摘要：针对多变量非线性系统提出了一种带约束输入的广义预测控制(GPC)算法.首先对多变量非线性系统建立T-S模糊模型,利用模糊聚类算法和正交最小二乘算法对输入变量的模糊划分及后件部分的参数分别进行辨识,然后在每个采样点对系统进行局部动态线性化.根据得到的系统线性化模型设计GPC算法,该算法充分考虑了控制输入及其增量受约束的情况,而且不必求D iophantine方程,大大减小了计算量.仿真结果表明该算法能保证系统输出有效跟踪设定值,而且控制输入和控制增量均在其约束范围之内.

摘要：针对多变量非线性系统提出了一种带约束输入的广义预测解耦控制算法:首先对多变量非线性系统建立T-S模糊模型,然后在每个采样点对系统进行局部动态线性化,将得到的系统线性化模型进行对角解耦,然后对其设计带输入约束的GPC算法.该算法充分考虑了控制输入及其增量受约束的情况,而且不必求Dio-phantine方程,减小了计算量,且削弱了变量之间的耦合程度.最后的仿真结果说明了该算法对多变量非线性系统的有效性.

摘要：本文针对多变量非线性系统 ,提出了一种参数自调整的模糊加权信息融合方法 .利用模糊组合变量降低模糊控制系统的维数 ,根据不同的模糊组合变量对最后决策的作用大小 ,赋予不同的权重来实现对多变量非线性系统的控制 ,在利用反向传播算法对量化系数和加权系数进行自学习后 ,在线进行基于模糊规则的参数自调整 ,有效地解决了多变量模糊控制系统中难于设计多维规则库和在线实现自适应模糊控制的问题 .本文还对所提出的方法进行了仿真实验和实际系统的实验 。

摘要：针对广义预测控制算法需要在线递推求解Diophantine方程及矩阵求逆等计算量大的缺陷,对参数未知多变量非线性系统提出一种径向基函数神经网络的直接广义预测控制算法。该算法将多变量非线性系统转化为多变量时变线性系统,用三次样条基函数逼近系统广义误差向量中的时变系数,然后利用径向基神经网络来逼近控制增量表达式,并基于广义误差估计值对控制器参数向量即网络权值向量Φu和广义误差估计值中的未知向量进行自适应调整。仿真结果验证了此算法的有效性。

摘要：Y2000-62514-105 0107053工业应用1(含5篇文章)=Session MA5:Industrial ap-plicarion Ⅰ[会,英]//2000 the Ninth IEEE Internation-al Conference on Fuzzy ***.1 of 2.—105～133(NiK)本部分收录五篇论文,内容涉及纸机级变中采用模糊系统的目标值计算,多步预测中的递归神经模糊预测器,磁疗阻尼采用自适应神经模糊系统的模糊建模,混合信号模糊控制器及其在直流电动机软启动中的应用。Y2000-62514-239

摘要：在PID多变量解耦控制的基础上,设计了一种基于对角递归神经网络的PID解耦控制器。基于对角递归神经网络构造了PID控制器,并把几个PID控制器平行采用作为解耦控制器,以同时实现解耦和控制功能。通过对2输入2输出非线性耦合对象进行计算机仿真结果表明,该控制器对多变量非线性系统解耦控制效果很好。