导读:本文包含了非线性预测控制论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:系统,神经网络,模型,车辆,平顺,线性化,深度。
非线性预测控制论文文献综述
姜雪莹,郭颖,施惠元,苏成利[1]（2019）在《基于TSA多变量非线性RBF神经网络预测控制》一文中研究指出为了解决现在有的非线性预测控制方法在线实时求解非线性方法的困难,提出一种基于TSA的多变量非线性RBF神经网络预测控制算法。该算法采用多个RBF神经网络建立非线性系统的过程模型,并作为预测模型。采用树和种子算法(TSA)在线搜索非线性预测控制系统的最优控制律,避免了直接递推控制律时解决复杂的非线性优化问题。CSTR过程的仿真对比结果验证了该算法的跟踪性能和抗干扰能力。(本文来源于《控制工程》期刊2019年09期）
胡启国,陆伟[2]（2019）在《基于分段仿射模型的非线性悬架预测控制》一文中研究指出为了避免车辆通过不平路面时发生悬架击穿,提出了一种基于多模型预测控制的车辆非线性悬架主动控制方法。建立了1/4非线性悬架模型,采用基于改进粒子群算法的数据聚类和参数辨识,建立了主动力和车身位移关系的线性分段仿射(PWA)模型。通过多模型预测控制理论研究半主动悬架PWA模型的滚动时域优化控制问题,得到最优控制信号。利用Matlab/Simulink进行随机路面和正弦凸起路面仿真。结果表明:采用多模型预测控制可以使得车辆在遇到不平路面时保持稳定的车身姿态,同时很好地控制悬架动行程,减小了悬架击穿的概率。(本文来源于《汽车安全与节能学报》期刊2019年03期）
施德华,蔡英凤,汪少华,陈龙,朱镇[3]（2019）在《系统效率最优的功率分流式混合动力汽车非线性预测控制》一文中研究指出针对一种基于双行星排构型的功率分流式混合动力汽车,建立系统动态模型,准确描述其转速转矩耦合关系,通过建立各部件的效率模型,分析不同模式下系统的工作效率.设计控制器结构框架,以系统工作效率和电池充放电平衡为目标,构建基于模型预测控制的优化问题,采用一步马尔科夫链模型预测驾驶员需求转矩及车速,将有限时域内的优化问题转化为非线性规划问题,基于序列二次规划算法实现优化求解.仿真研究表明,基于系统效率最优的预测控制器能够维持电池的充放电平衡,在美国城市驾驶循环(UDDS)下,当电池初始电池荷电状态(SOC)分别为0.50、0.55和0.60时,相较于以发动机燃油消耗最优为目标,车辆等效燃油经济性分别提高了7.17%、5.73%和10.11%,验证了控制器的有效性和优越性.(本文来源于《浙江大学学报(工学版)》期刊2019年12期）
马乐乐,刘向杰[4]（2019）在《快速非线性批次过程高效迭代学习预测函数控制》一文中研究指出在现代工业中,存在许多具有强非线性的快速批次生产过程。这类过程的轨迹跟踪控制难度较大,采用非线性优化计算复杂度大,无法适应系统的快速性要求;而采用线性优化方法难以获得精确的控制模型。针对此问题,本文提出一种非线性迭代学习预测函数控制策略,其中沿参考轨迹线性化处理原非线性模型,构造基于跟踪误差的迭代预测模型,提高模型精确度。并在优化中,巧妙考虑线性化误差,用实际跟踪误差的范数上界代替传统目标函数。为提高控制效率,结合预测函数控制,通过减小待优化变量维度,有效降低优化计算量。分析了基于终端约束的迭代学习预测函数控制系统的稳定性及收敛性。无人车仿真研究及典型快速间歇反应器仿真研究验证了所提算法的有效性。(本文来源于《第30届中国过程控制会议（CPCC 2019）摘要集》期刊2019-07-31）
余天宇,徐祖华,赵均,陈曦[5]（2019）在《基于灵敏度理论的分层递阶式非线性预测控制方法及应用》一文中研究指出大规模的工业系统常具有强耦合、非线性等特征。为了满足流程工业日益增长的控制要求,采用分层递阶结构的非线性预测控制算法成为了研究热点。为了解决非线性控制策略所带来的计算时延问题,本文提出了一种基于灵敏度理论的分层递阶式预测控制方法,通过将非线性反馈控制律的计算过程分解为离线计算和在线更新两部分,加快了系统输入量的计算速度。本算法在反应器-分离器系统中得到应用,结果表明了所提出算法的有效性.(本文来源于《第30届中国过程控制会议（CPCC 2019）摘要集》期刊2019-07-31）
马薇,施继红[6]（2019）在《非线性模型预测直接转矩和ASR/ABS控制的电动汽车纵向稳定性》一文中研究指出为了解决电动汽车在加速和制动过程中容易发生滑移和抖动、不能满足稳定性和舒适性的要求,提出了一种基于主从式非线性模型预测(nonlinear model prediction,NMP)直接转矩控制(direct torque controt,DTC)的电动汽车鲁棒控制策略。采用双电机-单控制器主从式驱动模型,基于模糊逻辑控制器,在线确定权重因子的精确值,生成优化电动汽车驱动决策的最优切换状态,保证电机速度的精确跟踪。结合NMP-DTC电机控制方法,设计了一种模糊逻辑ASR/ABS控制器,以角加速度变化和滑移率变化为输入,以补偿转矩为输出变量,根据道路特性的变化提供补偿转矩,保证电动汽车行驶在最佳滑移率范围内,提高行驶的稳定性。基于MATLAB/Simulink进行变负载转矩电机跟踪和汽车纵向稳定性仿真,与参考速度进行对比分析。结果表明,所提出的主从式NMP-DTC的电动汽车ASR/ABS控制,在变负载下不仅电机跟踪轨迹误差降低,而且可保证在加速和制动过程中车辆的纵向稳定性控制。(本文来源于《科学技术与工程》期刊2019年20期）
顾青,白国星,孟宇,刘立,罗维东[7]（2019）在《基于非线性模型预测控制的自动泊车路径跟踪》一文中研究指出与行驶速度较高的其他无人驾驶工况相比,自动泊车时参考路径的曲率较大,因此车辆转向轮转角速度的限制等系统约束条件会严重影响自动泊车路径跟踪控制器的性能.为了解决这一问题,提出了基于非线性模型预测控制的自动泊车路径跟踪控制器,并在MATLAB/Simulink和Pre Scan联合仿真环境中将该控制器与基于线性时变模型预测控制的控制器进行了对比.仿真结果表明非线性模型预测控制器可以实现多约束条件下的自动泊车,泊车完成后车辆航向与车位中线的夹角为0. 0189 rad,车辆后桥中点与车位中线的距离为0. 1045 m,仅为车身宽度的5. 56%.相比线性时变模型预测控制器,非线性模型预测控制器具有泊车精度更高、安全裕度更大、泊车耗时更少等优势.在实时性方面,该控制器也能够满足自动泊车的需求.(本文来源于《工程科学学报》期刊2019年07期）
吴凤娇[8]（2019）在《混流式水轮机调节系统的非线性状态预测与稳定控制研究》一文中研究指出水资源是重要的可再生清洁资源,优先发展水电已成世界共识。随着水电事业的高速发展,全球单机容量70万千瓦以上的水轮发电机组,超过一半在中国。如此庞大的水轮发电机组,使电站系统在运行的稳定、安全性方面面临更高要求。由水轮机、发电机、调速器、发电机端口侧电力负荷、引水系统构成的水轮机调节系统,是集水、机、电于一体,具有多种典型运行工况的复杂非线性系统。其运行正常与否,将对水轮发电机组甚至整个电网系统的安全可靠产生重大影响。生产实践中国内外大中型水轮发电机组均存在不同程度的稳定性问题。因此,对水轮机调节系统进行稳定性分析和有效控制对水电站的安全运行具有重要意义。而水轮机调节系统状态预测是稳定性控制的前提和基础。本文以在国内外应用最广泛的混流式水轮机调节系统为研究对象,对其非线性预测与稳定性控制中的关键问题开展研究,主要工作与研究结论如下:(1)研究了混流式水轮机调节系统RBF预测。鉴于RBF神经网络在非线性时间序列预测方面的优异性和相空间重构有效地信息提取功能,将RBF神经网络预测模型与相空间重构相结合,研究混流式水轮机调节系统的时间序列状态预测模型。首先运用龙格-库塔法求解水轮机的非线性方程组,得到混沌时间序列,并运用庞加莱截面法验证其混沌特性。其次采用两参数单独求取的估值法和两参数同时求取的扩展法分别求取混流式水轮机调节系统运行状态时间序列相空间重构的两个重要参数,即嵌入维数和延迟时间。最后建立了RBF神经网络单步和多步预测模型,将估值法和扩展法求取的嵌入维数和延迟时间分别代入单步和多步预测模型中,并分析了估值法和扩展法获得的不同嵌入维数和延迟时间情况下对混流式水轮机调节系统运行状态的预测效果。数值仿真结果表明RBF神经网络模型对混流式水轮机调节系统具有良好的预测效果。(2)研究了混流式水轮机调节系统遗传小波神经网络预测。鉴于BP神经网络良好的多输入并行处理和非线性映射能力,但训练速度慢且容易陷入局部最小值,小波理论对信号良好的时频局部特性和变焦能力,遗传算法优良的全局优化特点,在建立的水轮机调节系统BP神经网络预测模型的基础上,提出了激活函数斜率自适应预测神经网络,并用小波元代替神经元构建小波神经网络,通过遗传算法优化小波神经网络各层的权值、阈值、激活函数斜率系数、伸缩和平移参数,得到了既有全局优化搜索,又有良好局部优化求解性能的遗传小波神经网络预测模型。通过仿真发现遗传小波神经网络对BP神经网络的优化效果明显,具有更高的预测精度和收敛速度,可以有效解决针对混流式水轮机调节系统状态复杂,普通神经网络预测模型训练速度慢,容易陷入局部极小值的问题。(3)研究了基于聚类经验模态和遗传支持向量机的混流式水轮机调节系统非线性预测。考虑到通过应用聚类经验模态分解,可将非线性、非平稳信号分解为特征尺度各异的平稳窄带信号,遗传支持向量机可以解决小样本下的复杂系统建模问题,且具有泛化能力强、全局最优的特点,提出了基于聚类经验模态分解和遗传支持向量机相结合的水轮机调节系统预测新方法。首先,将离散的混流式水轮机调节系统采样数据通过叁次样条插值拟合成平滑曲线,再利用聚类经验模态分解的时空滤波特性,得到反映数据趋势的固有模态和剩余分量。其次,基于噪声辅助信号处理技术,将小幅度白噪声均衡信号加入到模态分解中,有效地解决了分解过程人为因素影响和模态混迭问题。将聚类经验模态分解处理后的固有模态分量作为样本分别输入到GA-SVM模型中,选取遗传算法优化的最佳核函数和参数后对各模态进行预测,通过迭加所有分量预测结果得到总体预测结果。数值仿真发现,GA-SVM预测模型通过赋予每组样本数据不同的误差权系数,使其具有更好的泛化性能和预测精度。(4)研究了混流式水轮机调节系统的有限时间终端滑模控制方法。考虑到在实际运行中,混流式水轮机调节系统经常受到电力系统负荷变化的影响,在建立的非线性混流式水轮机调节系统模型的基础上引入了随机扰动。为了克服传统滑模面设计中出现的奇异问题,基于Lyapunov稳定性定理和有限时间引理,运用终端滑模控制策略,为混流式水轮机调节系统设计了一个新颖的鲁棒终端滑模控制器,试验结果表明系统能够在有限时间内快速地实现稳定,验证了所提出控制策略的有效性。鉴于分数阶系统相比整数阶系统更能描述实际的物理过程,给出了混流式水轮机调节系统的分数阶数学模型。不同于整数阶系统,分数阶系统稳定性理论发展尚未成熟完善。在证明系统稳定性方面,提出应用频率分布模型将分数阶模型转化为等价的整数阶模型的方法。最后基于滑模控制策略,为混流式水轮机调节系统设计了分数阶鲁棒终端滑模控制器。并通过数值模拟验证了其在控制分数阶混流式水轮机调节系统稳定性方面的有效性。(5)研究了混流式水轮机调节系统非线性模糊预测函数控制方法。由于混流式水轮机调节系统具有非最小相位、非线性及强耦合特点,运用T-S模糊模型对含有随机扰动的参数不确定整数阶混流式水轮机调节系统进行描述,结合并行分布补偿技术提出了相应的控制律。通过Lyapunov稳定性定理对提出的状态反馈控制器控制的效果进行了证明,根据线性矩阵不等式,对增益矩阵进行了求解。采用模糊神经网络解耦的方法解除系统间的耦合,使线性化后的混流式水轮机调节系统由多变量系统转化为了单变量系统。对于非最小相位系统,为了保证其控制性能,提出了零点配置的方法,并分析了可进行零点配置系统的特性及零点配置的合理性。结合所提出的T-S模糊控制和预测函数控制方法,提出了混流式水轮机调节系统的适宜非线性模糊预测函数控制方法,为相关水电站系统的稳定控制提供了借鉴。(本文来源于《西北农林科技大学》期刊2019-06-01）
封晓宇[9]（2019）在《基于T-S模型的非线性系统鲁棒模型预测控制研究》一文中研究指出模型预测控制(MPC)能够综合利用历史信息和模型信息,对目标函数不断地进行滚动优化,并可根据实际测得的输出对象对预测模型进行修正,又因其能够很好地处理和控制状态的硬约束从而保证系统的稳定性,所以MPC被广泛应用于工业系统中。非线性、时滞、扰动在工业过程中是常见的系统动态特性。非线性系统中时滞、扰动等现象的出现则会对系统状态的预测产生干扰,于是本文针对具有时滞、扰动特性的由T-S模糊模型描述的非线性系统,在线性矩阵不等式、鲁棒不变集、Lyapunov稳定性等理论的基础上,研究基于状态反馈控制的鲁棒模型预测控制问题。本文的主要研究内容如下:针对一类用Wiener模型描述的带有输入约束非线性时滞系统,研究了稳定性分析问题以及控制器的设计问题。用状态空间模型来描述Wiener的线性部分,用T-S模型来表示Wiener模型的非线性部分,此时,Wiener模型就可由多个局部线性模型的加权和来逼近,通过利用Lyapunov-Krasovskii函数和平行分布补偿原理设计了相应的状态反馈控制律,求解最小化目标函数最坏情况的优化问题,该优化问题用线性矩阵不等式表示,最终得到了系统渐近稳定且具有较小保守性的充分条件,最后通过仿真验证了该算法的有效性。针对一类由T-S模型描述的具有范数有界不确定性的非线性系统,研究了带输入约束和输出约束的非线性系统的稳定性分析问题及控制器的设计问题。用T-S模型来表示非线性系统,使得非线性系统可由多个局部线性模型的加权和来逼近,利用Lyapunov函数和平行分布补偿原理,求解最小化最坏情况下的目标函数的优化问题,得到各个子系统的状态反馈控制律,通过加权的得到整个非线性系统的控制律并在该控制律的作用下使得系统渐近稳定。最后通过仿真验证了所提方法的有效性。针对一类带有时滞和扰动的非线性离散系统,研究了鲁棒模型预测控制问题。采用具有范数有界不确定性的非线性局部T-S模糊模型来逼近非线性系统,通过鲁棒不变集的概念设计了终端约束集,并在终端约束集内设计了模糊控制器,使得系统的状态最终进入终端约束集内。该算法使系统实现了输入—状态稳定,并得到更好的控制性能。最后通过仿真验证了算法的有效性。(本文来源于《河北科技大学》期刊2019-05-01）
朱蓉蓉[10]（2019）在《基于深度Koopman预测器的非线性系统模型预测控制》一文中研究指出非线性系统的分析和控制一直以来都是控制领域的研究要点,但是由于其高维度、强耦合、不确定性等问题,使得非线性系统模型获取和控制面临很大的挑战。目前,绝大部分非线性系统的控制是基于其线性化模型开展,而现有的非线性系统线性化技术需要对系统的精确数学模型有足够的了解,且线性化之后的模型精度不高,不利于非线性系统控制问题的研究。考虑到深度学习方法的非线性函数拟合能力、大数据处理能力和自学习能力,Koopman算子理论具有全局线性化非线性系统的能力,故将两者结合研究非线性系统的分析和控制具有极大的理论价值和实际意义。本论文研究了一种基于深度Koopman预测器的非线性系统模型预测控制。下面是本论文的主要研究工作:·针对自治系统的Koopman算子理论推广到适用于带有输入的一般性非线性系统。利用深度神经网络构造出了获取深度Koopman预测器的网络模型,并给出了网络代价函数的设计原则。在仿真实验中证明提出的深度Koopman预测器的优势。·在深度Koopman预测器的基础上,将模型预测控制算法应用到非线性系统的控制中。证明了本论文提出的线性控制器在模型复杂度上仅与原非线性系统的状态和输入维度相关。以一个非线性系统为模型,设计了基于深度Koopman预测器的模型预测控制,证明了本论文提出的基于深度Koopman预测器的非线性系统线性控制策略可行性和有效性。本论文基于深度学习方法和Koopman算子理论解决了非线性系统模型预测控制问题,有精度高、不依赖系统精确数学模型等优点,因此具有极大的研究价值与意义。(本文来源于《中国科学技术大学》期刊2019-05-01）
非线性预测控制论文开题报告
（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：
为了避免车辆通过不平路面时发生悬架击穿,提出了一种基于多模型预测控制的车辆非线性悬架主动控制方法。建立了1/4非线性悬架模型,采用基于改进粒子群算法的数据聚类和参数辨识,建立了主动力和车身位移关系的线性分段仿射(PWA)模型。通过多模型预测控制理论研究半主动悬架PWA模型的滚动时域优化控制问题,得到最优控制信号。利用Matlab/Simulink进行随机路面和正弦凸起路面仿真。结果表明:采用多模型预测控制可以使得车辆在遇到不平路面时保持稳定的车身姿态,同时很好地控制悬架动行程,减小了悬架击穿的概率。
（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。
非线性预测控制论文参考文献
[1].姜雪莹,郭颖,施惠元,苏成利.基于TSA多变量非线性RBF神经网络预测控制[J].控制工程.2019
[2].胡启国,陆伟.基于分段仿射模型的非线性悬架预测控制[J].汽车安全与节能学报.2019
[3].施德华,蔡英凤,汪少华,陈龙,朱镇.系统效率最优的功率分流式混合动力汽车非线性预测控制[J].浙江大学学报(工学版).2019
[4].马乐乐,刘向杰.快速非线性批次过程高效迭代学习预测函数控制[C].第30届中国过程控制会议（CPCC2019）摘要集.2019
[5].余天宇,徐祖华,赵均,陈曦.基于灵敏度理论的分层递阶式非线性预测控制方法及应用[C].第30届中国过程控制会议（CPCC2019）摘要集.2019
[6].马薇,施继红.非线性模型预测直接转矩和ASR/ABS控制的电动汽车纵向稳定性[J].科学技术与工程.2019
[7].顾青,白国星,孟宇,刘立,罗维东.基于非线性模型预测控制的自动泊车路径跟踪[J].工程科学学报.2019
[8].吴凤娇.混流式水轮机调节系统的非线性状态预测与稳定控制研究[D].西北农林科技大学.2019
[9].封晓宇.基于T-S模型的非线性系统鲁棒模型预测控制研究[D].河北科技大学.2019
[10].朱蓉蓉.基于深度Koopman预测器的非线性系统模型预测控制[D].中国科学技术大学.2019
论文知识图
