对角CARIMA模型输入输出约束自适应广义预测控制

合集下载

电驱动履带车辆带约束广义预测速度控制

电驱动履带车辆带约束广义预测速度控制曾庆含;刘春光;魏曙光;马晓军【摘要】电传动履带车辆存在的参数非线性时变性强、惯量大，路面阻力容易受强扰动等特点，采用传统的PI控制容易产生较大的超调，降低暂态控制性能，传统的滑模控制算法难以克服常值扰动，消除稳态误差，易引起输出量剧烈抖振。

针对上述问题，设计了广义预测速度控制器，结合电机饱和特性，对控制量进行了约束。

仿真实验表明，所设计的控制算法能够克服系统参数非线性时变、路面扰动因素的影响，且跟踪准、响应快、超调小。

%The velocity control of electrical drive tracked vehicle has characters of time-vary nonlinear parameters,large inertia and strong road disturbance. So the traditional PI control may lead obvious overshoot which will decrease transient performance,and SMC could not eliminate track error brought by stable disturbance and may lead significant chattering. To overcome those problems, generalized predictive velocity controller is developed which’s control output is constrained considering motor saturation and drive efficiency. Simulation results demonstrated that control algorithm is robust to time-vary nonlinear parameters and road disturbance,and could track target value rapidly and precisely with little overshoot.【期刊名称】《火力与指挥控制》【年(卷),期】2016(041)004【总页数】5页(P57-60,65)【关键词】履带车辆;电驱动;速度;广义预测控制【作者】曾庆含;刘春光;魏曙光;马晓军【作者单位】装甲兵工程学院陆战平台全电化技术实验室，北京 100072; 装甲兵工程学院，北京 100072;装甲兵工程学院陆战平台全电化技术实验室，北京100072; 装甲兵工程学院，北京 100072;装甲兵工程学院陆战平台全电化技术实验室，北京 100072; 装甲兵工程学院，北京 100072;装甲兵工程学院陆战平台全电化技术实验室，北京 100072; 装甲兵工程学院，北京 100072【正文语种】中文【中图分类】TP81混合动力电驱动履带车辆，凭借燃油经济性好、机动性高以及静音行驶以及驱动部件布局灵活等突出优势［1-3］，逐渐成为履带车辆发展的重要方向，尤其是双侧式电驱动方案结构简单，控制方便，在电传动履带车辆中广泛采用［1-2］。

先进控制技术综述

先进控制技术综述1 引言在实际的工业控制过程中，很多系统具有高度的非线性、多变量耦合性、不确定性、信息不完全性和大滞后等特性。

对于这种系统很难获得精确的数学模型，并且常规的控制无法获得满意的控制效果。

面对这些复杂的工业控制产生了新的控制策略，即先进控制技术。

先进控制技术包括：自适应控制，预测控制，推理控制，鲁棒控制以及包括模糊控制与神经网络在内的智能控制方法。

本文详细介绍了自适应控制、预测控制以及这两种先进控制的应用领域和优缺点[1]。

2 自适应控制自适应控制的思想是对于系统中的不确定性，以及控制任务的艰巨性，对于部分未建模的动态特性、变化的被控对象和干扰信号，及时地测得它们的信息，并根据此信息按一定的设计方法，自动地做出控制决策、修改控制器结构和参数，使其控制信号能够适应对象和扰动的动态变化，在某种意义上达到控制效果最优或次优。

2．1 自适应控制介绍目前自适应控制的种类很多，从总体上可以分为三大类：自校正控制、模型参考自适应控制和其他类型的自适应控制。

自校正控制的主要问题是用递推辨识算法辨识系统参数，根据系统运行指标来确定调节器或控制器的参数。

其原理简单、容易实现，现已广泛地用在参数变化、有迟滞和时变过程特性，以及具有随机扰动的复杂系统。

自校正控制系统的一般结构图如图1所示。

自校正控制适用于离散随机控制系统[2]。

图1 自校正控制结构图模型参考自适应控制，利用可调系统的各种信息，度量或测出各种性能指标，把模型参考自适应控制与参考模型期望的性能指标相比较；用性能指标偏差通过非线性反馈的自适应机构产生自适应律来调节可调系统，以抵消可调系统因“不确定性”所造成的性能指标的偏差，最后达到使被控的可调系统获得较好的性能指标的目的。

模型参考自适应控制可以处理缓慢变化的不确定性对象的控制问题。

由于模型参考自适应控制可以不必经过系统辨识而度量性能指标，因而有可能获得快速跟踪控制。

模型参考自适应控制结构框图如图2所示，模型参考自适应控制一般用于确定性连续控制系统。

基于carima模型的广义预测控制器设计

基于carima模型的广义预测控制器设计1. 什么是Carima模型？Carima模型是一种时间序列模型，全名为Combined AutoRegressive Integrated Moving Average (CARIMA) Model。

它可以用来描述时间序列之间的相关性和趋势，通常用于预测和建模。

CARIMA模型是由ARIMA和CAR模型组合而成的。

其中，ARIMA是自回归综合移动平均模型，CAR是条件自回归模型。

2. 什么是广义预测控制器？广义预测控制器是一种控制器设计方法，旨在通过模型预测和反馈调节来实现对系统的控制。

它可以将经验模型和对系统的先验知识结合起来，提高控制精度和可靠性。

广义预测控制器通过预测未来状态和输出，计算出控制器的优化控制信号。

预测过程是基于时间序列或动态模型进行的。

3. 基于Carima模型的广义预测控制器设计基于Carima模型的广义预测控制器设计主要包括以下步骤：3.1 建立Carima模型Carima模型可以通过时间序列数据进行建模，常用方法是最小二乘法。

建立Carima模型可以获得系统的动态特性和趋势，为后面的控制提供信息。

3.2 预测系统输出在Carima模型的基础上，可以预测系统的未来状态和输出。

预测方法可以采用ARIMA模型，也可以采用基于状态空间的预测方法。

3.3 计算控制信号根据预测结果，可以计算出控制器的优化控制信号。

计算方法可以采用模型预测控制，也可以采用基于反馈的控制方法。

3.4 调节控制器参数为了提高控制精度和可靠性，可以通过实验和仿真等方法调节控制器参数。

调节的目的是使控制信号更接近系统的期望输出。

3.5 实现控制最后，将设计好的控制器实现在系统中，实现对系统的控制。

控制器的实现可以通过硬件控制系统、软件系统或者混合系统来实现。

4. 总结基于Carima模型的广义预测控制器设计是一种有效的控制方法，可以结合经验模型和先验知识提高控制精度和可靠性。

先进过程控制及其应用期末课程总结论文

先进控制技术及其应用随着工业生产过程控制系统日趋复杂化和大型化，以及对生产过程的产品质量、生产效率、安全性等的控制要求越来越严格，常规的PID控制已经很难解决这些具有多变量、强非线性、高耦合性、时变和大时滞等特性的复杂生产过程的控制问题[]。

自上世纪50年代逐渐发展起来的先进控制技术解决了常规PID控制效果不佳或无法控制的复杂工业过程的控制问题。

它的设计思想是以多变量预估为核心，采用过程模型预测未来时刻的输出，用实际对象输出与模型预测输出的差值来修正过程模型，从而把若干个控制变量控制在期望的工控点上，使系统达到最佳运行状态。

目前先进控制技术不但在理论上不断创新，在实际生产中也取得了令人瞩目的成就。

下面就软测量技术、内模控制和预测控制做简要阐述。

1.软测量技术在生产过程中，为了确保生产装置安全、高效的运行，需要对与系统的稳定及产品质量密切相关的重要过程变量进行实时控制。

然而在许多生产过程中，出于技术或经济上的原因，存在着很多无法通过传感器测量的变量，如石油产品中的组分、聚合反应中分子量和熔融指数、化学反应器反应物浓度以及结晶过程中晶体粒直径等。

在实际生产过程中，为了对这类变了进行实施监控，通常运用两种方法：1).质量指标控制方法：对与质量变量相关的其他可测的变量进行控制，以达到间接控制质量的目的，但是控制精度很难保证。

2).直接测量法：利用在线分析仪表直接测量所需要的参数并对其进行控制。

缺点是在线仪表价格昂贵，维护成本高，测量延迟大，从而使得调节品质不理想。

软测量的提出正是为了解决上述矛盾。

软测量技术的理论根源是20世纪70年代Brosilow提出的推断控制，其基本思想是采集过程中比较容易测量的辅助变量(也称二次变量)，通过构造推断器来估计并克服扰动和测量噪声对主导过程主导变量的影响。

因此，推断估计器的设计是设计整个控制系统的关键。

软测量器的设计主要包括以下几个方面：1)机理分析和辅助变量的选择。

对角CARIMA模型多变量广义预测控制改进算法

对角CARIMA模型多变量广义预测控制改进算法
李奇安;褚健
【期刊名称】《控制理论与应用》
【年(卷),期】2007(24)3
【摘要】为了增强多变量广义预测控制算法(MGPC)的实用性,对其实现形式进行了进一步的简化.利用对角CARIMA模型的结构特点,先对系统中单个输出变量期望值的自由响应部分进行分解推导,将其表达成自由响应项系数与系统输入输出变量已知值乘积的形式,得到此输出变量的预测表达式,然后将系统所有输出变量的预测表达式代入目标函数中,得到的控制增量等于控制器系数与参考轨迹、过程输入输出历史数据的乘积.控制器系数只与模型参数及设计参数有关,求解控制量时不再需要进行模型输出预报,控制器结构简单,实现容易.对比实验结果表明了该方法保持了常规MGPC方法的优秀控制性能.
【总页数】4页(P423-426)
【作者】李奇安;褚健
【作者单位】浙江大学,先进控制研究所,工业控制技术国家重点实验室,浙江,杭州,310027;浙江大学,先进控制研究所,工业控制技术国家重点实验室,浙江,杭
州,310027
【正文语种】中文
【中图分类】TP273
【相关文献】
1.对角CARIMA模型多变量广义预测近似解耦控制 [J], 李奇安;金鑫
2.对角CARIMA模型多变量广义预测控制 [J], 李奇安;褚健
3.对角CARIMA模型多变量广义预测控制器系数直接算法 [J], 李奇安;褚健
4.对角CARIMA模型抗扰约束广义预测控制 [J], 金鑫;池清华;刘康玲;梁军
5.对角CARIMA模型输入输出约束自适应广义预测控制 [J], 李奇安;李平;李悦因版权原因，仅展示原文概要，查看原文内容请购买。

基于CARIMA模型的广义预测控制器设计

目录第1章概述 .............................................................................................................................................. I II 第2章预测控制的基本原理 (7)第3章基于CARIMA模型的GPC设计 (12)第4章系统软件设计 (19)第5章总结与展望 (31)参考文献 (34)附录 (35)第1章概述1.1 预测控制的背景60年代初，现代控制理论的研究取得了长足的进展，基于性能指标的优化控制理论也日趋成熟，这大大提高了人们对被控对象的认识，为控制工程师们在高层次上设计系统提供了一种有效的手段。

但在控制实践中，许多复杂的工业系统的数学模型很难精确建立，而且对象的结构和参数往往具有一定的不确定性。

从工程应用的角度，人们希望对象的模型尽量简化，系统在不确定性因素的影响下能保持良好的性能(即鲁棒性)，且要求控制算法简单，易于实现,以满足实时控制的需要。

实践的需要向控制理论提出了新的挑战，促使人们寻找对模型要求低、控制质量好、在线实现方便的控制算法。

同时计算机的飞速发展为各种新的控制算法的研究提供了物质基础，预测控制就是在这种背景下产生的一种新型计算机控制算法。

1978年，Richalet等人在系统脉冲响应的基础上，提出了模型预测启发控制(MPHC)[1]，并介绍了其在工业过程控制中的效果；1982年，Rouhani和Mehra给出了基于脉冲响应的模型算法控制(MAC)[2]；Cutler在对象阶跃响应的基础上提出了动态矩阵控制(DMC)[3]。

这些算法以对象的有限阶跃响应或有限脉冲响应为模型,在每一个控制周期内采用滚动推移的方式在线对过程进行有限时域内的优化控制(即滚动优化)，它对过程的模型要求低，算法简单，容易实现，同时在优化过程中不断利用测量信息进行反馈校正，在一定程度上克服了不确定性的影响，在复杂的工业过程控制中显现出良好的控制性能。

先进控制技术综述

先进控制技术综述1 引言在实际的工业控制过程中，很多系统具有高度的非线性、多变量耦合性、不确定性、信息不完全性和大滞后等特性。

对于这种系统很难获得精确的数学模型，并且常规的控制无法获得满意的控制效果。

面对这些复杂的工业控制产生了新的控制策略，即先进控制技术。

先进控制技术包括：自适应控制，预测控制，推理控制，鲁棒控制以及包括模糊控制与神经网络在内的智能控制方法。

本文详细介绍了自适应控制、预测控制以及这两种先进控制的应用领域和优缺点[1]。

2．1 自适应控制介绍目前自适应控制的种类很多，从总体上可以分为三大类：自校正控制、模型参考自适应控制和其他类型的自适应控制。

自校正控制的主要问题是用递推辨识算法辨识系统参数，根据系统运行指标来确定调节器或控制器的参数。

其原理简单、容易实现，现已广泛地用在参数变化、有迟滞和时变过程特性，以及具有随机扰动的复杂系统。

自校正控制系统的一般结构图如图1所示。

自校正控制适用于离散随机控制系统[2]。

模型参考自适应控制可以处理缓慢变化的不确定性对象的控制问题。

由于模型参考自适应控制可以不必经过系统辨识而度量性能指标，因而有可能获得快速跟踪控制。

模型参考自适应控制结构框图如图2所示，模型参考自适应控制一般用于确定性连续控制系统。

Toeplitz变换广义预测控制改进算法

Toeplitz变换广义预测控制改进算法刘文龙;崔焕发;杨振东【摘要】Two modified fast algorithms of generalized predictive control (GPC) based on Toeplitz transformation are proposed. Firstly, the complex computation of matrix inversion is avoided by introducing a kind of softing coefficient matrix into the existing GPC algorithm based on Toeplitz transformation and without solving Diophantine Equation, which further improves the operation efficiency of algorithm. Secondly, the existing GPC algorithm based on Toeplitz transformation and with solving Diophantine Equation is extended to the case that prediction horizon is not equal to control horizon for matrix transformation, which expands the applied scope of algorithm. The simulated results show the effectiveness of the above algorithms.%提出两种改进的Toeplitz变换广义预测控制快速算法.其一,在已有无需Diophantine方程求解的Toeplitz变换广义预测控制算法中引入一种柔化矩阵,避免了复杂的矩阵求逆计算,进一步提高了算法的快速性；其二,通过矩阵变换,将现有基于Diophantine方程求解的Toeplitz变换广义预测控制算法推广到预测时域和控制时域不相等情况,扩展了算法的适用范围.仿真结果验证了上述算法的有效性.【期刊名称】《科学技术与工程》【年(卷),期】2012(012)036【总页数】5页(P9851-9855)【关键词】广义预测控制;Toeplitz矩阵;柔化矩阵;Trench-Zohar算法【作者】刘文龙;崔焕发;杨振东【作者单位】东北石油大学秦皇岛分校,秦皇岛066004;中油龙慧自动化工程有限公司,廊坊065000;东北石油大学秦皇岛分校,秦皇岛066004【正文语种】中文【中图分类】TP273广义预测控制［1—3］是一种新型计算机控制算法，其既吸取了自适应控制在线辨识对象模型的优点，又保留了预测控制的预测模型、滚动优化和反馈校正三大本质特征，具有较强的鲁棒性和实用性，成为解决工业控制问题的有效方法。

预测控制模型结构

预测控制模型结构预测模型预测模型是预测控制模型的核心部分，它用于描述系统的动态行为，基于历史观测数据来预测未来的系统状态。

常见的预测模型有以下几种：1.线性模型：基于线性系统的假设，使用线性状态空间模型或ARMA模型等进行预测。

2.非线性模型：考虑非线性系统的特性，使用非线性回归模型、神经网络模型等进行预测。

3.神经网络模型：通过训练神经网络来拟合系统的输入输出关系，进行预测。

4.ARIMA模型：自回归滑动平均模型，用于描述时间序列数据的动态变化。

5.状态空间模型：将系统的状态和观测变量表示为状态方程和观测方程，通过状态估计和观测估计来进行预测。

控制器控制器是预测控制模型的另一个重要组成部分，它用于根据预测模型的输出进行控制决策。

常见的控制器有以下几种：1.模型预测控制器（MPC）：基于预测模型的输出，通过优化控制问题得到最优控制系列，实现对系统的控制。

2.比例积分微分（PID）控制器：通过比例、积分和微分操作来实现对系统的控制，可以根据误差信号调整控制输出。

3.神经网络控制器：使用神经网络来估计系统的输出，然后根据估计值进行控制决策。

4.最优控制器：通过求解最优化问题，得到最优控制输入，实现对系统的控制。

模型结构预测控制模型的结构是指预测模型和控制器的组合方式。

一般来说，预测模型和控制器之间存在以下两种结构：1.串级结构：预测模型和控制器按照串联的方式连接，预测模型先进行预测，然后将预测结果传递给控制器进行控制决策。

输入数据>预测模型>预测结果>控制器>控制输入2.并行结构：预测模型和控制器同时运行，预测模型负责预测系统状态，控制器负责根据预测结果进行控制决策。

输入数据>预测模型>预测结果|V控制器>控制输入。

对角CARIMA模型抗扰约束广义预测控制

Ａｂｓｔｒａｃｔ：Ｆｏｒｉｎｐｕｔａｎｄｉｎｐｕｔｉｎｃｒｅｍｅｎｔｃｏｎｓｔｒａｉｎｔｓｍｕｌｔｉｖａｒｉａｂｌｅｓｙｓｔｅｍｓ，ａｗｅｉｇｈｔ－ｖａｒｙｉｎｇｂａｓｅｄｍｕｌｔｉｖａｒｉａｂｌｅ
摘要：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
ｗａｓｐｒｏｐｏｓｅｄｔｏｉｍｐｒｏｖｅｃｏｎｒｏｔｌｐｅｒｆｏｒｍａｎｃｅ．ＢｅｃａｕｓｅｔｈｅｍａｔｉｃｒｅｓＣａｎｄＡｏｆａｄｉａｇｏｎａｌＣＡＲＩＭＡｍｏｄｅｌａｒｅ
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ＳＷＪ（ＭＧＰＣ１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。关键词：算法；过程控制；模型预测控制；广义预测控制；扰动抑制；约束控制

时序预测中的ARIMA模型参数调整方法分享(Ⅱ)

时序预测中的ARIMA模型参数调整方法分享时序预测是一种非常重要的数据分析方法，它可以帮助我们了解未来的发展趋势，做出有效的决策。

在时序预测的各种方法中，ARIMA（自回归移动平均模型）是一种常用的模型，它可以很好地应用于各种时间序列数据的预测。

然而，ARIMA模型的参数调整是一个非常复杂的过程，需要一定的经验和技巧。

在本文中，我将分享一些ARIMA模型参数调整的方法，希望可以帮助大家更好地应用这一模型进行时序预测。

首先，我们需要了解ARIMA模型的基本原理。

ARIMA模型是由自回归（AR）、差分（I）和移动平均（MA）三部分组成的。

在参数调整的过程中，我们需要分别调整这三部分的参数，以获得最佳的预测效果。

具体来说，我们可以通过观察时序数据的自相关性和偏自相关性函数图来确定AR和MA部分的参数，通过观察时序数据的平稳性来确定差分部分的参数。

其次，我们可以借助一些统计工具来辅助参数调整的过程。

例如，可以使用ADF检验和单位根检验来判断时序数据的平稳性，从而确定差分部分的参数。

此外，还可以使用Ljung-Box检验来判断模型的残差序列是否为白噪声，从而确定AR和MA部分的参数。

这些统计工具可以帮助我们更加客观和科学地确定ARIMA模型的参数，避免主观性的影响。

然而，ARIMA模型的参数调整并不是一件简单的事情，往往需要结合实际情况进行反复尝试和调整。

在实际应用中，我们可能会遇到各种各样的时序数据，例如季节性变化、突发事件等，这些都会对模型的参数调整造成一定的影响。

因此，我们需要根据不同的情况进行灵活的调整，不能生搬硬套。

同时，还需要结合业务背景和经验来确定最终的参数选择，这是非常重要的一点。

在进行参数调整的过程中，还需要注意避免过拟合和欠拟合的问题。

过拟合是指模型过于复杂，无法很好地适应未来的数据变化，而欠拟合则是指模型过于简单，无法充分表达时序数据的特征。

为了避免这些问题，我们可以使用一些模型评估的指标来帮助我们确定最佳的参数选择，例如AIC（赤池信息准则）和BIC（贝叶斯信息准则）等。

不同PID控制算法的温控器在温度控制中的应用

不同PID控制算法的温控器在温度控制中的应用仪表制造有限公司工程师在本文介绍各种PID控制算法的温控器的控制特性、功能及主要应用场合，对大家合理选用用于温度控制的温控器具有很强实用性。

常用温控器控制算法包括常规PID、模糊控制、神经网络、Fuzzy-PID、神经网络PID、模糊神经网络、遗传PID及广义预测等PID算法。

常规PID控制易于建立线性温度控制系统被控对象模型；模糊控制基于规则库，并以绝对或增量形式给出控制决策；神经网络控制采用数理模型模拟生物神经细胞结构，并用简单处理单元连接成复杂网络；Puzzy-PID为线性控制，且结合模糊与PID控制优点。

1、引言温度控制系统是变参数、有时滞和随机干扰的动态系统，为达到满意的控制效果，具有许多控制方法。

故对几种常见的控制方法及其优缺点进行了分析与比较。

2、常见温度控制方法2.1 常规经典PID控制算法的PID控制PID控制即比例、积分、微分控制，其结构简单实用，常用于工业生产领域。

原理如图1。

图1 常见PID控制系统的原理框图明显缺点是现场PID参数整定麻烦，易受外界干扰，对于滞后大的过程控制，调节时间过长。

其控制算法需要预先建立模型，对系统动态特性的影响很难归并到模型中。

在我国大多数PID调节器厂家生产的温控器均为常规经典PID控制算法。

2.2 模糊PID控制算法的PID控制模糊控制(Fuzzy Control)是以模糊集合论、模糊语言变量及模糊逻辑推理为基础的计算机控制。

原理如图2。

昌晖仪表YR-GFD系列傻瓜式PID调节器使用的就是模糊控制PID控制算法。

图2 模糊控制系统原理框图2.3 神经网络PID控制算法的PID控制神经网络控制采用数理模型的方法模拟生物神经细胞结构，用简单处理单元连接形成各种复杂网络，并采用误差反向传播算法(BP)。

原理如图3：图3 神经网络控制系统的原理框图2.4 Fuzzy-PID控制算法的PID控制模糊控制不需知道被控对象的精确模型，易于控制不确定对象和非线性对象。

对角CARIMA模型多变量广义预测控制

工学版 " 浙! 江 ! 大 ! 学 ! 学 ! 报!
; & + < ! "= & < ! > ( < # " " $ ?
对角 ! " # $ %" 模型多变量广义预测控制
李奇安 ! 褚!健
" 浙江大学先进控制研究所 % 工业控制技术国家重点实验室 %浙江杭州 O $ A " " # J 摘 ! 要 #为了丰富多变量广义预测控制算法 " 的建模能力& 降低其求解难度& 增强其控制参数选择的灵活 PG Q E$ 性% 采用对角形式的受控自回归积分滑动平均 " 模型来改进 PG 通过把 E E > F R P>$ Q E< > F R P> 模型中的 ! 与 " 矩阵构造成对角多项式矩阵的形式 % 把 ! 个输入" 个输出的多变量对象的参数辨识与模型预测问题分解成一系列一方面简化了模型辨识问题% 另一方面避免了模型预测中 ! 个输入单个输出子对象的参数辨识与模型预测问题 < 大量的矩阵运算 % 从而减轻了在线运算负担 % 简化了 PG 增强了 PG 在一个由集散控制系 Q E 的实现 % Q E 的实用性 < 统" $ 控制的非线性液位装置上的对比实验结果表明 % 该方法保持了常规 PG S E 9 Q E 方法的优良性能 < 关键词 #广义预测控制 ’ 多变量 ’ 自适应控制 ’ E > F R P> 模型 $ 中图分类号 # T Q # J O!!!!! 文献标识码 #>!!!!! 文章编号 # A " " U I J O V" # " " $ " ! " @ ! A " @

对角CARIMA模型抗扰约束广义预测控制

对角CARIMA模型抗扰约束广义预测控制金鑫;池清华;刘康玲;梁军【摘要】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.【期刊名称】《化工学报》【年(卷),期】2014(065)004【总页数】7页(P1310-1316)【关键词】算法;过程控制;模型预测控制;广义预测控制;扰动抑制;约束控制【作者】金鑫;池清华;刘康玲;梁军【作者单位】浙江大学工业控制研究所,工业控制技术国家重点实验室,浙江杭州310027;浙江大学工业控制研究所,工业控制技术国家重点实验室,浙江杭州310027;浙江大学工业控制研究所,工业控制技术国家重点实验室,浙江杭州310027;浙江大学工业控制研究所,工业控制技术国家重点实验室,浙江杭州310027【正文语种】中文【中图分类】TP273预测控制采用多步预测、滚动优化和反馈校正控制策略，是工业领域使用较多的一种先进控制算法。

实际工业过程往往过程复杂、测量变量多，易受到各种干扰因素的影响，预测控制所采用的模型不能准确描述进入系统的各种扰动，扰动的抑制能力有限，导致系统的控制效果变差。

一种约束输入输出的隐式广义预测控制新算法

刘福才，浩博贺
（燕山大学自动化系，河北秦皇岛０６０）６０４
摘要：基于ＣＲＭＡＩＡ模型提出了一种约束输入输出的隐式广义预测控制算法。针对广义预测控制问题，在整个预测时域和控制时域，入幅值，入增量和输出幅值施加了约束，对输输引入了输入输出柔化系数，从而简化了目标函数，减小了计算量，该算法不必求解逆矩阵；并采用了隐式广义预测自校正控制算法，利用并列预测控制器间的特点，直接辨识输出预测器中的参数，从而避免了在线求解Ｄｏｈｎｎ方程。ｉａｔｅｐｉ该算法占用内存小，计算速度快，仿真结果表明该算法具有良好的控制性能。关键词：广义预测控制；输入输出约束；隐式算法；柔化系数
ｇｎｒｌｚｄｐｅｉｔｅｏｔｏｉｗｈｌｐｅｉｔｏｈｒｚｎｎｃｎｒｌｏｉｏ．Ｔｅｒｄｃｉｃｎｒｌｎｖｏｅｒｄｃｉｎｏｉｏａｄｏｔｏｈｒｚｎｈｉｐｔｕｐｔｌｉｌ／ｅ
ｈｇｅ．Ｓｍｕａｉｎｒｓｌｓｓｏｓｐｒｏｅｆｒｎｅｏｈｓａｇｒｈｉｈｒｉｌｔｅｕｔｈｗｕｅｒｐｒｏｍａｃｆｔｉｌｏｉｍ．ｏｉｔ
ＫＥＹＷＯＲＤＳ：Ｇｅｅａｉｅｒｄｃｉｅｃｎｒｌｎｕｏｔｕｏｓｒｉｔ；Ｉｌｃｔｌｏｔｍ；Ｆｅｉｌｏｆｃｅｔｎｒｌｚｄｐｅｉｔｏｔ；Ｉｐｔｕｐｔｎｔａｎｓｍｐｉｉａｇｒｈｖｏ／ｃｉｌｘｂｅｃｅｆｉｎｉ

磁悬浮系统自抗扰广义预测控制

磁悬浮系统自抗扰广义预测控制
王金锁;蒋启龙;罗雨;刘腾飞
【期刊名称】《哈尔滨工业大学学报》
【年(卷),期】2022(54)9
【摘要】针对负载扰动以及轨道“台阶”现象可能导致磁浮列车失稳的问题,将自抗扰广义预测控制(LADRC⁃GPC)理论引入磁浮列车悬浮系统,设计了一种新型悬浮控制器。

控制器采用分层控制策略,内层利用扩张状态观测器(ESO)对系统进行动态补偿,得到被控对象的受控自回归滑动平均模型(CARMA),降低了对被控对象数学模型的依赖程度。

外层以内层控制为被控对象,采用广义预测控制(GPC)对系统进行动态优化控制,提高了控制器的跟踪性。

通过仿真和实验与PID控制算法、线性自抗扰控制(LADRC)算法比较,结果表明:自抗扰广义预测控制算法具有较好的跟踪性与鲁棒性,在较大负载扰动时仍能保持较小的误差。

【总页数】10页(P141-150)
【作者】王金锁;蒋启龙;罗雨;刘腾飞
【作者单位】西南交通大学电气工程学院;磁浮技术与磁浮列车教育部重点实验室(西南交通大学)
【正文语种】中文
【中图分类】TP273
【相关文献】
1.基于频域的自抗扰广义预测控制的稳定性分析
2.磁悬浮开关磁阻电机悬浮系统自抗扰逆系统解耦控制
3.对角CARIMA模型抗扰约束广义预测控制
4.时滞系统的自抗扰广义预测控制的性能分析
5.PI型自抗扰广义预测控制的性能分析
因版权原因，仅展示原文概要，查看原文内容请购买。

一种改进的协调控制系统广义预测控制方法

一种改进的协调控制系统广义预测控制方法焦健（北京京能科技有限公司，北京100036）摘要：介绍了一种改进的协调控制系统的广义预测控制算法，与现有的算法相比，做出了两点改进：一是使用对角受控自回归积分滑动平均模型推导模型的输出预测值，避免了丢番图方程的计算，减小了计算量；二是将过热度的控制方式由定值控制改为区间控制，充分利用系统的控制“冗余”，提高了主汽压力和负荷的控制效果。

仿真结果表明，这种改进的广义预测控制算法相比现有的方法，计算量小，能同时实现定值控制和区间控制方式，全面提高了主汽压力和负荷的控制效果。

关键词：协调控制系统；广义预测控制；对角CARIMA 模型；区间控制中图分类号：TM621文献标志码：A文章编号：1671-0320（2022）04-0031-050引言单元火电机组是一个复杂的多变量系统，以350MW 的超临界机组为例，其协调控制系统是一个典型的三输入—三输出系统：系统的输入包括煤量、汽轮机调门开度和给水流量，系统的输出包括主汽压力、负荷和过热度。

传统的控制策略是使用比例积分微分PID （proportion integration differentiation ）控制器对各输出进行控制，其缺点是PID 参数整定复杂烦琐，同时需要加入各种前馈补偿，导致整个回路的控制逻辑十分复杂，不利于现场调试。

随着火电控制技术的不断发展，近些年人们对预测控制在协调控制系统上应用的研究逐渐增多，并取得了一些较好的结果。

预测控制是以计算机为实现手段的，因此其算法一般应为采样控制算法而不是连续控制算法。

顾名思义，预测控制应包含预测的原理。

在传统的采样控制中，有些算法也用到了预测的原理。

在现有的研究中，广义预测控制GPC （generalized predictive control ）作为一种对模型要求较低、鲁棒性好、适用于计算机实现的智能控制算法，已成功应用于协调控制系统中，取得了比较好的结果[1]。

一种约束输入输出的隐式广义预测控制新算法

一种约束输入输出的隐式广义预测控制新算法
刘福才;贺浩博
【期刊名称】《计算机仿真》
【年(卷),期】2007(24)6
【摘要】基于CARIMA模型提出了一种约束输入输出的隐式广义预测控制算法.针对广义预测控制问题,在整个预测时域和控制时域,对输入幅值,输入增量和输出幅值施加了约束,引入了输入输出柔化系数,从而简化了目标函数,减小了计算量,该算法不必求解逆矩阵;并采用了隐式广义预测自校正控制算法,利用并列预测控制器间的特点,直接辨识输出预测器中的参数,从而避免了在线求解Diophantine方程.该算法占用内存小,计算速度快,仿真结果表明该算法具有良好的控制性能.
【总页数】4页(P301-303,333)
【作者】刘福才;贺浩博
【作者单位】燕山大学自动化系,河北,秦皇岛,066004;燕山大学自动化系,河北,秦皇岛,066004
【正文语种】中文
【中图分类】TP273
【相关文献】
1.一种约束输入的多变量广义预测控制新算法 [J], 庞中华;金元郁;崔红
2.基于改进粒子群算法的约束隐式广义预测控制 [J], 吴密密;戴文战
3.一种有约束的广义预测控制新算法 [J], 王芳;单锐;刘芳
4.基于改进粒子群算法的隐式广义预测控制 [J], 吴君; 张雨飞; 肖晓
5.一种约束输入的广义预测控制新算法 [J], 金元郁
因版权原因，仅展示原文概要，查看原文内容请购买。

对角CARIMA模型多变量广义预测控制器系数直接算法

对角CARIMA模型多变量广义预测控制器系数直接算法
李奇安;褚健
【期刊名称】《自动化学报》
【年(卷),期】2007(33)1
【摘要】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(Controlled autoregressive integrated moving average)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.
【总页数】7页(P59-65)
【作者】李奇安;褚健
【作者单位】工业控制技术国家重点实验室浙江大学先进控制研究所,浙江大学玉泉校区,杭州,310027;工业控制技术国家重点实验室浙江大学先进控制研究所,浙江大学玉泉校区,杭州,310027
【正文语种】中文
【中图分类】TP3
【相关文献】
1.对角CARIMA模型多变量广义预测控制 [J], 李奇安;褚健
2.对角CARIMA模型多变量广义预测控制改进算法 [J], 李奇安;褚健
3.对角CARIMA模型抗扰约束广义预测控制 [J], 金鑫;池清华;刘康玲;梁军
4.基于CARIMA模型的多变量极点配置自校正直接算法及其鲁棒性 [J], 舒迪前;张中阳;施宏
5.对角CARIMA模型输入输出约束自适应广义预测控制 [J], 李奇安;李平;李悦因版权原因，仅展示原文概要，查看原文内容请购买。