摘要：针对一类非线性离散时间系统,提出了一种基于时间序列的多模型自适应控制器(Multiple models adaptive controller,MMAC).该控制器首先利用聚类方法建立多个线性固定模型,然后,利用系统的时间序列和方向导数建立一个反映工作点变化趋势的局部加权模型,在此基础上增加了一个全局自适应模型和一个可重新赋值的自适应模型,并设计了一个切换机构选择最优模型实现控制.仿真结果表明该控制器不但具有良好的暂态性能、较快的控制速度,而且在相似的控制效果下,可以极大地减少模型的数量.

摘要：当被控对象参数所在的不确定区域未知时,多模型切换调节等控制算法虽然最终可以使系统达到期望特性,但随着不确定区域的增大,系统需要增加大量的模型才能满足快速性等方面上的要求.因此,为了实现一类时变系统在只增加少量模型时便能够满足期望控制性能的目标,提出了多模型切换动态调节控制算法.此算法在不确定区域内分配若干上层模型,在双切换机制的监督下,利用动态分配方法,在最优上层模型所在的子区域分配出若干下层模型,在与自适应模型的协作中,设计最优控制器,保证了系统的暂态和稳态响应.在数值仿真与故障卫星系统的仿真研究中,结果表明了多模型切换动态调节算法在暂态性能方面优于多模型切换调节算法,并验证了此算法的有效性.

摘要：对于一类参数未知的多变量周期系统,传统自适应控制方法存在参数收敛慢的问题,导致系统暂态响应差、控制效果不理想.因此,本文针对多变量周期系统设计了多模型二阶段自适应控制器.首先根据先验知识,确定不确定区域范围,并在不确定区域内建立多个自适应模型.然后根据李雅普诺夫理论得到第一阶段辨识方程;在第二阶段中,充分考虑辨识误差并确定了权值自适应律,以此获取虚拟模型以提高参数的收敛速度.接着,利用得到的虚拟模型参数设计了二阶段自适应控制器,在保证了系统稳定性的基础上,提高了系统的暂态性能.最后,给出的仿真结果表明多模型二阶段自适应控制器提高了参数的收敛速度,改善了系统的暂态性能.

摘要：基于多模型控制器设计方法中需要建立大量离线子模型,导致计算负担过大的问题,本文提出基于H_∞理论的多模型混合鲁棒控制器设计方法.该方法首先对参数变化区间进行分解,根据得到的子区间建立子模型,从而获得多模型集.然后依据理论设计子模型鲁棒控制器,具有良好的抗干扰性,并能有效地减少子模型数量;其次,针对各鲁棒控制器,设计混合信号实现混合输出,可以很好地解决切换多模型控制中存在的持续切换问题.最后,对本文所提方法进行仿真和聚合釜温度系统的应用研究,结果表明当被控对象参数存在不确定性和存在输入扰动的时候,该方法可以在较少子模型数量的前提下保证系统具有良好的鲁棒性.

摘要：在实际工业过程中,控制系统经常会受到时变扰动的影响,致使针对单一扰动模型设计的最小方差控制准则不再适用于评估时变扰动控制系统的性能.当多个扰动信号同时出现时,采用常规多模型切换方法会发生间歇切换进而产生较大的暂态误差,不能准确评估系统当前性能.针对上述问题,本文提出了一种基于多模型混合最小方差控制准则的性能评估方法.首先根据每个扰动模型分别制定最小方差控制器,组成多模型最小方差控制器,然后在每个时间点混合多模型最小方差控制器,并将在其作用下的输出方差作为最终的性能评估基准,该方法既充分考虑到每个扰动的特性,又避免了常规多模型切换方法因间歇切换而产生的暂态误差对评估结果准确性带来的影响,实现了准确、可靠地评估时变扰动控制系统的性能.通过仿真,验证了基于多模型混合最小方差控制准则的性能评估方法的有效性.

摘要：针对一类具有参数跳变特性的离散时间系统,设计一类基于切换策略的新型多模型二阶段自适应控制器.该控制器首先将系统不确定参数的变化空间划分为多个子空间,在每个空间内建立多个自适应模型.为了克服多模型退化,保持模型的多样性以应对参数跳变,采用带约束的二阶段自适应方法对未知参数进行实时估计,并据此设计相应的子控制器;然后基于切换策略,选取该时刻的最优子控制器作为系统的控制器,从而减小系统暂态误差,提高系统动态性能;最后进行数值仿真研究,仿真结果表明该控制器结合了切换机制和二阶段自适应的优点,在相同模型数量的情况下,能够快速逼近参数跳变以后系统新的工作点,显著地缩短系统的过渡过程,提高暂态性能.

摘要：针对模型预测控制(model predictive control,MPC)系统经济性能设计问题,结合自适应迭代学习控制的设计思想,提出了一种自适应步长迭代学习控制(adaptive step iterative learning control,ASILC)策略。该策略将系统变量方差与控制器参数之间的关系近似成离散的线性区间组合,并借助上一步迭代的过程信息,自适应地更新迭代步长,逐步使系统的经济性能达到最优。将该方法应用于乙烯裂解炉控制系统中,仿真结果表明:与迭代学习控制方法相比,ASILC能更快地收敛到最优工作点附近,得到最优经济性能下的控制器参数λ,经过7次优化迭代后经济性能目标值提高了28.92%。

摘要：为了解决由于精馏塔具有非线性、随机干扰量大等特点导致的模型参数发生变化带来的控制问题,该文提出了将多模型切换控制方法和线性二次型调节器(LQR)优化方法相结合的控制策略。该方法结合了这2种方法的优势。首先对变化区间进行分解;然后建立子模型,形成模型集。接着采用LQR优化方法对子模型设计优控制器,再根据性能指标函数切换控制器,保证在任一时刻,系统都得到最优控制律;最后将该文提出的新方法与单独LQR优化方法进行比较。对比结果表明:当模型参数Par=20跳变到Par=19.5的时候,精馏塔塔顶和塔底轻组分的摩尔分数仍然能够稳定。

摘要：针对一类参数跳变引起零动态不稳定的非线性离散时间系统,本文提出一种基于误差切换策略的非线性多模型二阶段广义预测控制器设计方法.首先,将未知参数的空间划分为多个子集,并在每个子集中建立多个非线性预测模型,并对未知参数进行辨识;进而,利用带约束的二阶段自适应方法获得每个子集虚拟模型的参数估计值,并以此计算对应的广义预测控制作用,从而更好的处理零动态不稳定问题:为了有效改善参数跳变对系统的影响,利用模型输出误差性能指标选取每一时刻最优的广义预测控制器控制非线性系统,并进行稳定性分析.最后,通过对比现存方法的仿真结果表明本文所提出的广义预测控制器有良好的跟踪性能和抗干扰能力.

摘要：软测量建模能够有效地解决生产过程中在线分析仪表测量滞后大、价格昂贵、维护保养复杂等问题。目前,基于数据驱动的神经网络是软测量建模的主要工具之一。而在建模数据的采集过程中,主导变量的采集相对辅助变量要困难得多,由此产生了大量缺失标签的数据。但传统的软测量建模方法却忽视了这些无标签数据,只利用少量的有标签数据建模,从而影响了模型的预测精度。为了解决标签缺失的问题,采用最近邻算法对无标签数据进行伪标记,同时设计了由卷积操作与门限循环单元神经网络(GRU)结合的网络结构来进一步利用无标签数据,提取不同时刻数据中的动态特征,提高神经网络的预测精度。最后将该方法应用于丙烯精馏塔塔顶丙烷浓度的预测,实验结果表明该模型能有效处理非线性动态系统的标签缺失问题,具有更高的预测精度。