預測控制系統(tǒng)及其應用

     目 錄
   《電氣自動化新技術叢書》序言
   前言
   第1章 緒論
   第2章 內部模型控制
    2.1內部模型與內?？刂破髟O計
    2.1.1內部模型
    2.1.2內?？刂疲↖MC）系統(tǒng)的性質
    2.1.3內模控制器設計
    2.1.4非最小相位系統(tǒng)非參數(shù)模型內?？刂破髟O計
    2.1.5開環(huán)不穩(wěn)定系統(tǒng)內模控制器設計
    2.2推理控制
    2.2.1推理控制系統(tǒng)的構成
    2.2.2推理控制器設計
    2.2.3模型誤差對系統(tǒng)性能的影響
    2.2.4輸出可測條件下的推理控制
    2.3Smith預測控制
    2.3.1Smith預測控制的時延補償原理
    2.3.2Smith預測控制器的內?？刂平Y構設計
    2.3.3閉環(huán)系統(tǒng)特性
    2.4Jury穩(wěn)定判據(jù)
    2.5自校正內?？刂破?br />     2.5.1采用辨識參數(shù)模型的自校正控制算法
    2.5.2采用辨識參數(shù)模型再轉換為非參數(shù)模型的
    自校正控制算法
    2.5.3采用帶誤差死區(qū)的自校正控制算法
    2.6熱水鍋爐的內?？刂?br />     2.6.1數(shù)學模型及內?？刂破髟O計
    2.6.2實時控制中的幾個問題
    2.7造紙機的增益自適應內?？刂?br />     2.7.1造紙過程簡介
    2.7.2系統(tǒng)數(shù)學模型及控制器設計
    2.7.3仿真及實控結果
   第3章 模型算法控制
    3.1單步模型算法控制
    3.1.1輸出預測
    3.1.2參考軌跡
    3.1.3最優(yōu)控制律計算
    3.1.4閉環(huán)系統(tǒng)特性
    3.1.5純時延系統(tǒng)的預測控制
    3.2多步模型算法控制（MAC）
    3.2.1多步輸出預測
    3.2.2最優(yōu)控制律計算
    3.2.3MAC的IMC結構
    3.2.4閉環(huán)系統(tǒng)特性
    3.3增量型模型算法控制（IMAC）
    3.3.1多步輸出預測
    3.3.2最優(yōu)控制律計算
    3.3.3IMAC的IMC結構
    3.3.4閉環(huán)系統(tǒng)特性
    3.4模型算法控制系統(tǒng)對象模型和控制器的最小化形式
    3.4.1MAC非最小化模型與最小化模型的轉換
    3.4.2MAC控制器的最小化形式
    3.4.3IMAC控制器的最小化形式
    3.5模型算法控制系統(tǒng)的穩(wěn)定性與魯棒性
    3.5.1模型匹配時MAC系統(tǒng)的穩(wěn)定性
    3.5.2模型失配時MAC系統(tǒng)的穩(wěn)定魯棒性
    3.6預測控制系統(tǒng)的參數(shù)選擇
    3.6.1控制參數(shù)P、M、Q、λ的選擇
    3.6.2采樣周期T↓0與模型長度N的選擇
    3.7單值模型算法預測控制
    3.7.1控制律計算
    3.7.2閉環(huán)系統(tǒng)特性
    3.7.3閉環(huán)穩(wěn)定性分析
    3.8自校正模型算法控制器
    3.8.1采用估計參數(shù)模型的自校正顯式算法
    3.8.2采用帶誤差死區(qū)的自校正顯式算法
    3.8.3采用直接辨識控制器參數(shù)的自校正隱式算法
    3.8.4采用誤差預報的自校正控制算法
    3.9燃煤電站球磨機的模型算法控制
    3.9.1系統(tǒng)的控制要求與特性
    3.9.2球磨機模型算法控制
    3.9.3控制器的工程實踐
   第4章 動態(tài)矩陣控制
    4.1多步動態(tài)矩陣控制
    4.1.1預測模型
    4.1.2最優(yōu)控制律計算
    4.1.3DMC的IMC結構
    4.1.4閉環(huán)系統(tǒng)特性
    4.2極點配置動態(tài)矩陣控制
    4.2.1多步輸出預測
    4.2.2控制器設計
    4.2.3閉環(huán)極點配置
    4.3動態(tài)矩陣控制器的最小化形式
    4.3.1DMC非最小化對象模型與最小化對象
    模型間的轉換
    4.3.2DMC控制器的最小化形式
    4.4動態(tài)矩陣控制系統(tǒng)的狀態(tài)空間分析
    4.4.1DMC系統(tǒng)的狀態(tài)空間描述
    4.4.2狀態(tài)觀測器
    4.4.3MAC系統(tǒng)狀態(tài)空間描述及其與DMC的統(tǒng)一格式
    4.5雙值動態(tài)矩陣控制
    4.5.1雙值動態(tài)矩陣控制算法
    4.5.2關于雙值動態(tài)矩陣控制的討論
    4.6自校正動態(tài)矩陣控制器
    4.6.1采用估計參數(shù)模型的自校正顯式算法
    4.6.2采用帶誤差死區(qū)的自校正顯式算法
    4.6.3采用直接辨識控制器參數(shù)的自校正隱式算法
    4.7高溫力學材料試驗機的動態(tài)矩陣控制
    4.7.1高溫力學材料試驗機的結構
    4.7.2計算機控制系統(tǒng)構成
    4.7.3預測補償動態(tài)矩陣控制算法
    4.7.4實時控制結果
   第5章 廣義預測控制
    5.1廣義預測控制的基本型式
    5.1.1多步輸出預測及Diophantine方程的遞推解
    5.1.2最優(yōu)控制律計算
    5.1.3GPC 的IMC結構
    5.1.4閉環(huán)系統(tǒng)特性
    5.1.5.顯式廣義預測自校正控制器
    5.2具有模型誤差修正的廣義預測控制
    5.2.1j步導前輸出
    5.2.2最優(yōu)控制律計算
    5.2.3系統(tǒng)的IMC結構和閉環(huán)系統(tǒng)特性
    5.2.4引入濾波器T（z↑1）的廣義預測控制
    5.2.5顯式廣義預測自校正控制器
    5.3控制器采用原模型參數(shù)的廣義預測控制
    5.3.1多步導前輸出與最優(yōu)控制律計算
    5.3.2簡化控制律
    5.3.3控制器用原模型參數(shù)廣義預測控制自校正算法
    5.4直接辨識控制器參數(shù)的隱式廣義預測控制
    5.4.1廣義預測控制律計算
    5.4.2隱式廣義預測自校正控制器
    5.5采用兩個辨識器的隱式廣義預測控制
    5.5.1多步導前輸出
    5.5.2最優(yōu)控制律計算
    5.5.3等價廣義性能指標
    5.5.4參數(shù)辨識方程與辨識算法
    5.6廣義預測控制的穩(wěn)定性和魯棒性
    5.6.1GPC系統(tǒng)的閉環(huán)穩(wěn)定性
    5.6.2GPC系統(tǒng)的魯棒性
    5.7單值廣義預測控制
    5.7.1單值GPC控制律計算
    5.7.2閉環(huán)系統(tǒng)特性
    5.7.3閉環(huán)系統(tǒng)穩(wěn)定性分析
    5.7.4討論
    5.8工業(yè)鍋爐的加權廣義預測自校正控制
    5.8.1工業(yè)鍋爐及其控制
    5.8.2計算機控制系統(tǒng)的構成
    5.8.3加權廣義預測控制器
    5.8.4廣義預測自校正控制在鍋爐上的實現(xiàn)
    5.8.5實際運行結果
   第6章 極點配置廣義預測控制
    6.1廣義預測極點配置（GPP）控制
    6.1.1廣義輸出預測誤差
    6.1.2最優(yōu)控制律計算
    6.1.3閉環(huán)系統(tǒng)特性與極點配置
    6.1.4顯式廣義預測極點配置自校正控制器
    6.2廣義預測極點配置加權控制
    6.2.1基于CARMA模型的廣義預測控制
    6.2.2P步加權控制律
    6.2.3閉環(huán)系統(tǒng)輸出方程及閉環(huán)極點配置
    6.2.4顯式廣義預測零極點配置自校正加權控制器
    6.3煤氣罩式退火爐的廣義預測極點配置加權控制
    6.3.1罩式退火爐的結構及計算機控制系統(tǒng)的構成
    6.3.2罩式退火爐的數(shù)學模型
    6.3.3控制器設計
    6.3.4實際運行結果
   第7章 神經(jīng)網(wǎng)絡在預測控制中的應用
    7.1概述
    7.2神經(jīng)模型學習規(guī)則及學習算法
    7.2.1單神經(jīng)元模型
    7.2.2神經(jīng)網(wǎng)絡的學習規(guī)則
    7.2.3誤差反向傳播（BP）神經(jīng)網(wǎng)絡
    7.2.4Hopfield神經(jīng)網(wǎng)絡
    7.3基于神經(jīng)網(wǎng)絡的內?？刂?br />     7.3.1神經(jīng)網(wǎng)絡內部模型的建立
    7.3.2神經(jīng)網(wǎng)絡逆模型的建立
    7.3.3基于BP網(wǎng)絡的自校正內模控制
    7.4基于神經(jīng)網(wǎng)絡的增量型模型算法控制
    7.4.1多步輸出預測與優(yōu)化指標
    7.4.2神經(jīng)網(wǎng)絡模型算法控制
    7.5基于神經(jīng)網(wǎng)絡解耦的廣義預測控制
    7.5.1多變量系統(tǒng)的耦合程度及解耦
    7.5.2基于神經(jīng)網(wǎng)絡的靜態(tài)解耦
    7.5.3基于神經(jīng)網(wǎng)絡的動態(tài)解耦
    7.5.4單變量系統(tǒng)廣義預測控制
    7.6電加熱爐的神經(jīng)網(wǎng)絡預測控制
    7.6.1電加熱爐的神經(jīng)網(wǎng)絡內?？刂?br />     7.6.2電加熱爐的神經(jīng)網(wǎng)絡解耦廣義預測控制
   第8章 預測控制算法的內模結構及其統(tǒng)一格式
    8.1各類預測控制算法的內模結構及其統(tǒng)一格式
    8.2基于非參數(shù)模型IMAC及DMC系統(tǒng)的內模結構
    及其統(tǒng)一格式
    8.3基于參數(shù)模型GPC及GPP系統(tǒng)的內模結構
    及其統(tǒng)一格式
    8.3.1GPC系統(tǒng)的內模結構及其統(tǒng)一格式
    8.3.2GPP系統(tǒng)的內模結構及其統(tǒng)一格式
    8.4結束語
   第9章 自適應預測控制算法的收斂性分析
    9.1顯式模型算法自校正控制器的全局收斂性
    9.1.1多步輸出預測與控制律計算
    9.1.2顯式自校正算法的全局收斂性
    9.2隱式模型算法自校正控制器的全局收斂性
    9.2.1多步輸出預測與控制律計算
    9.2.2隱式自校正算法的全局收斂性
    9.3顯式廣義預測自校正控制器的全局收斂性
    9.3.1多步輸出預測與控制律計算
    9.3.2顯式自校正控制算法的全局收斂性
    9.4隱式廣義預測自校正控制器的全局收斂性
    9.4.1多步輸出預測及控制律計算
    9.4.2隱式廣義預測自校正控制算法
    9.4.3隱式廣義預測自校正算法的全局收斂性
   第10章 預測控制的現(xiàn)狀和發(fā)展前景
   參考文獻