預(yù)測控制系統(tǒng)及其應(yīng)用

     目 錄
   《電氣自動化新技術(shù)叢書》序言
   前言
   第1章 緒論
   第2章 內(nèi)部模型控制
    2.1內(nèi)部模型與內(nèi)?？刂破髟O(shè)計
    2.1.1內(nèi)部模型
    2.1.2內(nèi)?？刂疲↖MC）系統(tǒng)的性質(zhì)
    2.1.3內(nèi)模控制器設(shè)計
    2.1.4非最小相位系統(tǒng)非參數(shù)模型內(nèi)?？刂破髟O(shè)計
    2.1.5開環(huán)不穩(wěn)定系統(tǒng)內(nèi)?？刂破髟O(shè)計
    2.2推理控制
    2.2.1推理控制系統(tǒng)的構(gòu)成
    2.2.2推理控制器設(shè)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(yù)測控制
    2.3.1Smith預(yù)測控制的時延補(bǔ)償原理
    2.3.2Smith預(yù)測控制器的內(nèi)?？刂平Y(jié)構(gòu)設(shè)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(nèi)?？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(zhuǎn)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(nèi)?？刂?br />     2.6.1數(shù)學(xué)模型及內(nèi)?？刂破髟O(shè)計
    2.6.2實(shí)時控制中的幾個問題
    2.7造紙機(jī)的增益自適應(yīng)內(nèi)?？刂?br />     2.7.1造紙過程簡介
    2.7.2系統(tǒng)數(shù)學(xué)模型及控制器設(shè)計
    2.7.3仿真及實(shí)控結(jié)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(yù)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(yù)測控制
    3.2多步模型算法控制（MAC）
    3.2.1多步輸出預(yù)測
    3.2.2最優(yōu)控制律計算
    3.2.3MAC的IMC結(jié)構(gòu)
    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(yù)測
    3.3.2最優(yōu)控制律計算
    3.3.3IMAC的IMC結(jié)構(gòu)
    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(zhuǎn)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(yù)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(yù)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(yù)報的自校正控制算法
    3.9燃煤電站球磨機(jī)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(jī)模型算法控制
    3.9.3控制器的工程實(shí)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(yù)測模型
    4.1.2最優(yōu)控制律計算
    4.1.3DMC的IMC結(jié)構(gòu)
    4.1.4閉環(huán)系統(tǒng)特性
    4.2極點(diǎn)配置動態(tài)矩陣控制
    4.2.1多步輸出預(yù)測
    4.2.2控制器設(shè)計
    4.2.3閉環(huán)極點(diǎn)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(zhuǎn)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(guān)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(xué)材料試驗(yàn)機(jī)的動態(tài)矩陣控制
    4.7.1高溫力學(xué)材料試驗(yàn)機(jī)的結(jié)構(gòu)
    4.7.2計算機(jī)控制系統(tǒng)構(gòu)成
    4.7.3預(yù)測補(bǔ)償動態(tài)矩陣控制算法
    4.7.4實(shí)時控制結(jié)果
   第5章 廣義預(yù)測控制
    5.1廣義預(yù)測控制的基本型式
    5.1.1多步輸出預(yù)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(jié)構(gòu)
    5.1.4閉環(huán)系統(tǒng)特性
    5.1.5.顯式廣義預(yù)測自校正控制器
    5.2具有模型誤差修正的廣義預(yù)測控制
    5.2.1j步導(dǎo)前輸出
    5.2.2最優(yōu)控制律計算
    5.2.3系統(tǒng)的IMC結(jié)構(gòu)和閉環(huán)系統(tǒng)特性
    5.2.4引入濾波器T（z↑1）的廣義預(yù)測控制
    5.2.5顯式廣義預(yù)測自校正控制器
    5.3控制器采用原模型參數(shù)的廣義預(yù)測控制
    5.3.1多步導(dǎo)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(yù)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(yù)測控制
    5.4.1廣義預(yù)測控制律計算
    5.4.2隱式廣義預(yù)測自校正控制器
    5.5采用兩個辨識器的隱式廣義預(yù)測控制
    5.5.1多步導(dǎo)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(biāo)
    5.5.4參數(shù)辨識方程與辨識算法
    5.6廣義預(yù)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(yù)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(quán)廣義預(yù)測自校正控制
    5.8.1工業(yè)鍋爐及其控制
    5.8.2計算機(jī)控制系統(tǒng)的構(gòu)成
    5.8.3加權(quán)廣義預(yù)測控制器
    5.8.4廣義預(yù)測自校正控制在鍋爐上的實(shí)現(xiàn)
    5.8.5實(shí)際運(yùn)行結(jié)果
   第6章 極點(diǎn)配置廣義預(yù)測控制
    6.1廣義預(yù)測極點(diǎn)配置（GPP）控制
    6.1.1廣義輸出預(yù)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(diǎn)配置
    6.1.4顯式廣義預(yù)測極點(diǎn)配置自校正控制器
    6.2廣義預(yù)測極點(diǎn)配置加權(quán)控制
    6.2.1基于CARMA模型的廣義預(yù)測控制
    6.2.2P步加權(quán)控制律
    6.2.3閉環(huán)系統(tǒng)輸出方程及閉環(huán)極點(diǎn)配置
    6.2.4顯式廣義預(yù)測零極點(diǎn)配置自校正加權(quán)控制器
    6.3煤氣罩式退火爐的廣義預(yù)測極點(diǎn)配置加權(quán)控制
    6.3.1罩式退火爐的結(jié)構(gòu)及計算機(jī)控制系統(tǒng)的構(gòu)成
    6.3.2罩式退火爐的數(shù)學(xué)模型
    6.3.3控制器設(shè)計
    6.3.4實(shí)際運(yùn)行結(jié)果
   第7章 神經(jīng)網(wǎng)絡(luò)在預(yù)測控制中的應(yīng)用
    7.1概述
    7.2神經(jīng)模型學(xué)習(xí)規(guī)則及學(xué)習(xí)算法
    7.2.1單神經(jīng)元模型
    7.2.2神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)規(guī)則
    7.2.3誤差反向傳播（BP）神經(jīng)網(wǎng)絡(luò)
    7.2.4Hopfield神經(jīng)網(wǎng)絡(luò)
    7.3基于神經(jīng)網(wǎng)絡(luò)的內(nèi)?？刂?br />     7.3.1神經(jīng)網(wǎng)絡(luò)內(nèi)部模型的建立
    7.3.2神經(jīng)網(wǎng)絡(luò)逆模型的建立
    7.3.3基于BP網(wǎng)絡(luò)的自校正內(nèi)模控制
    7.4基于神經(jīng)網(wǎng)絡(luò)的增量型模型算法控制
    7.4.1多步輸出預(yù)測與優(yōu)化指標(biāo)
    7.4.2神經(jīng)網(wǎng)絡(luò)模型算法控制
    7.5基于神經(jīng)網(wǎng)絡(luò)解耦的廣義預(yù)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(luò)的靜態(tài)解耦
    7.5.3基于神經(jīng)網(wǎng)絡(luò)的動態(tài)解耦
    7.5.4單變量系統(tǒng)廣義預(yù)測控制
    7.6電加熱爐的神經(jīng)網(wǎng)絡(luò)預(yù)測控制
    7.6.1電加熱爐的神經(jīng)網(wǎng)絡(luò)內(nèi)?？刂?br />     7.6.2電加熱爐的神經(jīng)網(wǎng)絡(luò)解耦廣義預(yù)測控制
   第8章 預(yù)測控制算法的內(nèi)模結(jié)構(gòu)及其統(tǒng)一格式
    8.1各類預(yù)測控制算法的內(nèi)模結(jié)構(gòu)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(nèi)模結(jié)構(gòu)
    及其統(tǒng)一格式
    8.3基于參數(shù)模型GPC及GPP系統(tǒng)的內(nèi)模結(jié)構(gòu)
    及其統(tǒng)一格式
    8.3.1GPC系統(tǒng)的內(nèi)模結(jié)構(gòu)及其統(tǒng)一格式
    8.3.2GPP系統(tǒng)的內(nèi)模結(jié)構(gòu)及其統(tǒng)一格式
    8.4結(jié)束語
   第9章 自適應(yīng)預(yù)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(yù)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(yù)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(yù)測自校正控制器的全局收斂性
    9.3.1多步輸出預(yù)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(yù)測自校正控制器的全局收斂性
    9.4.1多步輸出預(yù)測及控制律計算
    9.4.2隱式廣義預(yù)測自校正控制算法
    9.4.3隱式廣義預(yù)測自校正算法的全局收斂性
   第10章 預(yù)測控制的現(xiàn)狀和發(fā)展前景
   參考文獻(xiàn)