解。S3、根据非线性规划问题的求解确定下一控制周期的控制量以构成闭环控制。最终实现在近地椭圆轨道运行的三维空间系绳系统在初始阶段稳定释放展开。

摘要： 本发明提出了一种基于磁悬浮控制系统的非线性模型预测控制优化方法。本发明根据模型预测控制原理，以结合扰动估计值的非线性运动模型为预测模型，磁悬浮工作台的运动范围以及电流功放的最大输出为约束条件，预测步长内跟踪误差、电流负荷的总代价为目标函数，建立磁悬浮工作台多步滚动优化控制问题；最后将优化控制问题转换为非线性欧拉朗格朗日方程组，并使用可快速在线执行的并行化牛顿法求解出优化控制策略，构成闭环控制；本发明解决了非线性模型预测控制在高频采样的磁悬浮系统上实时应用的难题，并具有通用性、较高的准确度以及收敛速度；采用本发明提供的控制方法提高了磁悬浮工作台跟踪期望轨迹的精度的同时改善系统的动态特性。

摘要： 本发明公开了一种基于非线性模型预测控制的航空发动机直接推力控制方法。本发明方法直接以推力为控制目标，而不是传统控制方法采取不可测参数为控制目标的方法。采用在线滑动窗口深度神经网络作为预测模型，该模型采用深度学习结构，可提高模型精度，并基于滑动窗口方法来在线选取训练数据，降低了对训练数据噪声的敏感性。相比于目前流行的控制方法相比，所提出的方法将加速时间缩短了0.425秒，响应速度提高了1.14倍左右。

摘要： 本发明提出了一种基于磁悬浮控制系统的非线性模型预测控制优化方法。本发明根据模型预测控制原理，以结合扰动估计值的非线性运动模型为预测模型，磁悬浮工作台的运动范围以及电流功放的最大输出为约束条件，预测步长内跟踪误差、电流负荷的总代价为目标函数，建立磁悬浮工作台多步滚动优化控制问题；最后将优化控制问题转换为非线性欧拉朗格朗日方程组，并使用可快速在线执行的并行化牛顿法求解出优化控制策略，构成闭环控制；本发明解决了非线性模型预测控制在高频采样的磁悬浮系统上实时应用的难题，并具有通用性、较高的准确度以及收敛速度；采用本发明提供的控制方法提高了磁悬浮工作台跟踪期望轨迹的精度的同时改善系统的动态特性。

摘要： 本发明的非线性模型预测控制优化方法通过所述人工智能算法模型建立了所述输入参数和输出参数之间的关系，使得在计算未来时刻的输出参数的预测数据时，可以根据所述关系直接、快速的计算并获取未来时刻的输出参数的预测数据，相较于现有技术中的非线性在线物理模型的大量运算才可以获取未来时刻的输出参数的预测数据而言，其大大缩短了运算时间；对所述人工智能算法模型进行训练和测试的数据集，根据离线非线性物理模型获取，由于离线非线性物理模型精度高，获得的所述数据集的精度高，经过该数据集训练和测试的人工智能算法模型的精度高，因此，本发明可以同时实现运算高效率和运算结果的高精度。

摘要： 本发明公开了一种基于非线性模型预测控制的航空发动机直接推力控制方法。本发明方法直接以推力为控制目标，而不是传统控制方法采取不可测参数为控制目标的方法。采用在线滑动窗口深度神经网络作为预测模型，该模型采用深度学习结构，可提高模型精度，并基于滑动窗口方法来在线选取训练数据，降低了对训练数据噪声的敏感性。相比于目前流行的控制方法相比，所提出的方法将加速时间缩短了0.425秒，响应速度提高了1.14倍左右。

摘要： 本发明提供一种在近地椭圆轨道运行的三维空间系绳系统在初始阶段展开的稳定控制方法，仅通过调节有限的系绳张力，不依赖其它推进器，将系绳释放至期望长度并抑制系绳的摆动。该方法包含以下步骤：S1、建立考虑系绳质量的二体空间系绳系统动力学模型；S2、在考虑干扰等不确定性、欠驱动、系绳摆动角与系绳张力存在约束的条件下，基于非线性模型预测控制(NMPC)算法，利用伪光谱算法将原非线性模型离散化，将预测控制中的开环最优问题转化为非线性规划问题进行求解。S3、根据非线性规划问题的求解确定下一控制周期的控制量以构成闭环控制。最终实现在近地椭圆轨道运行的三维空间系绳系统在初始阶段稳定释放展开。

摘要： 本发明涉及一种耦合约束多智能体分布式鲁棒非线性模型预测控制方法，引入预设控制和预设状态概念，通过设计预设状态与优化问题真实预测状态之间偏差，以及构造智能体之间预设状态约束，实现智能体之间耦合约束条件的解耦，采用管模型预测控制收缩约束的思想，设计有界扩张管收缩约束域，实现无终端要素下扰动系统约束条件的满足，同时实现耦合约束下多智能体系统的鲁棒稳定跟踪控制。可用于解决多机器人协同操作系统的鲁棒稳定高效控制问题；可用于解决自主机器人轨迹跟踪鲁棒控制问题。