非线性预测控制

摘要： 针对无人机控制性能易受风扰影响的情况,设计了一种非线性预测PID控制算法.建立无人机高度与姿态角直接受PID参数控制的动力学模型,采用NNI与NNC复合神经网络对下一时刻无人机所受荷载进行非线性预测,并设计了NMPC-PID控制算法.仿真结果表明,相较于传统PID控制算法,NMPC-PID控制算法在鲁棒性、抗干扰能力方面具有明显优势.实际风扰情况下无人机悬停实验数据分析表明,采用NMPC-PID控制算法的无人机具有能够适应风速变化的特点.

摘要： The fast current tracking control problem for permanent magnet synchronous motor(PMSM)with disturbance was studied. Firstly,according to the nonlinear predictive control principle,and considering the disturbance of the motor,such as the uncertainties of the model and the parameters,the current controller for PMSM was designed. Then,the disturbance observer was designed based on model reference adaptive method,and the estimated disturbance was used for the feed-forward control.Finally,the simulation was complemented,and the results show that the designed composite controller can realize the fast current tracking control,and it has strong robustness under the parameter variations and load torque disturbance.%主要研究永磁同步电机(PMSM)在扰动下的电流快速跟踪控制问题.首先,基于非线性广义模型预测控制原理,考虑电机实际运行中的模型和参数不确定性等扰动,设计PMSM电流控制器;然后,利用模型参考自适应方法设计了系统扰动观测器,并将估计的扰动量用于预测控制器的前馈补偿控制;最后,完成了仿真验证,结果表明,所提电流复合控制方法能实现电流的快速跟踪控制,而且在电机参数变化、负载扰动等状况下均具有较强的鲁棒性.

摘要： 超超临界直流炉机组协调控制系统存在非线性、强耦合等特性,常规P ID控制器较难获取满意的控制效果.提出了一种非线性预测控制方法,将直流炉机理模型作为预测模型,利用二进制编码的免疫优化算法在线滚动优化得到最优控制序列,给出当前时刻最优的控制量并作用于对象.通过对超超临界机组负荷控制模型的试验仿真,表明该非线性优化预测控制方法的有效性,为超超临界协调控制系统的设计提供参考.

摘要： 调速系统是抽水蓄能机组频率及出力控制的主要部件,其控制性能及控制品质对于工况变化频繁,在电网中担任削峰填谷任务的抽水蓄能机组尤为重要.本文针对传统抽蓄机组的PID控制器中控制参数受工况影响大,控制器缺乏状态预测能力等缺点,提出一种适用于抽蓄机组调速系统不同工况的快速非线性预测控制方法.该方法应用抽蓄机组全特性曲线作为水泵水轮机模型,考虑压力引水管道的水击现象,利用模糊PID控制与预测控制的滚动状态预测原理计算得到调速器控制信号,使得调速器在根据运行工况精确控制机组频率与出力的同时,保证了控制计算的实时性.通过以某抽水蓄能电站实际资料进行抽水蓄能机组发电方向开机和负荷调节动态过程仿真,结果表明该预测控制方法较传统控制方式效果优越.%Turbine governing system is the major part for rotating speed and output mechanical power control.Its control performance is paramount for the pumped storage units that undertake the tasks of peak load shifting.To overcome the shortcomings of conventional PID control method in its weakness of parameters seriously affected by working conditions and of its limited performance in state prediction,this paper proposed a fast nonlinear predictive control method which is suitable for the power output adjusting case of the governing system of pumping storage turbines.This control strategy puts the complete characteristic curves of the pump turbine which has been widely recognized in the field into application and takes account of the water-hammer effect of the pressure pipeline.It calculates the control signal based on the integration of fuzzy PID control and the model predictive control,which makes the governor precisely control both the speed and power of the unit with its computational speed guaranteed.The proposed predictive control method and the conventional PID method along with fuzzy PID method have been applied under both the start-up and load schedule conditions which are simulated according to the measured data of a pumping storage unit.The simulation result indicated the preponderance of the proposed control compared with the conventional control.

摘要： 开关电源作为非线性时变动态系统,其数学建模研究一直是实现开关电源高性能控制的热点和难点问题.该文首先推导了时变负载情况下开关电源小信号模型;然后,利用RBF神经网络进行动态负载下开关电源的建模;最后,结合模型预测控制技术进行动负载情况下开关电源的非显式预测控制研究.仿真结果表明,基于RBF神经网络的预测控制技术可以大大降低由于负载和输入电压等变化对电源供电品质造成的影响,可以获得比数字PID控制和线性预测控制更好的控制性能.%Switching power converter as a nonlinear dynamic systems,mathematical modeling study has been a hot and difficult problems to achieve high-performance switching power supply control.In this paper,the small signal model of switching power supply under varying load conditions is derived at firstly.Then,the RBF neural network based modeling for dynamic load switching power supply is studied.Finally,non-explicit predictive control for switching power supply under dynamic load conditions is researched by combining the RBF neural network and nonlinear predictive control.The simulation results show that the RBF neural network based predictive control technology can greatly reduce the quality influence of the power supplying with load or input voltage varying,and can obtain higher control performance than the digital PID control and linear predictive control.

摘要： 当精馏塔存在如进料流量、进料成分扰动,或是负荷发生大范围扰动变化时,常规控制器难以保持控制品质.本文提出了一种基于机理模型的精馏塔组分非线性预测控制方法;针对精馏塔组分不能在线测量的问题设计了扩展卡尔曼滤波器,使用可测的状态温度估计组分,并结合慢频的分析化验值对组分进行联合校正.仿真结果表明了该算法的有效性,在系统存在失配或进料扰动的情况下,可以取得良好的控制效果.%When there exist disturbances,e.g.,the fractionator feed and components or large load,it is difficult for conventional controller to exhibit better performance.This paper presents a nonlinear predictive control algorithm for distillation component via mechanism model.Aiming at the problem that components cannot be online measured,the extended Kalman filter and accessible temperature are utilized to estimate components,which is further updated by combining with laboratory analysis of the low frequency value.The simulation results show that the proposed algorithm can attain better control performance for model mismatch or feed disturbances.

摘要： 本文基于非线性模型预测控制方法,从理论上分析了债务陷阱的发生机制.研究结果表明,当负债处于较低水平时,经济表现为债务驱动型,而随着债务水平不断上升,当负债率超过某一阈值后,出现负债率上升和实体经济下行的背离走势,从而经济陷入债务陷阱.本文进一步基于企业数据实证研究证实了上述理论分析,并表明,从企业层面来看,我国已落入债务陷阱状态.上述研究结果所派生的政策含义是,数量型货币刺激政策并无益于解决当前经济增速下滑问题,要重在通过降息、资本重组和发展股权市场等方式来去杠杆和刺激投资.

摘要： 针对目前大多数跳跃式再入制导方案在初次再入段采用数值预测⁃校正算法存在的计算量较大、在线应用困难的问题，提出了一种新的跳跃式再入标称轨迹制导方案。整条标称轨迹通过离线轨迹规划算法得到。在初次再入段，采用非线性预测控制算法来跟踪阻力加速度⁃能量剖面，将预测跟踪误差表示为依赖于控制量的截断泰勒展开式，然后寻找使得特定目标函数最小的控制量。进入二次再入段，采用类似于阿波罗末段制导的线性反馈跟踪方式，PID控制器系数通过插值得到。最后，在考虑各种误差的情况下进行了500次蒙特卡洛仿真，仿真结果表明制导律的精度较高，鲁棒性较好。%In most of the mature skip entry guidance schemes, such as PredGuid and NSEG for CEV reentry, numerical predictor⁃corrector algorithm is used for the guidance of the first entry phase. Nu⁃merical predictor⁃corrector algorithm is of high accuracy and is flexible and autonomous, but it is too computation intensive to be applied online. A new guidance scheme using a reference trajectory for skip entry was proposed in this paper. The whole reference trajectory was obtained by off⁃line trajec⁃tory planning algorithm. In the first reentry phase, a nonlinear predictive control algorithm is used to track the drag⁃versus⁃energy profile. The predicted tracking error was expressed as a truncated Tay⁃lor series dependent on the control. The control was then selected to minimize a cost function related to the predicted error. In the second reentry phase, the reference trajectory was tracked by a linear feedback control algorithm which was used in Apollo final phase. The gain coefficient of PID control⁃ler was obtained by interpolation. Finally, the new guidance scheme was tested by the simulation of 500 entry cases with all kinds of errors. Simulation results indicate that the new guidance has high accuracy and notable robustness.

摘要： 为了充分描述磁悬浮球系统具有非线性、开环不稳定性及响应快速性等特性,建立一个带线性函数权重的RBF-ARX(linear functional weight RBF networks-based ARX model,LFWRBF-ARX)模型.与一般的RBF-ARX模型不同之处在于,它引入1个与工作点状态相关的局部线性结构作为RBF网络输出层的权值.该模型随系统工作点的变化而变化,固定工作点时为局部线性ARX模型,当工作点变化时为全局非线性ARX模型.根据该模型的结构特点,采用结构化非线性参数优化方法(structured nonlinear parameter optimization method,SNPOM)来辨识模型的结构及线性、非线性参数.然后,以辨识的模型为基础,根据模型的局部线性及全局非线性特征设计预测控制器.仿真结果表明:以该建模方法建立的模型能很好地局部和全局描述磁悬浮球系统的动态特性,并能实现小球的稳定悬浮控制,比以一般ARX模型、RBF-ARX模型为基础的控制效果更好.

摘要： 模型预测控制算法采用了多步预测、滚动优化和反馈校正等控制策略，因而具有控制效果好、鲁棒性强、对模型精确性要求不高，它和非线性预测控制比较有各自的优缺点，本文就它们如何在电力电子中的应用做了系统的分析和阐述，其优越的性能在工业控制中已经得到了广泛的应用，最后对预测控制在电力电子中的应用前景做出了展望。

摘要： 当精馏塔存在扰动如进料流量、进料成分扰动,或是负荷发生大范围变化时,常规控制器难以保持控制品质,针对这种问题,本文提出了一种基于机理模型的精馏塔组分非线性预测控制方法;针对精馏塔组分不能在线测量的问题设计了扩展卡尔曼滤波器,使用可测的状态温度估计组分,并结合慢频的分析化验值对组分进行联合校正.仿真结果表明了算法的有效性,在系统存在失配或进料扰动的情况下,可以取得良好的控制效果.

摘要： 基于神经网络的非线性预测控制是智能控制中的重要前沿课题,在工业过程控制领域有着非常大的应用前景.本文从预测模型的建立方法、控制律求解方法及实际工业应用的角度对基于神经网络的非线性预测控制做了详细分析总结,并指明了今后的发展方向.

摘要： 针对非线性预测控制(NMPC)在线优化计算量大这一关键问题，提出一种基于全局正交配置的非线性预测控制算法。该算法以高阶插值正交多项式为基函数同时配置优化时域内的状态变量和控制变量，将连续动态优化问题转化为非线性规划问题（NLP)求解。全局正交配置可以使用较少的配置点而获得较高的逼近精度，这样即使NMPC使用很长的优化时域,离散化后得到的NLP问题的规模也比较小,能够有效地降低在线优化计算量。最后，以连续聚合反应过程为例验证了算法的有效性。

摘要： 为避免加权系数方法和字典序方法各自在多目标动态优化中的缺点,提出了基于分层思想的多目标非线性预测控制器框架结构,并以改进的遗传算法实现了该控制器.为降低在线非线性多目标优化的计算量,控制器采用了阶梯式控制策略.以双容水箱为对象的仿真控制实验,结果验证了该控制器在多目标非线性控制中的性能.

摘要： 针对工业过程中的非线性系统，提出了一种基于敏感度方程的非线性预测控制算法。该算法通过分析非线性系统的敏感度方程，获得非线性预测控制在线优化所需导数信息的线性近似，在此基础上利用LM算法进行预测控制律的求解，在很大程度上降低了在线计算量。CSTR仿真结果表明该算法的有效性和可行性。

摘要： 提出了一种基于Wiener模型的非线性预测控制方法.通过引入非线性部分的广义回归网络逆模型,将非线性预测控制转化为线性预测控制,用线性优化算法解决非线性预测控制问题,避免了复杂的非线性优化.仿真实验表明了该方法的有效性.

摘要： 本文从机理建模入手,应用流体力学理论对双容水箱液位系统进行力学分析,建立非线性数学模型.对建立的数学模型进行分析,文中给出了几组仿真和实测对比曲线,证明了机理建模的正确性.针对仿射非线性系统,提出有约束一步非线性预测控制算法,并考虑控制工程中多种实际约束问题.在液位控制系统中的实验结果,初步验证了算法的合理性和可行性,进一步证明了模型的有效性.

摘要： 针对目前大多数跳跃式再入制导方案在初次再入段采用数值预测-校正算法存在的计算量较大、在线应用困难的问题,提出了一种新的跳跃式再入标称轨迹制导方案.整条标称轨迹通过离线轨迹规划算法得到.在初次再入段,采用非线性预测控制算法来跟踪阻力加速度-能量剖面,将预测跟踪误差表示为依赖于控制量的截断泰勒展开式,然后寻找使得特定目标函数最小的控制量.进入二次再入段,采用类似于阿波罗末段制导的线性反馈跟踪方式,PID控制器系数通过插值得到.最后,在考虑各种误差的情况下进行了500次蒙特卡洛仿真,仿真结果表明制导律的精度较高,鲁棒性较好.

摘要： Sontag型构造性预测控制策略是为了降低约束非线性预测控制的在线计算量和分离闭环系统稳定性与性能指标而提出的一种有效算法.在算法名义稳定的条件下,运用逆最优控制理论,分析约束连续时间非线性系统Sontag型预测控制器的逆最优性和鲁棒性问题,得到控制器具有鲁棒性的充分条件,为更好地理解该控制算法和算法的实施提供了理论依据.最后,应用仿真实例验证了本文结论的有效性.

摘要： 针对用一般的方法控制糖液的过饱和度很难奏效的问题,运用B-P神经网络构造预测模型,将模拟退火算法的局部搜索与遗传算法的全局搜索相结合,进行在线滚动优化,对煮糖结晶过程中的过饱和度进行预测控制.实际运行结果表明,基于B-P神经网络的预测控制算法响应速度快、控制精度高、鲁棒性强,具有很强的实用性.

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： 本发明涉及了一种基于多步反馈控制的非线性随机模型预测控制简化方法，包括建立离散非线性随机模型，提出针对该模型的随机无穷时域优化控制问题；保证名义离散线性随机模型替代离散非线性随机模型的有效性并扩大控制器的可行域；保证原概率约束并增加后续随机预测控制器的设计自由度；得到进行优化控制的前提条件；预测控制简化算法的具体步骤。本发明通过对无限时域统计性能指标的优化，结合鲁棒不变量集的性质来收紧概率约束，构造一簇具有更大自由度的多步概率不变量集，以确保概率约束得到满足。同时为了改善多步控制策略引起的在线负担过重的问题，提出了简化的控制算法。有效解决了随机干扰下随机系统的跟踪性、稳定性和鲁棒性问题。

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： 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： 本发明的一侧面的预测控制开发装置通过对控制量的第一时序数据进行分析，从而生成控制量的预测模型，并将所生成的预测模型提供给控制器。预测控制开发装置获取表示利用预测模型的预测控制的期间中的控制量的值的推移的、第二时序数据，基于预测模型的预测值与第二时序数据的值之差，来评估预测模型的预测精度。在不容许预测模型的预测精度的情况下，预测控制开发装置对第二时序数据进行分析，由此再次生成控制量的预测模型，并将再次生成的预测模型提供给控制器。

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： 本发明涉及了一种基于多步反馈控制的非线性随机模型预测控制简化方法，包括建立离散非线性随机模型，提出针对该模型的随机无穷时域优化控制问题；保证名义离散线性随机模型替代离散非线性随机模型的有效性并扩大控制器的可行域；保证原概率约束并增加后续随机预测控制器的设计自由度；得到进行优化控制的前提条件；预测控制简化算法的具体步骤。本发明通过对无限时域统计性能指标的优化，结合鲁棒不变量集的性质来收紧概率约束，构造一簇具有更大自由度的多步概率不变量集，以确保概率约束得到满足。同时为了改善多步控制策略引起的在线负担过重的问题，提出了简化的控制算法。有效解决了随机干扰下随机系统的跟踪性、稳定性和鲁棒性问题。

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。