一、有约束加权广义预测控制算法（论文文献综述）
方丹[1]（2021）在《掘进工作面自动风窗开度的预测控制研究》文中提出煤矿井下的通风安全是保证井下安全作业的重要条件之一,良好的通风环境能够为井下工作人员提供安全保障。煤矿井下最容易发生安全事故的地点是掘进工作面,掘进工作面的局部通风设备主要包括局部通风机和风窗,而局部通风机基本没有实现变频,因此需经常调节风窗开度控制风量。现有煤矿井下调节风窗仍采用手动调节的方式,这种调节方式无法实现实时调节,且难以保证调节精度,存在安全隐患。因此实现风窗自动化,如何将对风窗开度的控制与掘进面有害气体浓度联系起来具有十分重要的意义。文章主要研究掘进工作面的风窗,通过研究传统风窗控制的结构和控制方法,设计了风窗结构,研究了控制过程,得出风窗控制过程具有滞后性、非线性等特点。对影响掘进面瓦斯浓度的因素进行分析,在局部通风机的转速不变的情况下,对瓦斯浓度影响最大的因素是风窗开度,因此将风窗开度作为控制量,对掘进面的瓦斯浓度进行预测控制。研究了支持向量机分类原理和回归原理,分析支持向量机在瓦斯浓度预测方面的优势,研究了粒子群优化算法,利用粒子群对SVM和BP神经网络进行参数寻优,分别采用SVM、PSO-SVM和PSO-BP建立瓦斯浓度预测模型,并采用MATLAB仿真分析预测结果,选出拟合度最高的瓦斯浓度预测模型作为自动风窗预测控制系统中的预测模型。对风窗控制系统建立PSO-SVM预测模型,并将模型线性化与广义预测控制结合,利用MATLAB建立仿真模型,分别在有干扰发生时和无干扰发生时对风窗控制系统进行仿真,仿真结果表明系统能够平稳的跟踪给定信号,验证了将PSO-SVM建立的预测模型应用于广义预测控制,在风窗控制过程瓦斯浓度的控制是有效的,有着良好的控制性能。
刘同勇[2]（2021）在《燃煤电站SCR脱硝系统先进控制技术研发与应用》文中研究指明目前燃煤电站SCR脱硝系统普遍存在着喷氨过程自动控制品质差的共性技术问题,极易导致空预器冷端积灰腐蚀受损等运行问题,开展燃煤电站SCR脱硝系统喷氨优化控制以降低氨逃逸,可以实现抑制硫酸氢氨生成、提高超改后机组安全稳定运行性能的目的。本文以神华国华寿光发电厂2号国产1023MW超超临界机组,脱硝控制系统改造项目为应用背景,深入了解当前燃煤电站SCR脱硝系统先进控制的发展方向和特点,提出了对机组现有状态最切实可行的喷氨控制方案。结合SCR脱硝系统反应机理、机组运行现状及其脱硝常规控制方案,分析得到:固定摩尔比控制方式不利于保证NOx排放的高精度控制,易引发环保排放超标;入口 NOx浓度关键运行参数变化大,且有迟滞,直接引入参与控制不利于提高喷氨控制品质;基于系统静态物理特性,整定脱硝控制特性参数的方法欠合理,不利于实现控制特性与被控对象特性的良好匹配;SCR脱硝系统入口及出口 NOx浓度关键运行参数测量失真情况需针对性处理,否则不利于提高脱硝自动控制品质。对此,本文设计了燃煤电站SCR脱硝系统先进综合控制方案,具体组成为:首先基于Smith预估和状态变量补偿技术,给出了 SCR脱硝改进串级控制方案的设计方法及仿真验证结果;其次采用广义预测主控制器取代上述改进串级控制方案主回路中的PID控制器,并给出了这种改进串级控制方案广义预测主控制器的设计方法以及仿真验证结果;最后针对燃煤电站炉内燃烧扰动导致的SCR脱硝系统入口 NOx浓度大波动、NOx分析仪测量失真扰动等特性,开发了智能前馈控制技术针对上述两类扰动进行动态补偿,从反应源头上及时喷射合理的氨量。本文所提出的喷氨先进综合控制方案,成功地应用于神华国华寿光发电厂2号国产1023MW超超临界机组脱硝控制系统改造项目。根据该厂SCR脱硝系统的实际情况,结合优化控制方案开展软件设计与开发,在依托相关硬件配置的基础上最终进行了工程实施。工程应用结果表明,该先进综合控制方案可有效提高SCR脱硝系统的动态响应质量,喷氨控制效果显着提升,可为其他同类型电厂脱硝控制系统改造提供技术参考。
苏耀伦[3]（2020）在《基于扰动观测器的模型预测控制方法研究》文中研究指明工业过程控制中存在的时滞、扰动、噪声等因素会对控制性能造成影响进而影响企业的经济效益,模型预测控制方法能够有效处理多变量系统的扰动问题,但是效果不佳,而且不能同时处理时滞和扰动,因此需要对其进行改进以更好地处理时滞和扰动等问题,本文利用扰动观测器和模型预测控制方法进行分析研究,主要工作如下:首先针对具有外部扰动和多变量耦合扰动的多约束系统,以往的控制方法通常采用反馈+前馈补偿的方式,不能保证输出最优,为此本文提出了一种基于扰动观测器的多变量非最小状态空间模型预测控制算法。利用扰动观测器估计总扰动（外部扰动和内部扰动）,并将估计值和输出变量同时引入到状态变量并反馈到前端模型预测控制器进行滚动优化,避免了状态观测器的设计,又利用二次规划方法解决了多约束问题,保证了输出最优,最后在气体分馏装置中进行的仿真验证了所提方法的有效性。其次针对一类具有时滞、外部扰动和噪声的系统,以往的控制方法不能够同时处理时滞和扰动问题,为此本文提出了一种基于双扰动观测器的模型预测控制算法。该方法将时滞转换成了一种扰动量,并用第一个扰动观测器进行估计并反馈到前端模型预测控制器进行补偿,第二个扰动观测器估计外部扰动和噪声并和控制器输出进行补偿,能够同时处理时滞和扰动问题,提高了系统的控制性能,最后在无刷直流电机控制系统进行的仿真验证了该方法的有效性。
孙雨凝[4]（2020）在《基于预测控制的分布式电源并网研究》文中指出新能源发电技术的不断发展,以风能、太阳能为代表的新能源发电量占总发电量的比例不断攀升。因此,对分布式电源并网的需求也越来越多,尤其部分地区还存在多种类型分布式电源并网的情况,对配电网运行的安全性、可靠性、稳定性提出挑战。所以需要对分布式电源的并网进行合理规划,以保证配电网并网后安全稳定。同时扩大分布式电源并网对经济效益产生的积极影响,充分贯彻节能降耗的政策方针。本文以风力发电和光伏发电两种分布式电源并网为研究对象,对其接入位置和并网容量进行优化。分布式电源并网需要建立DG的数学模型,分析其并网时对潮流的影响。同时,在实际运行的约束条件为前提,针对电压稳定性、网损最小化等待优化指标建立目标函数。然而,目标函数的建立普遍采用简单加权的形式将不同的目标函数结合起来,这种方法较适合于目标函数较少的优化情况。本文采用双层规划的方式,可以更好地针对不同优化侧重点设定多个优化目标,并实现不同层之间约束条件的解耦,可根据实际需求选择约束条件。底层规划的重点是DG并网后配电网的稳定性,因此选取配电网网损最小以及节点电压偏移最小作为最终的优化目标;首层规划针对经济性进行规划,优化指标包括DG投资及运行成本、可再生能源政策补贴和配电网上级购买电量费用。其中,配电网上级购买电量费用指标需要用到底层规划中的配电网网损最小的信息。因此,两层之间具有信息传递的联系性。在预测控制算法的研究方面,对预测控制的基本原理进行了了阐述,并对广义预测控制的缺点,诸如计算速度相对较差,易陷入局部最优解等弊端进行简要说明。在此基础上,将遗传算法与GPC算法相结合,充分利用GA算法全局收敛性好的特性弥补GPC算法的不足。为进一步提高GA-GPC的收敛速度,通过引入基于误差分类的两性种群交配遗传策对GA算法进行改进。这一策略将将染色体定义为阳性和阴性两种类型,进行交叉操作时选取异性染色体作为交叉操作的对象,相比于传统的随机选择两个染色体进行交叉而言,基于该策略的GA算法具有更好的搜索能力,使算法更加高效。通过测试函数验证改进GA算法性能的优越性后将其用于完善GPC算法的滚动优化,以解决GPC滚动优化采用梯度法而产生对初值敏感且容易陷入局部最优解的问题。仿真结果表明改进的GA-GPC具有更好的控制精度,且计算速度得到明显改善。基于以IEEE33节点配电网系统仿真算例对DG并网的规划问题进行求解。仿真结果表明改进的GA-GPC算法求得了更好的规划方案,无论从最小网损、节点电压偏移还是经济成本均好于传统GA-GPC算法,说明改进的GA-GPC算法能够得到整体最优解,可以证明该方法效果更优越、有效。
刘冰洁[5]（2018）在《软约束激活情形下预测控制可控性分析》文中认为在常规过程控制中,控制系统应满足稳、准、快三个要求,在保证控制系统稳定的情况下,使得被控变量准确且快速地达到控制目标。相较于其他常规性控制策略,预测控制算法在改善控制稳定性和优化方面有很大进步。尤其是在处理系统变量有约束的控制问题时,约束预测控制算法（Constrained Model Predictive Control,CMPC）其自身特有的滚动优化算法能较好地解决带约束的优化问题,使系统达到约束作用下的最优解。在实际工业控制过程中,系统可行域由控制对象稳态时输入变量和输出变量的约束范围所确定,而系统期望值则根据系统工艺要求、经济效益、环保等多项需求综合计算得出,由工艺人员手动输入或者由MPC控制器直接计算给定。经过大量的实际控制和仿真算法研究,系统期望值往往需要取在可行域边界（约束边界）处。在约束边界,系统的部分输入变量和输出变量受限成为定值,无法参与控制。系统结构和自由度均发生变化,可行域大小也受到影响。可行域变化直接影响到控制可行性和稳定性。对于稳态模型而言,期望值位于可行域边界可能会对控制稳定性产生影响。而在控制的动态过程中,系统变量的运动可能会激活约束。约束限制了系统变量在某一时刻或某一时间段的最优运动轨迹,从而导致控制目标不可达或控制不可行。尽管约束预测控制能较好地处理约束问题,但期望值不可达、控制不可行的问题仍有发生。为解决上述问题,本文提出了一种新的控制目标调整策略和软约束调整策略,以保证控制可行和控制目标可达。经过处理的约束预测控制算法可以保证系统变量在控制过程中不激活系统约束,从而使得系统变量能够按照近似无约束状态下的最优控制轨迹运动至系统最优值。在某种程度上,此时有约束的预测控制算法已转化为无约束的预测控制算法。这对于目前约束普遍存在的大型工业控制过程有着十分积极的意义。为分析预测控制动态过程对控制效果影响的本质,针对以状态空间为模型的约束预测控制算法分析系统变量滚动优化的P步预测所构成的输出变量最优路径可达集对系统约束的影响,以及由此构成的动态约束对预测控制可行性的影响。在此基础上,提出在进行软约束策略后严格满足系统全部约束的预测控制目标调整机制,以保证系统变量能在约束允许下的最优值处稳态可达。对于部分控制系统,在某一时刻或有限时间内,系统变量短暂地违反约束是可以被工艺要求所接受的。基于对期望值分别位于硬约束边界和软约束边界上系统结构变化的分析,论证调整约束的可行性后,在严格满足系统硬约束的情况下,修正预测控制的优化性能指标函数,得到系统控制过程中输出变量动态可达集的上界和下确界,以此为依据提出一种软约束激活时的系统约束调整策略,适当调整系统软约束,以避免约束被激活而导致的控制目标不可达。
吴永玲[6]（2018）在《滚动时域性能指标下的实时控制器参数优化方法》文中进行了进一步梳理PID控制算法是经过多年实践经验的总结提炼在20世纪初提出的。随后维纳反馈控制论思想的论文发表后,基于信息反馈的自动控制理论得到了广泛且深入的研究。尽管控制理论经历了经典控制到现代控制,智能控制等发展阶段,传统的PID反馈控制依旧活跃在大多数工业过程中。它更适用于底层实时控制回路中,快速处理被控对象的跟踪问题。PID控制效果的好坏直接取决于控制器参数的选取,历来已有大量关于PID控制器参数设计的研究。然而这些算法多单从系统的控制性能出发,较少考虑控制能量及二者之间的权衡关系。本文结合现代最优控制思想,基于滚动优化（RHO）策略,将被控对象的跟踪性能与控制能量加权包含在代价函数中,给出约束条件下PID参数的实时优化方法,使系统性能满足设定要求。本文的主要内容包括:1)传统的PID控制器参数整定方法,如Ziegler-Nichols（Z-N）整定,难以满足系统性能最优。本文首先采用经典控制理论分析方法,讨论PID控制器参数的变化对系统跟踪性能和控制能量的影响。针对两个简单低阶的被控对象,首先给出使闭环系统稳定的控制器参数范围,分别建立二者性能指标（跟踪误差与控制信号的平方积分指标）关于控制器参数的函数关系表达式,通过理论分析结合仿真实验,找到控制器参数变化对系统性能的非线性影响,并为下一步在离散域内对PID参数进行有限时域在线滚动优化提供了一定的理论基础。2)第一部分给出结论PID参数分别使系统跟踪性能和控制能量达到最优点之间的参数选取体现了对这二者性能的权衡。为了将PID参数设计推广到更为一般的高阶系统中,本文进一步给出离散域内基于多目标加权性能指标的在线滚动优化策略,实时优化PID控制器参数。该RHO-PID方法便于处理系统操纵变量和跟踪信号的约束,且将对PID三个参数的选取问题转化为对系统跟踪性能和控制能量权衡的问题。3)在RHO-PID控制器在线整定算法中,性能指标中引入的权重系数体现了系统跟踪性能与控制能量之间的权衡关系,对控制器参数的优化结果起到了至关重要的作用。对于无偏差控制,系统的控制性能主要体现在动态响应部分。在给定系统允许最长调节时间内动态响应和控制能量指标要求后,给出滚动优化性能指标中权重系数的设计方法。同时讨论了满足输入输出约束条件下,使系统综合性能最优的变权重系数设计。4)针对实际被控对象在不同工况下参数可能发生改变的情况,结合子空间在线辨识方法,提出数据驱动的RHO-PID控制器参数优化算法。子空间方法对被控对象的先验知识要求较少,数值计算具有鲁棒性。由历史采集数据构造的Hankel矩阵,经一系列数值运算可直接得到系统在未来有限时域内的预测输出关于PID控制器参数的函数表达式。结合前面提出的RHO-PID滚动优化策略,可很好的实现PID控制器参数在线整定。
刘建伟[7]（2011）在《冷轧轧制压力的预测控制与优化仿真研究》文中研究说明随着经济社会发展,冷轧带钢在钢材消费总量中的比重在不断提高,并发挥着越来越重要的作用。由于对冷轧带钢的质量要求越来越高,产量要求越来越大,因此对冷轧带钢的生产也提出了更高的要求。液压轧制压力控制技术是冷轧带钢生产过程中不可缺少的关键技术,对轧制压力的控制效果将直接影响到冷轧带钢产品的质量。因此对冷轧轧机液压轧制压力控制系统进行研究具有重要的理论和实际意义。本文详细介绍了冷连轧机的机械结构以及液压压下控制系统。通过对冷连轧机液压轧制压力控制回路过程和特点的研究和学习得出了液压轧制压力控制系统的数学模型。为冷连轧机液压轧制压力的控制提供了实践背景和理论依据。针对冷连轧机液压轧制压力控制系统,引进广义预测控制算法来控制轧制压力。该算法以CARIMA模型为基础,采用了长时段的优化性能指标,结合辨识和自校正机制,具有较强的鲁棒性和模型要求低等特点。本文在实现广义预测控制算法时提出了抑制超调量的改进策略并取得较好的控制效果。在此基础上结合冷连轧机液压轧制压力控制系统的数学模型提出了无约束广义预测控制的设计方案。对于冷连轧机液压轧制压力控制系统实际存在约束条件的情况下无法直接用广义预测控制算法通过解析的方法得到最优控制量,本文在广义预测控制滚动优化阶段引进差分进化算法,将有约束广义预测控制性能指标优化的极小值问题转化为差分进化算法有约束优化问题,经迭代计算后最终得到满足约束的最优控制量。然后针对冷连轧机液压轧制压力控制系统,结合实际存在的一些约束条件,运用混合差分进化算法的广义预测控制来实现对轧制压力的控制。
董旸[8]（2010）在《复杂热工系统广义非线性预测控制及在线优化研究》文中进行了进一步梳理火电厂热工自动化是保障设备安全、提高机组经济性、减轻劳动强度及改善劳动条件的重要技术措施。火电生产过程本身是一个非常复杂的控制系统,滞后、惯性、时变以及多变量特征,使其成为非线性系统建模与有效控制的困难所在。广义预测控制作为一种对模型精度要求低、鲁棒性强、能够有效克服系统大滞后并易于实现计算机实时控制的算法,已经成功应用于一些工业过程控制中,并显示出强大的生命力。对于火电机组复杂非线性热工系统,研究其广义预测控制及其在线优化算法,对智能电网的建设无疑具有一定的理论意义和应用价值。因此,本文围绕快速稳定的在线优化算法研究及其在非线性多步预测优化控制中的应用问题,开展了如下研究：1.在线优化算法研究研究了几种新型智能优化算法：混沌优化算法、粒子群优化算法以及新型小世界优化算法。为了解决现有小世界优化算法存在由于编码、解码而造成的算法繁琐和运行时间长等问题,在二进制和十进制编码小世界优化算法基础上,提出了一种新的基于实数编码的小世界优化算法。仿真分析表明,实数编码小世界优化算法比二进制编码小世界算法、混沌优化算法和粒子群优化算法具有更高的搜索效率和精度,适宜于广义预测控制的在线滚动优化计算及求解。2.广义预测控制在复杂非线性热工系统中的应用首先,针对单元机组非线性负荷系统多目标优化的控制问题,将BP神经网络辨识、实数编码小世界优化算法和多目标优化预测控制思想有机结合,提出一种新型的非线性预测控制器。仿真结果表明,在AGC负荷指令变化时,单元机组各变量得到了满意的实时控制效果。然后,针对锅炉过热蒸汽温度系统大迟延、大惯性和非线性特性,引入基于混沌遗传算法的T-S模糊模型,并对其实施了非线性预测控制,应用上述基于实数编码的小世界优化算法,仿真结果证明本文提出的广义非线性预测控制在线滚动优化算法在处理大滞后、非线性系统的优越性。最后,考虑到实际工业过程系统总是受到各种软硬约束的限制,对上述两个控制系统分别加入执行机构硬约束条件,仿真结果表明两种非线性系统的广义预测控制在实际工况下仍然能达到较好的控制效果。
张健中[9]（2010）在《一类连续化工生产过程的模型辨识及非线性预测控制研究》文中研究指明化工过程的建模和控制是过程控制领域的研究热点和难点,由于化工过程通常存在很强的时变性和非线性,很难建立准确的机理模型,而对过程的温度、浓度、平均分子量等指标的精确控制影响着产品的产量和质量,具有很强的理论及实际研究价值。预测控制作为一种在实际生产中发展起来的控制方法,已得到了广泛的应用。但传统的预测控制方法都是基于线性模型实现的,而对于具有强非线性的化工过程,线性模型预测控制难以取得满意的控制效果,因此需要进一步研究基于非线性模型的预测控制方法。本文以典型的连续化工生产过程如一阶连续搅拌反应釜、pH中和过程、MMA聚合反应、生物反应器等为对象,依据过程的输入输出数据建立辨识模型来描述系统的动态特性,并基于所得模型设计非线性预测控制器。同时,结合智能优化算法研究有约束非线性预测控制的控制律求解问题。论文的研究内容主要包括以下几个方面:1.以一阶连续搅拌反应釜为研究对象,分析其模型的阶跃响应特性和稳定性。将CSTR的机理模型辨识成为LSSVM-ARX结构的Hammerstein模型,并与采用多项式函数结构的Hammerstein模型比较辨识效果。基于辨识所得模型,提出相应的非线性预测控制算法,给出了预测控制律的求解及非线性环节逆模型的构造方法。将该方法用于CSTR的反应物浓度控制中,并与基于多项式函数的Hammerstein模型预测控制以及PI控制器仿真比较其效果。2.提出了一种辨识Wiener模型的新方法,采用Laguerre正交函数描述模型的线性环节,采用最小二乘支持向量机描述其非线性环节。给出了模型的结构和辨识的具体步骤,并将该方法推广到多输入多输出Wiener模型的辨识中。将所提方法分别针对SISO和MIMO情况进行仿真验证,并与基于多项式函数的Laguerre-Wiener模型比较辨识效果。3.将线性环节为Laguerre函数的Wiener模型用于pH中和过程的辨识及预测控制。将过程的机理模型分别辨识为Laguerre-LSSVM结构的Wiener模型、Laguerre-SVR结构的Wiener模型、Laguerre-多项式结构的Wiener模型和线性Laguerre模型,比较各模型的辨识效果,分别基于得到的四种模型对pH中和过程实施有约束预测控制,利用SQP算法求解控制律。4.以MMA聚合反应为对象,研究基于高斯过程的模型辨识及非线性预测控制。分别针对不同的模型延迟分析高斯过程的动态建模效果,比较其计算时间和预测性能,选择最为合适的延迟建立最终的高斯模型,输出其模型预测结果。将辨识得到的高斯过程模型作为预测模型,构建非线性预测控制算法,并用于MMA聚合过程数均分子量的跟踪控制。5.针对基本粒子群算法容易出现“早熟”收敛的缺点,提出一种改进的混合遗传粒子群算法,在基本算法的迭代中引入淘汰机制,将满足淘汰条件的粒子与适应度最优的粒子进行多后代择优交叉和一定概率的变异,以期得到适应度更优的新粒子代替被淘汰粒子,从而提高算法的全局寻优能力。将混合遗传粒子群算法用于有约束线性广义预测控制的控制律求解中,仿真验证其有效性。在此基础上,提出了一种基于NARIMAX模型的有约束非线性广义预测控制方法,给出了非线性广义预测控制的参数在线辨识方法和基于混合遗传粒子群算法的控制量求解步骤,并用于开环不稳定生物反应器的控制。
吴夏来[10]（2010）在《广义预测控制简化算法研究》文中研究说明广义预测控制技术最初由Clarke和其合作者于1984年提出,它采用传统的参数模型（如CARIMA模型）,参数的数目较少,对于过程参数慢时变的系统,易于在线估计参数。由于引入了不相等的预测水平和控制水平,具有预测模型、滚动优化和反馈校正三个基本特征,呈现了优良的控制性能,被认为是具有代表性的预测控制算法之一,受到学术和工程界的广泛关注。但是基本的广义预测控制需要进行矩阵求逆运算,计算量很大,不适合要求快速响应的实时控制系统。本文在参考大量国内外文献的基础上,对广义预测控制算法进行了简化研究,并针对典型的工业过程模型进行了仿真和实验研究。（1）针对一类工业控制过程的快速无超调要求,本文引入阶梯式控制方法,避免了传统广义预测控制中逆矩阵运算量大的问题。同时利用单值广义预测控制的方法求出下一步控制增量并用来补偿当前控制量,提出了一种快速无超调的预测控制方法,并给出了方法实施步骤。仿真结果表明,本算法能有效地抑制超调,控制速度快,鲁棒性好。（2）针对在实际控制系统中,约束条件几乎无处不在的情况,提出一种输入受限的输出增量反馈广义预测控制算法。该算法通过离线计算未来控制增量序列的方式避免了求逆矩阵运算,大大地减少了计算量。而且,在输入和输入增量有约束的条件下,只需在线调整最大输出增量的设定值就可求出约束条件下的最优控制量,保证输出渐进稳定跟踪设定值。仿真结果证明了该算法的有效性。（3）对传统的输出增量反馈预测控制算法进行了简化,避免了高维逆矩阵而带来的计算困难,提出了基于BP神经网络的最大输出增量在线自整定的广义预测控制。与一般输出增量反馈预测控制算法相比,利用神经网络在线调整θ值可以使系统跟踪速度快且无超调,有效地避免了人工选取参数的困难。仿真结果表明了本算法的有效性。（4）针对一类大惯性、慢时变对象,本文在基本广义预测控制算法的基础上,用实际误差对模型预测输出进行校正,引入阶梯控制方法,充分利用预测信息,给出了一种具有平滑滤波作用的控制律,提出了一种改进的广义预测算法。同时设计了一个基于组态王的水箱液位监控系统,并采样所提出的算法在该监控系统中进行实验研究。实验结果表明:与基本的广义预测控制结果相比,本算法能有效地抑制超调,抗干扰性强,鲁棒性好。本文对所提出的算法不仅在理论上进行了推导,还进行了大量的仿真实验和实验研究,结果表明了本文所提算法的有效性。
二、有约束加权广义预测控制算法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、有约束加权广义预测控制算法（论文提纲范文）
（1）掘进工作面自动风窗开度的预测控制研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 风窗的研究现状 |
| 1.2.2 预测控制的研究现状 |
| 1.2.3 基于支持向量机的预测控制的研究现状 |
| 1.3 论文主要研究内容 |
| 2 自动风窗结构及控制方法研究 |
| 2.1 掘进面通风分析 |
| 2.2 自动风窗的结构及控制过程 |
| 2.3 自动风窗开度控制的研究 |
| 2.3.1 传统风窗开度的计算方法 |
| 2.3.2 传统风窗开度控制方法 |
| 2.3.3 影响瓦斯浓度的因素 |
| 2.4 控制策略的提出 |
| 2.5 本章小结 |
| 3 基于支持向量机的预测控制 |
| 3.1 机器学习及统计学习 |
| 3.1.1 VC维理论 |
| 3.1.2 结构风险最小化 |
| 3.2 支持向量机 |
| 3.2.1 支持向量机分类原理 |
| 3.2.2 支持向量机回归原理 |
| 3.2.3 支持向量机在瓦斯浓度预测方面的适用性 |
| 3.3 瓦斯浓度预测模型的建立 |
| 3.3.1 基于支持向量机的瓦斯浓度预测模型的建立 |
| 3.3.2 核函数的选择 |
| 3.3.3 粒子群优化算法 |
| 3.4 瓦斯浓度预测及结果对比分析 |
| 3.4.1 基于SVM的瓦斯浓度预测及结果分析 |
| 3.4.2 基于PSO-SVM的瓦斯浓度预测及结果分析 |
| 3.4.3 基于PSO-BP的瓦斯浓度预测及结果分析 |
| 3.5 本章小结 |
| 4 基于支持向量机的风窗开度预测控制 |
| 4.1 预测控制原理 |
| 4.2 广义预测控制 |
| 4.2.1 GPC预测模型 |
| 4.2.2 GPC滚动优化 |
| 4.2.3 GPC反馈校正 |
| 4.2.4 GPC中参数的影响 |
| 4.2.5 仿真研究 |
| 4.3 基于支持向量机的广义预测预测 |
| 4.3.1 基于支持向量机预测模型的线性化 |
| 4.3.2 隐式广义预测控制算法 |
| 4.3.3 基于支持向量机的广义预测控制 |
| 4.4 本章小结 |
| 5 自动风窗预测控制系统仿真 |
| 5.1 自动风窗开度的建模与控制 |
| 5.1.1 控制方案设计 |
| 5.1.2 动态建模 |
| 5.1.3 优化控制器设计 |
| 5.2 仿真研究 |
| 5.2.1 无扰动情况下基于PSO-SVM的GPC控制效果 |
| 5.2.2 有扰动情况下基于PSO-SVM的GPC控制效果 |
| 5.3 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（2）燃煤电站SCR脱硝系统先进控制技术研发与应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题的背景与意义 |
| 1.2 国内外研究现状与发展趋势 |
| 1.2.1 基于模型预测的SCR脱硝系统脱硝控制 |
| 1.2.2 模型自适应能力的研究 |
| 1.2.3 数据建模及仿真方法研究 |
| 1.3 本文研究内容和工作 |
| 第二章 SCR脱硝系统生产工艺、特性和常规控制 |
| 2.1 引言 |
| 2.2 SCR脱硝系统脱硝原理及结构组成 |
| 2.2.1 SCR脱硝系统反应机理 |
| 2.2.2 SCR脱硝系统喷氨装置 |
| 2.2.3 SCR脱硝系统氨烟混合装置 |
| 2.2.4 SCR脱硝系统脱硝反应器 |
| 2.2.5 SCR脱硝系统运行参数在线测量系统 |
| 2.3 SCR脱硝系统喷氨过程动态特性 |
| 2.3.1 喷氨分区“动态”调整特性 |
| 2.3.2 喷氨自动控制动态特性 |
| 2.4 神华国华寿光发电厂SCR脱硝系统脱硝常规控制方案 |
| 2.4.1 常规控制方案简述 |
| 2.4.2 常规控制方案品质分析 |
| 2.5 本章小结 |
| 第三章 燃煤电站SCR脱硝系统先进综合控制方案 |
| 3.1 引言 |
| 3.2 系统控制总体方案 |
| 3.3 基于Smith预估和状态变量补偿的SCR脱硝串级控制方案设计 |
| 3.3.1 改进的串级控制方案的内回路设计 |
| 3.3.2 主对象经Smith预估补偿后等效对象的状态重构及其反馈设计 |
| 3.3.3 改进的串级控制方案的主控制器设计 |
| 3.3.4 改进的串级控制方案性能的仿真验证 |
| 3.4 基于GPC反馈控制的改进串级控制方案设计 |
| 3.4.1 无约束GPC算法 |
| 3.4.2 有约束GPC算法 |
| 3.4.3 适合工程应用的γ增量型阶梯GPC算法 |
| 3.4.4 改进串级控制方案GPC主控制器设计与仿真验证 |
| 3.5 氨气流量智能前馈控制技术 |
| 3.5.1 消除入口NO_x扰动的动态补偿 |
| 3.5.2 消除NO_x分析仪测量失真扰动的动态补偿 |
| 3.5.3 智能前馈控制模型的自适应方法 |
| 3.6 本章小结 |
| 第四章 SCR脱硝系统脱硝先进综合控制技术工程应用 |
| 4.1 工程概述 |
| 4.2 硬件设计 |
| 4.2.1 设计原则 |
| 4.2.2 硬件配置和功能实现 |
| 4.3 软件设计 |
| 4.3.1 软件开发 |
| 4.3.2 控制方案工程设计 |
| 4.4 工程应用效果 |
| 4.4.1 实施过程 |
| 4.4.2 运行效果 |
| 4.4.3 经济效益定性分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结本文主要结论 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 学位论文评阅及答辩情况表 |
（3）基于扰动观测器的模型预测控制方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 模型预测控制理论发展与研究现状 |
| 1.2.1 模型预测控制的产生与发展 |
| 1.2.2 基本原理 |
| 1.2.3 模型预测控制研究现状 |
| 1.3 扰动观测器原理及研究现状 |
| 1.3.1 扰动观测器原理 |
| 1.3.2 扰动观测器研究现状 |
| 1.4 本文主要工作与结构安排 |
| 1.4.1 主要研究内容 |
| 1.4.2 本文结构安排 |
| 2 基于扰动观测器的多变量非最小状态空间模型预测控制 |
| 2.1 引言 |
| 2.2 扰动观测器设计分析 |
| 2.3 基于扰动观测器的非最小状态空间预测模型 |
| 2.4 复合控制器设计 |
| 2.5 仿真研究 |
| 2.6 本章小结 |
| 3 基于双扰动观测器的模型预测控制 |
| 3.1 引言 |
| 3.2 双扰动观测器设计 |
| 3.3 基于DDOB的状态空间预测模型 |
| 3.4 DDOB-MPC控制器设计 |
| 3.5 仿真研究 |
| 3.6 本章小结 |
| 4 总结与展望 |
| 4.1 总结 |
| 4.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间发表的学术论文目录 |
（4）基于预测控制的分布式电源并网研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 创新点摘要 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 针对合理规划DG并网技术国内外研究现状 |
| 1.3 DG并网优化算法 |
| 1.3.1 经典求解法 |
| 1.3.2 启发式算法 |
| 1.3.3 智能优化求解法 |
| 1.4 现代预测控制及研究动向 |
| 1.4.1 预测控制特点 |
| 1.4.2 预测控制研究动向 |
| 1.5 本文主要研究内容 |
| 第二章 分布式电源并网模型及其并网影响分析 |
| 2.1 DG并网基本介绍 |
| 2.1.1 DG的定义 |
| 2.1.2 DG的分类 |
| 2.1.3 DG并网的效益说明 |
| 2.2 分布式电源的并网模型 |
| 2.2.1 风力发电机的建模 |
| 2.2.2 太阳能光伏电池 |
| 2.2.3 DG并网节点的处理 |
| 2.3 DG并网对配电网的影响 |
| 2.3.1 对电能质量的影响 |
| 2.3.2 对配电网络损耗的影响 |
| 2.3.3 对配电网络可靠性的影响 |
| 2.4 本章小结 |
| 第三章 含DG并网的配电网潮流计算及多目标优化模型建立 |
| 3.1 DG并网的潮流计算分析 |
| 3.1.1 潮流计算原理介绍 |
| 3.1.2 潮流计算的前推原理 |
| 3.1.3 潮流计算的回代过程 |
| 3.2 DG并网的约束分析 |
| 3.2.1 线路过载约束 |
| 3.2.2 电压约束 |
| 3.2.3 潮流功率平衡约束 |
| 3.2.4 容量约束 |
| 3.3 基于双层规划的DG并网配置优化 |
| 3.3.1 双层规划思想 |
| 3.3.2 DG并网首层规划 |
| 3.3.3 DG并网底层规划 |
| 3.4 本章小结 |
| 第四章 基于GA优化的有约束GPC算法 |
| 4.1 预测控制数学基础 |
| 4.1.1 预测控制基本原理 |
| 4.1.2 CARIMA模型及Diophantine方程 |
| 4.2 广义预测控制原理 |
| 4.2.1 GPC的多步输出预测 |
| 4.2.2 GPC的滚动优化 |
| 4.2.3 GPC的在线辨识与反馈校正 |
| 4.3 基于GA优化的有约束GPC算法 |
| 4.3.1 GA算法原理 |
| 4.3.2 GA算法的改进 |
| 4.3.3 改进的GA-GPC算法及实现 |
| 4.4 GA-GPC算法验证 |
| 4.4.1 改进的GA性能测试 |
| 4.4.2 GA-GPC阶跃响应测试 |
| 4.5 本章小结 |
| 第五章 基于GA-GPC算法的DG并网配置优化 |
| 5.1 GA-GPC求解优化模型流程 |
| 5.2 仿真及结果分析 |
| 5.2.1 仿真算例概况 |
| 5.2.2 改进GA-GPC有效性对比分析 |
| 5.2.3 多类型DG并网仿真 |
| 5.3 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间科研成果 |
| 致谢 |
（5）软约束激活情形下预测控制可控性分析（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 引言 |
| 第1章 文献综述 |
| 1.1 预测控制概述 |
| 1.1.1 预测控制基础理论 |
| 1.1.2 预测控制研究进展 |
| 1.2 约束预测控制概述 |
| 1.2.1 约束的定义 |
| 1.2.2 约束预测控制算法及研究进展 |
| 1.2.3 约束预测控制软约束调整策略 |
| 1.3 有约束系统的可行域研究 |
| 1.4 预测控制动态特性研究现状 |
| 1.5 本章小结 |
| 第2章 约束预测控制动态响应分析及控制目标调整机制 |
| 2.1 约束预测控制算法及其可行域描述 |
| 2.2 预测控制动态响应原理及分析 |
| 2.2.1 P步预测值对系统约束的影响分析 |
| 2.2.2 动态约束对预测控制可行性的影响分析 |
| 2.3 基于硬约束的预测控制目标调整机制 |
| 2.4 目标调整后系统稳定性保证 |
| 2.5 仿真与示例 |
| 2.6 本章小结 |
| 第3章 软约束激活时预测控制系统结构分析及约束调整策略 |
| 3.1 软约束激活时预测控制结构分析 |
| 3.1.1 期望值位于硬约束边界上时系统结构变化 |
| 3.1.2 期望值位于软约束边界上时系统结构变化 |
| 3.2 软约束调整的可行性分析 |
| 3.2.1 系统可行域及其约束调整对可行性的影响 |
| 3.2.2 系统变量动态可达集对可行性的影响 |
| 3.3 软约束激活时系统约束调整策略 |
| 3.4 仿真与示例 |
| 3.5 本章小结 |
| 第4章 结论 |
| 参考文献 |
| 附录A 在学期间研究成果 |
| 致谢 |
（6）滚动时域性能指标下的实时控制器参数优化方法（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 主要符号对照表 |
| 主要缩略语对照表 |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 研究的背景及意义 |
| 1.2.1 优化性能指标中的权衡思想 |
| 1.2.2 节能降耗对控制技术的需求 |
| 1.3 PID控制器参数优化方法的研究现状 |
| 1.4 滚动优化策略及其性能指标权重系数设计方法 |
| 1.5 本文的主要研究内容、创新点及框架 |
| 1.5.1 论文的主要内容及创新点 |
| 1.5.2 论文的框架 |
| 第二章 PID控制器参数整定启发式算法 |
| 2.1 引言 |
| 2.2 VSC系统的P控制器参数整定 |
| 2.2.1 VSC系统 |
| 2.2.2 控制器参数范围 |
| 2.2.3 P控制器参数整定 |
| 2.2.4 VSC系统P控制器参数整定仿真结果 |
| 2.3 HVAC系统的PI控制器参数整定 |
| 2.3.1 HVAC系统 |
| 2.3.2 稳定性分析 |
| 2.3.3 闭环阶跃响应 |
| 2.3.4 PI控制器参数整定 |
| 2.3.5 HVAC系统PI控制器参数整定仿真结果 |
| 2.4 本章小结 |
| 第三章 基于滚动优化策略的RHO-PID控制器参数在线整定 |
| 3.1 引言 |
| 3.2 RHO-PID控制器参数在线优化算法 |
| 3.2.1 对象ARX模型与PID控制器表达式 |
| 3.2.2 预测输出关于PID参数的表达式 |
| 3.2.3 控制信号关于PID参数的表达式 |
| 3.2.4 RHO-PID参数优化指标 |
| 3.3 仿真结果 |
| 3.3.1 不同权重系数下P控制器参数在线整定 |
| 3.3.2 约束条件下PI控制器参数在线整定 |
| 3.3.3 改变跟踪设定值PID控制器参数在线整定 |
| 3.4 本章小结 |
| 第四章 RHO-PID参数整定中性能指标权重系数设计 |
| 4.1 引言 |
| 4.2 滚动优化性能分析 |
| 4.2.1 基于ARX模型的滚动优化 |
| 4.2.2 跟踪性能与控制能量的权衡 |
| 4.3 权重系数设计方法 |
| 4.3.1 未来调节时间内的系统输出 |
| 4.3.2 未来调节时间内的系统输入 |
| 4.3.3 权重系数优化指标 |
| 4.4 变权重系数的优化设计 |
| 4.4.1 权矩阵系数优化 |
| 4.4.2 变权重系数优化 |
| 4.5 仿真结果 |
| 4.5.1 初始状态为零的仿真验证 |
| 4.5.2 在线调整权重系数仿真验证 |
| 4.5.3 系统综合性能优化结果 |
| 4.5.4 变权重系数仿真结果 |
| 4.6 本章小结 |
| 第五章 数据驱动下的RHO-PID参数在线整定 |
| 5.1 引言 |
| 5.2 数据驱动子空间方法 |
| 5.3 基于子空间方法的RHO-PID在线整定 |
| 5.4 仿真结果 |
| 5.4.1 子空间辨识结果 |
| 5.4.2 数据驱动的RHO-PID在线整定结果 |
| 5.4.3 被控对象参数改变时RHO-PID在线整定结果 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 附录A 系统动态响应指标与ISE性能指标的关系转化 |
| 附录B HVAC系统滚动优化性能指标权重系数设计详细推导过程 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
| 攻读学位期间参与的项目 |
（7）冷轧轧制压力的预测控制与优化仿真研究（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| 第1章 绪论 |
| 1.1 问题的研究背景和研究现状 |
| 1.1.1 带钢冷连轧计算机控制系统简介 |
| 1.1.2 液压压下控制系统的研究现状 |
| 1.1.3 冷轧轧制压力控制的重要意义 |
| 1.2 广义预测控制理论的概述 |
| 1.2.1 预测控制的基本原理 |
| 1.2.2 广义预测控制算法的研究背景及主要特点 |
| 1.2.3 广义预测控制算法的研究现状 |
| 1.3 差分进化算法的概述 |
| 1.3.1 差分进化算法的研究背景及其主要思想描述 |
| 1.3.2 差分进化算法的研究现状 |
| 1.4 本文的主要工作 |
| 第2章 冷连轧机液压轧制压力的无约束广义预测控制 |
| 2.1 冷连轧机液压压下控制系统简介 |
| 2.1.1 冷连轧机的机械结构 |
| 2.1.2 冷连轧机液压压下控制系统 |
| 2.2 冷连轧机液压轧制压力控制系统的数学模型 |
| 2.2.1 冷连轧机液压轧制压力控制系统的组成 |
| 2.2.2 冷连轧机液压轧制压力控制系统的数学模型 |
| 2.3 基于广义预测控制的冷连轧机液压轧制压力控制系统 |
| 2.3.1 广义预测控制的基本理论 |
| 2.3.2 广义预测控制抑制超调量的改进策略 |
| 2.3.3 冷连轧机液压轧制压力的广义预测控制 |
| 2.4 本章小结 |
| 第3章 冷连轧机液压轧制压力的有约束广义预测控制 |
| 3.1 差分进化算法原理 |
| 3.1.1 变异操作 |
| 3.1.2 交叉操作 |
| 3.1.3 选择操作 |
| 3.1.4 差分进化算法的运行参数 |
| 3.1.5 标准差分进化算法的步骤 |
| 3.1.6 差分进化算法的一些扩展应用模式 |
| 3.2 基于差分进化算法的冷连轧机液压轧制压力广义预测控制 |
| 3.2.1 滚动优化性能指标的处理 |
| 3.2.2 冷轧轧制压力控制中存在的约束及处理 |
| 3.2.3 加入改进策略的自适应差分进化算法 |
| 3.2.4 基于自适应差分进化算法优化的有约束广义预测控制 |
| 3.3 本章小结 |
| 第4章 实验结果与分析 |
| 4.1 系统的CARIMA模型及参数初始化 |
| 4.2 冷连轧机液压轧制压力无约束广义预测控制系统仿真 |
| 4.3 冷连轧机液压轧制压力有约束广义预测控制系统仿真 |
| 4.4 本章小结 |
| 第5章 冷轧轧制压力设定优化与控制系统介绍 |
| 5.1 软件系统设计方案 |
| 5.2 系统界面介绍 |
| 5.2.1 主界面 |
| 5.2.2 登录界面 |
| 5.2.3 冷连轧生产过程仿真界面 |
| 5.2.4 冷轧生产过程优化界面 |
| 5.2.5 轧机生产设定与控制界面 |
| 5.2.6 警报汇总界面 |
| 5.3 本章小结 |
| 第6章 结束语 |
| 参考文献 |
| 致谢 |
（8）复杂热工系统广义非线性预测控制及在线优化研究（论文提纲范文）
| 致谢 |
| 中文摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 课题的研究背景和意义 |
| 1.1.1 课题来源 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 预测控制的发展历史 |
| 1.2.2 非线性预测控制的研究现状 |
| 1.2.3 非线性预测控制在电厂热工过程中的研究现状 |
| 1.2.4 优化技术在火力发电中的应用现状和前景 |
| 1.3 本文的主要工作内容 |
| 2 广义预测控制理论研究及性能分析 |
| 2.1 引言 |
| 2.2 广义预测控制基本算法 |
| 2.2.1 预测模型 |
| 2.2.2 滚动优化 |
| 2.2.3 反馈校正 |
| 2.3 广义预测控制性能分析 |
| 2.3.1 广义预测控制系统的闭环方块图 |
| 2.3.2 广义预测控制系统的稳定性 |
| 2.3.3 广义预测控制系统的鲁棒性 |
| 2.3.4 广义预测控制算法中主要参数对系统性能的影响 |
| 2.4 小结 |
| 3 广义预测控制在线优化算法的研究及应用 |
| 3.1 引言 |
| 3.2 在线优化算法 |
| 3.2.1 混沌优化算法COA |
| 3.2.2 粒子群优化算法PSO |
| 3.2.3 小世界优化算法及二进制编码算法B-SWA描述 |
| 3.3 基于实数编码的小世界优化算法RSW |
| 3.3.1 基于实数编码的小世界优化算法的提出 |
| 3.3.2 长连接和短连接搜索算子的构造 |
| 3.3.3 实数编码小世界优化算法的算法步骤 |
| 3.4 四种优化算法寻优性能比较 |
| 3.5 仿真研究分析 |
| 3.5.1 跟踪给定值特性 |
| 3.5.2 模型时滞变化时的跟踪给定值特性 |
| 3.5.3 模型阶次变化时的跟踪给定值特性 |
| 3.6 小结 |
| 4 基于BP神经网络的多目标优化非线性负荷广义预测控制 |
| 4.1 引言 |
| 4.2 单元机组负荷控制系统 |
| 4.2.1 单元机组动态数学模型 |
| 4.2.2 锅炉核心模型描述 |
| 4.2.3 磨煤机、水冷壁及汽轮机动态模型 |
| 4.3 基于BP神经网络的多步预测模型 |
| 4.3.1 BP模型与辨识算法 |
| 4.3.2 多步预测输出 |
| 4.4 多目标优化非线性预测控制策略 |
| 4.4.1 热工过程多目标优化问题的引入 |
| 4.4.2 基于实数编码小世界优化算法的多目标优化 |
| 4.4.3 广义非线性预测控制算法步骤 |
| 4.5 仿真实例 |
| 4.5.1 非线性NARMAX模型离散系统的辨识及控制效果分析 |
| 4.5.2 单元机组负荷控制多目标优化广义非线性预测控制 |
| 4.6 小结 |
| 5 基于T-S模糊模型的锅炉过热汽温广义非线性预测控制策略 |
| 5.1 引言 |
| 5.2 锅炉过热汽温的动态特性描述 |
| 5.3 锅炉过热汽温的T-S模糊模型建立 |
| 5.3.1 混沌遗传优化算法 |
| 5.3.2 基于混沌遗传优化算法的模糊辨识步骤 |
| 5.3.3 实际锅炉过热汽温辨识 |
| 5.4 锅炉过热汽温的广义非线性预测控制策略 |
| 5.4.1 基于T-S模糊模型的广义非线性预测控制算法步骤 |
| 5.4.2 实际锅炉过热汽温系统仿真与分析 |
| 5.5 小结 |
| 6 有约束广义非线性预测控制策略 |
| 6.1 引言 |
| 6.2 有约束广义预测控制策略 |
| 6.2.1 广义预测控制状态空间模型 |
| 6.2.2 优化目标准则 |
| 6.2.3 有约束的优化策略 |
| 6.3 有约束广义预测控制在线优化算法对比 |
| 6.3.1 有约束线性离散系统 |
| 6.3.2 二次规划优化算法QP |
| 6.3.3 粒子群优化算法PSO |
| 6.3.4 实数编码的小世界优化算法RSW |
| 6.4 实例仿真研究分析 |
| 6.4.1 单元机组负荷控制 |
| 6.4.2 锅炉过热汽温 |
| 6.5 小结 |
| 7 结论 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（9）一类连续化工生产过程的模型辨识及非线性预测控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.1.1 课题来源 |
| 1.1.2 研究的目的和意义 |
| 1.2 预测控制基本原理及应用 |
| 1.3 非线性预测控制算法综述 |
| 1.3.1 非线性预测控制问题的描述 |
| 1.3.2 基于机理模型的非线性预测控制 |
| 1.3.3 基于线性化模型的非线性预测控制 |
| 1.3.4 基于实验模型的非线性预测控制 |
| 1.3.5 基于智能模型的非线性预测控制 |
| 1.3.6 非线性预测控制的稳定性 |
| 1.3.7 非线性预测控制的鲁棒性 |
| 1.4 基于智能优化算法的预测控制律求解综述 |
| 1.5 本文的内容安排 |
| 第2章 CSTR 的Hammerstein 模型辨识及预测控制 |
| 2.1 引言 |
| 2.2 一阶连续搅拌反应釜的模型分析 |
| 2.2.1 CSTR 的数学模型 |
| 2.2.2 CSTR 模型分析 |
| 2.3 连续搅拌反应釜的Hammerstein 模型辨识 |
| 2.3.1 Hammerstein 模型 |
| 2.3.2 基于多项式函数的Hammerstein 模型辨识 |
| 2.3.3 基于LSSVM 的Hammerstein 模型辨识 |
| 2.4 基于Hammerstein 模型的CSTR 非线性预测控制 |
| 2.4.1 预测控制策略 |
| 2.4.2 输出预测 |
| 2.4.3 求解预测律 |
| 2.4.4 仿真结果及分析 |
| 2.5 本章小结 |
| 第3章 一种Wiener 模型辨识的新方法 |
| 3.1 引言 |
| 3.2 一种基于Laguerre-LSSVM 结构的Wiener 模型辨识方法 |
| 3.2.1 Wiener 模型 |
| 3.2.2 动态线性环节 |
| 3.2.3 静态非线性环节 |
| 3.2.4 多输入多输出Wiener 模型辨识方法扩展 |
| 3.3 仿真实例 |
| 3.3.1 SISO 模型仿真 |
| 3.3.2 MIMO 模型仿真 |
| 3.4 本章小结 |
| 第4 章基于Wiener 模型的pH 中和过程预测控制 |
| 4.1 引言 |
| 4.2 pH 中和过程介绍及模型分析 |
| 4.2.1 pH 中和过程简介 |
| 4.2.2 pH 中和过程数学模型分析 |
| 4.3 pH 中和过程的非线性模型预测控制 |
| 4.3.1 非线性预测控制算法构造 |
| 4.3.2 pH 中和过程的Wiener 模型辨识 |
| 4.3.3 非线性预测控制结果及分析 |
| 4.4 本章小结 |
| 第5章 基于高斯过程的聚合反应非线性预测控制 |
| 5.1 引言 |
| 5.2 高斯过程建模 |
| 5.2.1 Bayesian 学习方法 |
| 5.2.2 高斯过程 |
| 5.2.3 协方差函数 |
| 5.2.4 高斯过程训练 |
| 5.3 基于高斯过程的MMA 聚合反应非线性预测控制 |
| 5.3.1 MMA 聚合反应过程 |
| 5.3.2 MMA 聚合反应的高斯过程模型 |
| 5.3.3 基于高斯过程模型的非线性预测控制 |
| 5.4 本章小结 |
| 第6章 基于混合遗传粒子群算法的广义预测控制 |
| 6.1 引言 |
| 6.2 粒子群优化算法及其改进 |
| 6.2.1 基本粒子群优化算法 |
| 6.2.2 改进的粒子群优化算法 |
| 6.3 一种新型的混合遗传粒子群优化算法 |
| 6.3.1 算法的基本思想 |
| 6.3.2 算法的实现步骤 |
| 6.3.3 算法测试及仿真 |
| 6.4 基于HGPSO 的线性广义预测控制 |
| 6.4.1 CARIMA 预测模型 |
| 6.4.2 控制律求解 |
| 6.4.3 在线辨识与校正 |
| 6.4.4 仿真实例 |
| 6.5 基于HGPSO 的非线性广义预测控制 |
| 6.5.1 生物反应器模型 |
| 6.5.2 基于NARIMAX 模型的非线性广义预测控制 |
| 6.5.3 仿真结果及分析 |
| 6.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间发表的学术论文 |
| 攻读博士学位期间参与的科研项目与获奖情况 |
| 致谢 |
| 个人简历 |
（10）广义预测控制简化算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 本课题的研究背景和意义 |
| 1.2 预测控制的基本类型 |
| 1.3 现代预测控制的研究动向 |
| 1.4 广义预测控制简化算法的研究现状 |
| 1.4.1 GPC 的直接算法 |
| 1.4.2 GPC 的在线改进算法 |
| 1.5 约束条件下的预测控制方法 |
| 1.6 论文的主要研究内容和结构 |
| 第2章 广义预测控制的基本算法 |
| 2.1 广义预测控制模型和多步预测 |
| 2.2 多潘图方程的递推解 |
| 2.3 最优控制律的计算 |
| 2.4 广义预测控制算法中参数的选择 |
| 2.4.1 预测时域长度P |
| 2.4.2 控制时域长度M |
| 2.4.3 误差加权矩阵Q 和控制加权矩阵λ |
| 第3章 一种简化的广义预测控制算法 |
| 3.1 引言 |
| 3.2 一种快速无超调的预测控制方法 |
| 3.2.1 广义预测模型及其基本原理 |
| 3.2.2 抑制超调的快速预测改进算法 |
| 3.2.3 仿真实验 |
| 3.3 本章小结 |
| 第4章 约束条件下的广义预测控制算法 |
| 4.1 引言 |
| 4.2 输出增量反馈预测控制算法的介绍 |
| 4.3 输入受限的输出增量反馈预测控制快速算法 |
| 4.4 仿真结果 |
| 4.5 本章小结 |
| 第5章 参数自整定的广义预测控制 |
| 5.1 引言 |
| 5.2 输出增量反馈预测控制简化算法 |
| 5.3 基于BP 神经网络的最大输出增量自整定 |
| 5.4 仿真结果 |
| 5.5 本章小结 |
| 第6章 一种改进的广义预测控制算法在液位控制系统里的应用 |
| 6.1 引言 |
| 6.2 控制系统的结构 |
| 6.3 组态画面设计 |
| 6.3.1 组态王软件介绍 |
| 6.3.2 组态画面 |
| 6.4 MATLAB 与组态王之间的DDE 通信 |
| 6.4.1 动态数据交换（DDE）方式 |
| 6.4.2 DDE 的设置 |
| 6.5 液位对象CARIMA 模型的建立 |
| 6.5.1 GPC 模型参数辨识 |
| 6.5.2 数据预处理 |
| 6.6 改进的广义预测控制算法 |
| 6.7 实验结果 |
| 6.8 本章小结 |
| 第7章 结论与展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间所取得的研究成果 |
四、有约束加权广义预测控制算法（论文参考文献）
- [1]掘进工作面自动风窗开度的预测控制研究[D]. 方丹. 西安科技大学, 2021(02)
- [2]燃煤电站SCR脱硝系统先进控制技术研发与应用[D]. 刘同勇. 山东大学, 2021(12)
- [3]基于扰动观测器的模型预测控制方法研究[D]. 苏耀伦. 辽宁石油化工大学, 2020(04)
- [4]基于预测控制的分布式电源并网研究[D]. 孙雨凝. 东北石油大学, 2020(03)
- [5]软约束激活情形下预测控制可控性分析[D]. 刘冰洁. 中国石油大学(北京), 2018(01)
- [6]滚动时域性能指标下的实时控制器参数优化方法[D]. 吴永玲. 上海交通大学, 2018(01)
- [7]冷轧轧制压力的预测控制与优化仿真研究[D]. 刘建伟. 东北大学, 2011(05)
- [8]复杂热工系统广义非线性预测控制及在线优化研究[D]. 董旸. 北京交通大学, 2010(10)
- [9]一类连续化工生产过程的模型辨识及非线性预测控制研究[D]. 张健中. 哈尔滨工业大学, 2010(05)
- [10]广义预测控制简化算法研究[D]. 吴夏来. 浙江理工大学, 2010(06)