摘要：从分析预测控制的内模机理出发,把系统稳定鲁棒性和品质鲁棒性要求作为内模控制器设计的两个约束条件,利用控制理论中频域分析的方法把离散控制系统的控制器设计转化到频域进行分析,推导出满足系统稳定鲁棒性和品质鲁棒性条件的内模控制器,从而得出预测控制鲁棒性设计的条件,使控制系统能较好的抑制外部扰动所产生的影响。仿真实验结果表明该设计比传统的CHR和Cohen-Coon整定算法有更优异的控制效果。

摘要：针对轧机传动系统存在参数不确定性和负载扰动的特点,建立了轧机传动系统的状态空间模型,提出采用预测控制方法提高轧机传动系统的鲁棒性,构建了基于预测控制的轧机传动系统控制策略。利用Lyapunov稳定性理论和线性矩阵不等式方法,给出了基于状态反馈的轧机传动系统预测控制器设计方法,并通过引入状态变量的衰减律来提高闭环系统的响应速度。仿真结果表明,该预测控制器不仅有效地抑制了负载扰动的影响,同时对轧机传动系统内部参数摄动也具有较强的鲁棒性。

摘要：对预测控制中模型不确定性的处理一直是预测控制算法亟待解决的问题。考虑一类包含模型不确定性的控制对象模型,提出一种极大极小预测控制器设计方法。在滚动优化的每一步,考虑了状态变量不完全可测的情况,引入动态输出反馈的思想得到一个最坏条件下的性能指标的最优解,以最坏条件下的性能指标为求解优化问题的上界,通过线性矩阵不等式的方法求解凸优化问题。并从理论上证明了所设计的鲁棒预测控制器对不确定模型是稳定的。通过仿真算例的分析,证明了极大极小鲁棒预测控制器设计的有效性。

摘要：为克服BP神经网络存在的收敛速度慢、易于陷入局部极值等不足,提出了可以同时优化BP神经网络的结构和参数的基于多值编码方式的嵌入梯度下降算子的混合遗传算法(GA-BP).并在此基础上针对板形板厚综合系统(AFC-AGC)具有强非线性、强耦合而难以建立精确的数学模型的问题,设计了基于BP网络板形板厚综合预测模型,引入了反馈校正的方法来提高板形板厚控制系统的抗干扰能力.仿真结果表明,该模型可以实现板形板厚的精确控制,为热连轧板形板厚综合控制提供了一个新的有效的方法.

摘要：主动式队列管理技术作为端到端拥塞控制的增强机制,通过在网络中间节点有目的地丢弃分组来维持较小的队列长度和较高的链路利用率。通过对RED,ARED,BLUE和RLGD几种主动式队列管理算法的比较和分析,寻找出已有的主动式队列管理算法的不足,进而在人工智能理论的基础上,提出了一种新型的基于BP神经网络的主动式队列管理算法;给出了基于BP神经网络的主动式队列管理算法的设计思想和设计步骤,并对基于BP神经网络的主动式队列管理算法的收敛性进行了证明。

摘要：带钢在退火炉内进行长时间加热的过程中,由于炉内温度、张力以及带钢运行速度等变量间具有多重相关性且存在生产数据噪声,从而难以准确预测炉内带钢的延伸量。本文提出了一种基于遗传算法的BP神经网络理论(GA-BP神经网络)与最小二乘支持向量机(LSSVM)理论相结合的算法用于目标函数拟合,该算法兼顾最小二乘支持向量机的全局与局部拟合能力,有效避免算法陷入局部最优的缺点,利用改进的BP神经网络算法优化选择LSSVM模型的惩罚因子和核函数参数,以避免人为选择参数的盲目性,使LSSVM具有更好的泛化能力和预测精度。将该方法应用到退火炉内带钢的延伸量预测,通过现场生产数据仿真模拟进行非线性函数估计,结果表明:本文所提出的方法具有良好的预测精度,可以应用于实际生产。

摘要：针对时滞不确定性被控对象,引入灵敏度函数和滤波器设计内模控制器。利用控制理论中频域分析的方法对控制系统的鲁棒性能和品质性能进行分析,得出频域约束条件,整定内模控制器参数,使控制系统在满足闭环稳定的前提下,同时还满足性能指标的要求。仿真研究表明:该控制器与传统的Cohen-Coon和CHR控制方法相比具有较好的控制性能和鲁棒性,且调整参数少,适合于工程实际应用。