一、基于Laguerre函数模型的多变量广义预测自适应控制（论文文献综述）
邵帅[1]（2021）在《重油催化裂化分馏塔的控制策略研究》文中提出我国目前的工业产业中,石油仍是工业能源的重要来源。我国大多数原油均为重质原油,需要经过轻质化处理才能应用到工业生产中。重油催化裂化分馏塔是重油轻质化处理的主要设备,对其控制策略的研究是行业研究热点之一。重油催化裂化分馏塔是一个典型的多输入多输出对象,内在机理复杂,具有多通道、过程变量多、各控制回路具有不同的大时滞、各变量之间耦合严重等复杂特性,对其控制策略的研究具有重大意义。本文针对重油催化裂化分馏塔系统,提出基于Laguerre正交基优化的时间序列模型预测控制算法,结合传统控制策略的优点改进算法,将改进后的算法应用到分馏塔系统中。此外,本文在混杂系统知识的基础上,建立分馏塔系统的混合逻辑动态（Mixed Logic Dynamic,MLD）模型,并对基于该模型的模型预测控制（Model Predictive Control,MPC）算法进行仿真。本文的主要工作包括:（1）使用Laguerre正交基将带外源性输入的自回归（Autoregressive with Exogenous Input,ARX）模型的系数展开,并推广至多变量。推导基于多变量ARX-Laguerre模型的模型预测控制算法,并结合PID控制的思想改进性能指标,提出基于多变量ARXLaguerre模型的PID预测控制算法（MALMPC-PID）,将其应用到分馏塔系统中,通过仿真实验证明该算法对重油催化裂化分馏塔系统具有优秀的控制效果。（2）在（1）的基础上将PID换成分数阶PID,给出基于多变量ARX-Laguerre模型的分数阶PID预测控制算法（MALMPC-FOPID）。分数阶PID参数更多,且仿真过程中参数整定主要依靠先验知识和人工整定,工作量大但取值却不够精确。对此,本文用差分进化算法（Differential Evolution,DE）对分数阶PID参数进行自整定,仿真结果表明该算法对分馏塔系统具有优秀的控制效果。（3）针对重油催化裂化分馏塔在实际生产中可能存在的安全问题,将实际生产过程中储藏罐液位的安全阀门信号简化为对系统输入的控制引入系统,对系统进行离散混合自动机（Discrete Hybrid Automata,DHA）框架下的混杂特性分析,利用混杂系统建模语言（Hybrid System Description Language,HYSDEL）建立MLD模型。最后采用基于MLD模型的模型预测控制算法对分馏塔系统进行控制,仿真结果证明了该算法的有效性。
张冰[2]（2020）在《全线控电动汽车不同行驶模式的轨迹跟踪控制研究》文中研究指明在交通环境日趋复杂的今天,对车辆底盘灵活性要求越来越高,应社会发展需求,随着电控系统技术的迅速提升,基于分布式底盘的全线控电动汽车将会成为解决复杂交通环境问题的主要交通工具。全线控电动汽车具有四轮独立驱动/制动/转向的独特结构,结合控制手段可以实现更加灵活、高效的轨迹跟踪,为智能驾驶技术发展带来了许多新的可能。目前针对全线控电动汽车轨迹跟踪控制的研究中多将其视为期望运动实现的基础平台,结合传统底盘车辆控制思想实现其轨迹跟踪控制方法的设计,难以充分发挥全线控电动汽车的优势。因此,本论文依托国家自然科学基金资助项目“分布式全线控电动汽车可重构集成控制策略研究”（项目编号:51505178）及吉林省“十三五”教育厅科学技术项目“基于线控底盘的分布式电动汽车动力学建模与协同控制”（项目编号:JJKH20200963KJ）,从全线控电动汽车灵活机动特性出发,考虑其动力学特性,研究了不同行驶模式的全线控电动汽车轨迹跟踪控制方法,具体研究内容可总结为如下几个部分:1)对全线控电动汽车运动状态估算方法进行了研究:针对驱动系统轮毂电机力矩突变以及车辆模型不确定性等原因所造成的车辆运动状态观测不准确问题,提出一种双结构强跟踪滤波（Double Strong Tracking Filter,DSTF）运动状态观测器。采用强跟踪滤波（Strong Tracking Filter,STF）方法分别对基于轮毂电机的驱动系统状态及整车运动状态进行观测,并利用两个滤波器之间的数据共享,结合强跟踪滤波方法对模型不确定性的鲁棒性以及对信号变化的强跟踪能力,快速、精确地获取整车运动状态信息。通过仿真对比验证了所设计的全线控电动汽车DSTF观测器可以在无信号突变情况下准确获取整车运动状态;当驱动系统轮毂电机状态信号发生突变造成整车运动状态变化时,所提出的观测器仍然具有快速、准确的信号处理与估算能力,相比于现有的全线控电动汽车运动状态观测器,提高了对整车运动状态的观测能力。2)针对紧急工况,为满足严格轨迹跟踪精度需求以保证无人驾驶安全性,利用全线控电动汽车灵活特性优势,研究一种不同行驶模式融合的轨迹跟踪控制方法。首先基于分层式集成控制架构结合模型预测控制（Model Predictive Control,MPC）方法对四轮独立驱动/制动/转向底盘的轨迹跟踪控制器进行设计,其中结合人工势场法在MPC轨迹跟踪控制优化目标中引入避障势场函数,实现动态避障功能。其次基于线性化摩擦圆约束结合二次规划方法,对期望车体广义力/力矩进行分配,结合引入轮胎逆模型的执行器执行层,实现期望轨迹跟踪运动。在上述基础上,摒弃传统通过驾驶员在低速工况中对不同转向模式进行手动选择与严格切换的方法,首先以车辆跟踪轨迹时姿态为特征将车辆行驶模式划分为传统与非传统行驶模式,并设计一种自动融合不同行驶模式的全线控电动汽车轨迹跟踪控制方法,其中在MPC轨迹跟踪器中引入可变的优化控制目标,设计变权重调整器结合MPC框架对车辆动力学的约束能力,通过控制传统与非传统行驶模式不同程度的融合,实现更加灵活与精确的轨迹跟踪控制;仿真结果表明了提出的全线控电动汽车不同行驶模式融合轨迹跟踪控制方法可以有效提高轨迹跟踪精度。3)在轨迹跟踪精度要求低的工况中,为适应长期基于传统架构底盘形成的驾驶习惯,提高乘坐舒适性,针对全线控电动汽车传统行驶模式,研究了一种兼顾不同动力学稳定性需求的自适应MPC轨迹跟踪控制方法。首先结合传统行驶模式对控制架构进行重组以改善预测控制实时性能,并利用（质心侧偏角-质心侧偏角速度,β-（?））相平面对车辆稳定性较强的表征能力对动力学稳定性进行判断与量化,结合稳定性量化指标与给定阈值,根据MPC控制器中预测域对全线控电动汽车动力学稳定性的影响对其进行在线调节;针对自适应MPC轨迹跟踪控制中存在的数学问题,在目标函数中引入递减指数权重,解决系统“病态”导致的预测域切换过程中扰动问题,同时降低了控制系统对干扰的敏感性;设置长的控制域对处于动力学稳定状态中的车辆轨迹与横摆跟踪能力进行优化,通过引入Laguerre函数序列对控制域中的控制序列进行拟合,将优化变量从多个控制增量转化为少量的拟合参数,从而在不增加优化求解计算复杂度的基础上提高了动力学稳定状态下对参考轨迹与期望横摆的跟踪精度。通过仿真结果得出,针对符合传统驾驶与乘车习惯的全线控电动汽车传统行驶模式,所提出的自适应MPC轨迹跟踪控制方法与传统MPC轨迹跟踪控制方法相比在跟踪精度上有大幅度提升,并通过优化进一步提升了动力学稳定状态下的轨迹跟踪精度,验证了提出方法的有效性。4)针对本论文所提出的方法进行试验验证。首先利用全线控电动汽车采集并合成模拟轮毂电机故障与试验噪声的试验数据,对提出DSTF运动状态观测器进行验证;基于驾驶模拟器,搭建不同行驶模式融合的全线控电动汽车轨迹跟踪控制器及传统行驶模式下的自适应MPC轨迹跟踪控制器,并对相应方法进行实时性优化,在中高速工况中引入执行器延迟,对提出方法进行模型在环验证。试验结果表明针对不同工况需求的轨迹跟踪控制方法均可以获得良好的轨迹跟踪控制效果,验证了方法的有效性。
郭伟,邵帅,李涛,张鹏程[3]（2020）在《多变量ARX-Laguerre函数PID预测控制算法及其应用》文中研究说明针对重油催化裂化分馏塔控制系统满足稳定设计却难以优化系统性能的问题,提出了一种基于多变量ARX-Laguerre函数模型的PID预测控制（multivariable ARX-Laguerre function model predictive control combined with proportion integration differentiation,MALMPCPID）算法。以增量式的多变量ARX-Laguerre函数为预测模型,通过带有遗忘因子的最小二乘递归方法在线辨识Laguerre系数矩阵,并将滚动优化的性能指标改写成PID参数形式,以提高系统的动态性能。将所提的MALMPCPID算法应用于Shell公司重油催化裂化分馏塔进行仿真实验并与现有算法进行对比。结果表明,所提算法对多变量强耦合过程具有良好的控制效果,而且快速性和解耦能力得到了大大提高。
张鹏程[4]（2020）在《改进型时间序列模型预测控制及其在热工过程中的应用》文中进行了进一步梳理在我国现阶段的能源结构中,火力发电仍旧占据着很大比重。随着电厂规模的不断扩大,如何保证热工过程的各个环节可以高质量、高经济效益、安全可靠地运行是电力行业健康发展的关键,其中热工过程的控制策略是研究的重点。PID算法因其结构简单、可靠性高,在热工过程控制中被广泛应用。然而,随着工业过程复杂程度的日趋增加,且发电过程中,设备的动态特性会随着负荷的变化而改变,使得系统具有非线性、时变性、滞后性等复杂特性,传统方法难以取得理想的控制效果。本文充分考虑热工过程的控制难点,提出基于Laguerre正交基优化的时间序列模型预测控制算法。在设计中结合算法融合的思想,借鉴传统控制策略的优势进行改进,将改进后的算法应用到典型的热工过程控制系统中,检验了控制效果。本文的主要工作及创新点包括:（1）将多变量Laguerre函数模型预测控制算法与增量式分数阶PID算法相结合,提出了一种具有分数阶PID结构特征的预测控制策略。该算法通过借鉴分数阶PID的控制结构来改进预测控制的性能指标。将所提出的算法应用到火电单元机组负荷控制的仿真实验中,结果表明,与其它算法相比,该方法具有更加出色的跟踪性能和鲁棒性,有效抑制了超调量,改善了系统的控制质量。（2）将带外部输入的自回归（Autoregressive with Exogenous Input,ARX）模型的系数通过Laguerre正交基进行展开,提出了基于ARX-Laguerre模型的预测控制方法,并分别将PID、分数阶PID控制器用于改进滚动优化的性能指标。将改进后的算法应用到过热汽温控制的仿真实验中,结果表明,两种算法均在不同程度上提高了过热汽温系统的控制品质。（3）将带外部输入的自回归滑动平均（Autoregressive Moving Average with Exogenous Input,ARMAX）模型进行Laguerre正交基展开,提出了基于ARMAX-Laguerre模型的预测控制算法,并将其与PID算法相结合,应用到循环流化床锅炉主蒸汽压力控制的仿真实验中,实现了对目标的精确跟踪,提高了系统的快速性和鲁棒性。在参数选定的问题上,为了解决依靠先验知识和人工调试带来的工作量大和取值不精确等问题,本文采用差分进化算法对PID参数进行寻优,使算法在参数整定方面更加智能。
葛连明[5]（2019）在《子空间辨识算法及预测控制研究》文中研究表明随着现代的工业过程拥有更加复杂的特性,如多变量性、强耦合性以及非线性时变性等等,相应的对控制的要求也不断提升。多数控制方法是基于过程数学模型的,因为过程的复杂特性,所以通过机理建模很难去得到数学模型。但是,子空间辨识算法的出现有效地解决了难以通过机理建模来获取准确的数学模型的问题。子空间辨识算法能够根据采集到的输入输出数据直接得到状态空间形式的数学模型,辨识的中间结果子空间预估器方程可以作为预测模型。本文从子空间辨识的基本算法和特点出发,结合预测控制策略的需要,在控制器的设计和优化方面进行了研究。本文的主要成果主要为以下两个方面:1.针对系统是否存在约束条件,分别提出了基于子空间辨识的无约束预测控制和基于子空间辨识的约束预测控制。通过子空间辨识得到的状态空间模型作为系统模型,辨识的中间结果即预估器模型作为预测模型,预估器模型也是子空间辨识和模型预测结合的重点。当输入输出数据量较少时,可以先通过核范数优化技术来得到优化变量,然后将其用于子空间辨识,这样可以提升辨识精度。无约束和有约束情况下,最优控制量的求解分别使用偏导法和二次规划即QP方法。2.针对系统存在约束的情况下,如果控制器的参数设置过大,将会导致计算的复杂度增加以及在求解最优控制量所需的时间大大增多。为了能够减少利用二次规划计算时遇到的变量,减少计算的复杂度,将拉盖尔函数参数化的设计引入进来。通过对输入增量信号进行参数化,可以在不牺牲算法的控制效果下有效地减少算法的计算时间。最后通过实验仿真,实验过程中控制器参数设置逐渐变大,根据实验结果可以发现带拉盖尔函数参数化的设计方式可以降低计算复杂度减少计算时间。
乔东东[6]（2019）在《基于Laguerre函数模型的改进型预测控制及应用研究》文中研究表明近年来,随着经济和科技的快速发展,国家和人民对于电力供应的安全和稳定要求日益提升,使得热工过程控制愈加复杂,传统控制方法难以取得理想的控制效果。研究先进的控制策略,设计出满足热工过程控制的要求且性能优良的控制系统,将有助于提高热工过程自动化水平,也是热工控制领域的重要部分。由于PID控制算法结构直观易懂、便于操作,得到了广泛的应用。然而现代热力设备和热工过程日趋大型化和复杂化,控制要求不断提高,常规的线性PID控制策略难以满足。分数阶PID在整数阶PID的基础上多引入两个参数,控制器更加灵活,更能满足各种场合的控制要求。预测控制是上个世纪末出现的一类新型基于计算机平台的控制策略,经过20多年的理论研究和实践证明,预测控制具有良好的跟踪性、鲁棒性和适应性。如果将PID控制或者分数阶PID与预测控制相结合,研究出新型的控制算法并应用到热工控制中,将有助于改善热工过程自动化水平。本文先将循环流化床锅炉床温系统作为被控对象,分析了循环流化床锅炉系统结构及其床温数学模型。针对控制系统的要求,结合传统PID和模型预测控制的优点,提出一种基于Laguerre函数模型的PID预测控制算法（LMPC-PID）。该控制策略以一种典型的预测控制为出发点,采用对时延和结构变化不敏感的Laguerre函数模型作为预测模型,利用带遗忘因子的最小递推二乘法在线辨识模型参数,并进一步将预测控制与PID控制控制相结合,将比例,积分和微分系数加入到滚动优化目标中。通过MATLAB平台进行仿真分析,表明LMPC-PID控制方法具有优良的控制品质;后又将滚动优化的性能指标改成分数阶PID的结构形式,提出了基于Laguerre函数模型的分数阶PID预测控制（LMPC-FOPID）策略,引入两个参数,增加了控制器的灵活性,结果更加接近预期的控制效果。最后继续将其扩展到多变量领域,提出一种基于Laguerre函数模型的多变量PID预测控制算法（MLMPC-PID）,以火电单元机组负荷系统模型为被控对象,通过实验仿真验证了该算法的有效性。
郭伟,张鹏程,李涛,乔东东[7]（2019）在《多变量Laguerre函数分数阶PID预测控制及其在火电机组负荷控制中的应用》文中认为针对火电单元机组负荷控制系统的特点,提出一种基于多变量Laguerre函数的分数阶PID预测控制（multivariable Laguerre function model predictive control combined with fractional-order PID,MLMPC-FOPID）算法。使用增量式Laguerre函数模型作为预测模型,通过带遗忘因子的最小二乘递归方法对Laguerre系数矩阵进行在线辨识,使得预测模型近似于真实的被控对象,并将预测模型的性能指标改写成分数阶PID参数形式,以提高系统的动态性能和鲁棒性。与其他控制算法的对比结果表明,所提出算法能很好地应对火电单元机组的特性变化,快速性和准确性方面大大提高,是一种有效的控制策略。
张秀云[8]（2018）在《永磁同步电机驱动的多轴运动系统预测轮廓控制》文中提出永磁同步电机驱动的多轴运动系统以其在功率密度、运行效率、响应速度等方面的优势,在高速、高精度的现代数控技术领域具有广阔的应用前景。本文针对传统多轴运动系统轮廓控制策略控制结构冗余、控制器参数调节繁琐、动态响应速度慢、轨迹转折点处轮廓误差大等问题,开展一系列研究,提出并建立了基于统一建模思想的整合型同步控制架构,并在此控制架构下提出了三种改进的预测轮廓控制策略。提出基于统一建模思想的整合型同步控制架构,将运动机构、多个逆变器和永磁同步电机统一建模,建立紧凑的无级联预测控制器,此方式能够统整各轴回路控制器,将多个嵌套控制环合并为一个环,具有建模直观、结构简单的优点,下面所提出的三种改进预测轮廓控制策略均是在此控制架构的基础上设计的。提出多轴运动系统广义预测轮廓控制策略。综合广义预测控制在线参数估计、多步预测、滚动优化和反馈校正的优点,将跟踪误差和轮廓误差同时引入价值函数,寻求使跟踪误差和轮廓误差协调最优的控制输入信号,同时考虑约束问题设计动态限幅器,能够解决传统策略控制结构冗余等问题,并且在提高系统瞬态轮廓跟踪性能的同时,减小轮廓误差。提出基于状态空间的多轴运动系统模型预测轮廓控制策略。将跟踪误差、轮廓误差、控制增量和位置增量同时引入价值函数,实现多变量协同优化控制。同时提出一种实时自适应调整位置增量权重系数和控制增量权重系数的方法,以抑制轨迹转折点处的电流增量波动,能够解决传统策略控制结构冗余等问题,并兼顾跟踪路径的光滑性,提高系统的动稳态轮廓跟踪性能。提出多轴运动系统有限控制集模型预测轮廓控制策略。以跟踪误差为主要指标确定适当数量的备选电压矢量,再以轮廓误差、电机运行性能和电流幅值限制为评价指标构建一个多轴运动系统统一的价值函数,来实现多变量的协同优化控制,并通过价值函数寻优选择最优的电压矢量,能够解决传统策略控制结构冗余等问题,并提高系统的动态响应速度和轮廓精度。构建一套高可靠性的多轴运动系统样机,通过实验对传统级联控制策略和三种基于统一建模的改进控制策略进行研究。结果显示,三种改进控制策略均可有效解决传统策略控制结构冗余、控制器参数调节繁琐、动态响应速度慢、轨迹转折点处轮廓误差大等问题,证明了本文理论分析的正确性和控制策略的有效性。
郑阳[9]（2018）在《水电机组调节系统模型预测控制研究》文中研究指明水电机组是现代电力系统中广泛分布的电能生产装置,具有极其复杂的水力-机械-电气耦合非线性特性,在电网中发挥着能源供应、调峰调频和事故备用等关键作用。水电机组的安全、稳定、高效运行对提升电能质量和维持电力系统稳定具有重要意义。近年来,随着超大容量机组和抽水蓄能机组的广泛投产运行,水电机组呈现出容量大型化、结构复杂化的发展趋势,使机组调节系统的控制越来越复杂。为改善机组的控制性能,提高机组在复杂工况下的运行稳定性,亟需开展水电机组调节系统的先进控制理论与方法研究。传统水电机组调节系统多采用比例-积分-微分（Proportional-Integral-Derivative,PID）控制策略,控制算法结构简单、易于电站运维人员理解与实现,但其控制目标单一,较少考虑系统水-机-电耦合动力过程和内部状态信息,尤其是缺乏对系统状态变量进行约束的能力,难以满足日渐复杂的运行环境中水电机组调节系统高品质控制的需求。因此,现代控制理论、智能控制理论被广泛用于水电机组调节系统的控制器设计中,成为水电机组调节系统控制方向的研究热点。模型预测控制是在工业控制系统中广泛应用的计算机控制方法,其算法结构不拘泥于系统模型形式,具有较强的鲁棒性和显式处理约束能力,对具有复杂模型结构和含有多种饱和、死区等非线性环节的水电机组调节系统具有较强适应性。本文以水电机组运行过程中对频率、电压、功率的高品质控制需求为切入点,围绕水电机组调节系统模型预测控制研究中的关键科学问题,从原动机调速、发电机励磁和电力系统二次调频的角度,分别建立了水电机组调节系统的精确数学模型。在此基础上,以抽水蓄能机组调速系统、同步发电机励磁系统和水-火电互联电网分布式负荷频率控制系统为研究对象,根据被控对象的模型结构和动态特点分别开展了不同类型的模型预测控制理论与方法研究,提出上述模型预测控制的稳定性设计思路,阐述和解析其在水电机组调节系统中应用时的稳定性分析方法,形成了一套较为系统的水电机组调节系统模型预测控制研究体系,并取得了一定理论与应用成果。本文的主要工作和创新性成果包括:（1）深入探究了水电机组调节系统的复杂非线性特性,根据工程实际中机组的运行特点,合理选取不同尺度下机组调节系统的研究侧重点,分别建立了抽水蓄能机组调速系统非线性分布参数模型、同步发电机励磁系统仿射非线性模型和多区域水-火电互联电网负荷频率控制系统状态空间模型,解析了水电机组调速系统不同模型间的结构差异性和系统内非线性约束的处理方式,为开展不同控制目标下水电机组调节系统的模型预测控制研究奠定基础。（2）针对抽水蓄能机组这一类特殊的水电机组,研究并提出了一种适用于抽水蓄能机组发电方向不同工况的机组调速系统广义预测控制方法。通过一种机理建模和数据驱动相结合的模型定阶和参数约简策略来确定抽水蓄能机组调速系统瞬时线性化预测模型的时滞和阶次。根据机组的运行状态和控制目标,分别给出了广义预测控制频率调节模式和开度调节模式的设计方案,并根据华中地区某抽水蓄能电站单机容量300MW的抽水蓄能机组调速系统实际参数进行不同运行工况的控制过程动态分析,验证了该控制方法有效性。（3）提出了一种基于树-种算法的同步发电机励磁系统阶梯式智能模型预测控制方法,将阶梯式控制和智能优化算法引入模型预测控制的滚动优化中,有效降低了滚动优化中非线性规划解的维数,提高了控制算法的可行性。为保证的控制系统的闭环稳定性,将“准无穷时域优化”的概念引入同步发电机励磁系统模型预测控制的设计过程中,在滚动优化环节增设终端惩罚项和终端不等式域,并设计了预测时域外的“虚拟”局部线性化反馈控制器。通过在单机和多机系统中与传统励磁控制方法进行对比实验,证明了该预测控制方法较常规励磁控制方式具有更强的发电机机端电压维持和机电振荡阻尼能力。（4）深入研究水电机组并网运行时区域电网自动发电控制系统的二次调频问题,提出了一种基于Laguerre函数型分布式模型预测控制的负荷频率控制方法,使用离散Laguerre函数拟合有限预测时域内分布式模型预测控制的预测控制律轨迹,将控制器中在线优化问题的维数固定为Laguerre函数的阶次,从而克服了传统预测控制滚动优化的决策变量维数随预测时域增大而增大的问题,提高了长预测时域滚动优化的在线计算效率,改善了复杂状态约束条件下互联电网频率调节的性能。（5）将本文提出的模型预测控制算法分为约束线性系统的Laguerre函数型分布式模型预测控制、仿射非线性系统的阶梯式智能模型预测控制和复杂非线性系统的广义预测控制三个类别。对于约束线性系统和仿射非线性系统的模型预测控制,分别通过终端等式约束和“准无穷时域优化”设计思路,借助Lyapunov稳定性定理证明了控制系统闭环稳定性,并对这两种控制算法分别在负荷频率控制和发电机励磁控制中应用时的稳定性问题进行了研究。对于复杂非线性系统的广义预测控制,分析了其稳定性设计时存在的困难,并讨论了通过非线性动力学分析判断广义预测控制在抽水蓄能机组调速系统中应用时系统运行稳定性的方法。
赵昂[10]（2017）在《基于子空间法的动力定位船舶模型辨识及控制方法研究》文中进行了进一步梳理建立较为精确的船舶数学模型,对于控制器设计和船舶操纵性能预报具有重要的辅助作用,因此也受到了研究者们越来越多的关注。目前船舶数学模型的获取方法均采用了白箱建模方式,即通过船型参数使用经验公式等构建出船舶微分方程,或者通过进行水池试验对船舶水动力导数进行估算。这些算法难免会出现计算复杂、操作困难等问题。为了克服这些问题,本课题主要研究动力定位船舶数学模型的黑箱辨识方法,以及对应的预测控制算法。首先根据船舶模型的特点,在子空间理论的背景下深入研究了适用于船舶非线性离散模型的辨识算法,然后进一步对船舶连续时间线性模型进行了辨识算法研究。最后对动力定位过程中的控制问题进行了研究,将子空间理论和预测控制结合起来,提出新型预测控制器并应用用于船舶动力的控制中。具体来说,本文的研究内容包括:传统船舶模型辨识算法均侧重于船舶水动力参数的辨识,并通过特定的自航模试验、水池斜拖试验或者经验公式等计算得到对应的水动力导数,但是这些方法在计算水动力参数的时候都或多或少地存在计算量大,或者出现参数相消导致估算结果有很大误差等问题。为了克服这些缺点,本课题提出研究船舶黑箱非线性模型的辨识问题。论文首先针对船舶非线性的特点,在采用子空间辨识理论进行模型辨识之前,将其转换成辨识算法中常用的模块化级联结构,即带有非线性反馈的Hammerstein模型。接着将非线性部分以Fourier级数为基底进行展开,最终将模型转换成适用于子空间辨识的框架。最终根据变换后船舶模型的特殊形式,提出采用基于MOESP的子空间辨识算法对其参数矩阵进行估计,从而得到船舶黑箱辨识模型。针对船舶模型中水动力参数可能随着外界海洋环境的不同而发生漂移的问题,提出一种在线更新船舶黑箱模型的子空间辨识策略:即根据子空间辨识中QR分解的特点,采用Givens旋转矩阵对该复杂分解过程进行处理,从而降低计算复杂度,进而实现算法的在线计算,最终使得子空间辨识算法能够适用于船舶黑箱模型的在线辨识中。针对数据采样频率的变化会导致辨识得到的动力定位船舶离散数学模型发生变化的问题,同时考虑到连续时间船舶数学模型在控制器的设计中具有足够大的优势,本课题提出基于子空间的动力定位船舶连续时间线性模型辨识算法来辨识动力定位船舶连续时间线性模型。由于传统离散子空间辨识中需要求解输入输出信号的高阶导,而为了在连续时间系统中解决该问题,论文提出采用Laguerre滤波函数和Laguerre投影函数的方法对信号进行转换,最终将连续时间系统转换到对应函数空间中的“离散时间模型”形式。由于变换过程为一一映射过程,因此通过基于Laguerre滤波函数(PBSIDfilt)和Laguerre投影函数(PBSIDopt)的的子空间辨识算法辨识得到的对应域中的模型可以唯一地还原出原连续系统的系统矩阵。最终,针对传统预测控制算法需要首先对船舶数学模型进行估计的问题,本课题将子空间理论、Laguerre滤波函数和预测控制思想结合起来,提出了基于Laguerre滤波函数的子空间预测控制算法。该算法可以通过计算从而一步得到系统的预测输出,进而避免了对船舶数学模型建模的阶段。并且通过引入离散Laguerre滤波函数,在不影响控制结果的前提下减少了优化过程中变量的数目,提高了控制算法的计算效率。
二、基于Laguerre函数模型的多变量广义预测自适应控制（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：
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、基于Laguerre函数模型的多变量广义预测自适应控制（论文提纲范文）
（1）重油催化裂化分馏塔的控制策略研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究课题的提出 |
| 1.2 重油催化裂化分馏塔控制策略发展现状 |
| 1.3 预测控制 |
| 1.3.1 预测控制的发展 |
| 1.3.2 预测控制的基本原理 |
| 1.4 本文主要研究内容 |
| 第二章 重油催化裂化分馏塔系统概述 |
| 2.1 精馏塔工艺说明 |
| 2.1.1 精馏塔的基本原理 |
| 2.1.2 精馏塔的控制目标 |
| 2.2 重油催化裂化分馏塔系统的数学模型 |
| 2.2.1 过程模型 |
| 2.2.2 控制约束 |
| 2.2.3 系统模型的简化 |
| 2.3 本章小结 |
| 第三章 基于多变量ARX-Laguerre模型的PID预测控制算法 |
| 3.1 多变量ARX-Laguerre模型推导 |
| 3.1.1 ARX模型 |
| 3.1.2 多变量ARX-Laguerre模型 |
| 3.2 MALMPC-PID算法推导 |
| 3.2.1 基于多变量ARX-Laguerre模型的模型预测控制 |
| 3.2.2 MALMPC-PID算法 |
| 3.3 模型参数辨识 |
| 3.4 稳定性分析 |
| 3.5 仿真实验 |
| 3.6 本章小结 |
| 第四章 基于多变量ARX-Laguerre模型的分数阶PID预测控制算法及参数优化 |
| 4.1 MALMPC-FOPID算法 |
| 4.1.1 分数阶PID控制算法 |
| 4.2 基于差分进化算法的参数寻优 |
| 4.2.1 差分进化算法 |
| 4.2.2 MALMPC-FOPID算法的参数寻优 |
| 4.3 仿真实验 |
| 4.4 本章小结 |
| 第五章 重油催化裂化分馏塔的混杂系统建模与模型预测控制 |
| 5.1 混杂系统建模方法 |
| 5.1.1 混合逻辑动态模型 |
| 5.1.2 MLD建模步骤 |
| 5.1.3 DHA框架与HYSDEL建模语言 |
| 5.2 基于MLD模型的模型预测控制算法 |
| 5.3 重油催化裂化分馏塔MLD建模与模型预测控制 |
| 5.3.1 MLD模型的建立 |
| 5.3.2 仿真实验 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（2）全线控电动汽车不同行驶模式的轨迹跟踪控制研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 选题背景与研究意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 论文相关技术国内外研究现状 |
| 1.2.1 全线控电动汽车动力学控制研究现状 |
| 1.2.2 传统行驶模式轨迹跟踪控制研究现状 |
| 1.2.3 非传统行驶模式轨迹跟踪控制研究现状 |
| 1.3 论文相关研究技术问题 |
| 1.4 本文技术路线和论文章节安排 |
| 第2章 基于双结构强跟踪滤波的全线控电动汽车状态估算 |
| 2.1 全线控电动汽车运动状态观测模型 |
| 2.1.1 车辆动力学模型 |
| 2.1.2 HSRI轮胎侧偏模型 |
| 2.1.3 车轮动力学模型 |
| 2.2 运动状态观测器设计需求及滤波方法对比 |
| 2.2.1 全线控电动汽车运动状态观测器设计需求 |
| 2.2.2 滤波方法对比 |
| 2.3 基于DSTF的全线控电动汽车状态辨识与估计 |
| 2.3.1 强跟踪滤波理论 |
| 2.3.2 DSTF状态观测器设计 |
| 2.4 仿真验证 |
| 2.5 本章小结 |
| 第3章 不同行驶模式融合的全线控电动汽车轨迹跟踪控制 |
| 3.1 全线控电动汽车轨迹跟踪控制总体架构与基本思路 |
| 3.1.1 控制架构 |
| 3.1.2 轨迹跟踪控制方法选择 |
| 3.2 基于MPC的全线控电动汽车轨迹跟踪控制层设计 |
| 3.2.1 整车预测模型建立 |
| 3.2.2 基于MPC的全线控电动汽车轨迹跟踪控制 |
| 3.2.3 引入避障势场函数的轨迹跟踪优化问题 |
| 3.3 轨迹跟踪期望运动实现 |
| 3.3.1 动力学分配层设计 |
| 3.3.2 执行器执行层 |
| 3.4 基于不同行驶模式融合的轨迹跟踪控制 |
| 3.4.1 传统与非传统行驶模式对比 |
| 3.4.2 不同行驶模式轨迹跟踪控制目标及基本思路 |
| 3.4.3 基于模糊理论的不同行驶模式轨迹跟踪目标权重调节器设计 |
| 3.5 仿真验证 |
| 3.5.1 基于MPC框架的全线控电动汽车轨迹跟踪控制方法验证 |
| 3.5.2 基于变权重 MPC 的多行驶模式轨迹跟踪方法验证 |
| 3.6 本章小结 |
| 第4章 传统行驶模式下全线控电动汽车自适应轨迹跟踪控制 |
| 4.1 MPC自适应轨迹跟踪控制原理与基本思路 |
| 4.2 传统行驶模式下MPC自适应轨迹跟踪控制 |
| 4.2.1 基本框架 |
| 4.2.2 基于β-(?)相平面法的稳定性判断 |
| 4.2.3 自适应轨迹跟踪中NP的调节 |
| 4.2.4 自适应轨迹跟踪控制中问题描述 |
| 4.2.5 基于目标函数指数权重引入的“病态”问题处理 |
| 4.3 基于Laguerre函数拟合的跟踪能力优化 |
| 4.3.1 跟踪能力优化 |
| 4.3.2 基于Laguerre函数的控制序列拟合 |
| 4.4 仿真验证 |
| 4.4.1 自适应轨迹跟踪控制方法验证 |
| 4.4.2 基于Laguerre函数拟合的机动特性优化有效性验证 |
| 4.5 本章小结 |
| 第5章 全线控电动汽车轨迹跟踪控制方法试验验证 |
| 5.1 基于DSTF的车辆状态观测器试验验证 |
| 5.1.1 全线控电动汽车实车平台 |
| 5.1.2 状态观测器试验数据合成 |
| 5.1.3 DSTF状态观测器验证 |
| 5.2 轨迹跟踪控制方法验证 |
| 5.2.1 驾驶模拟器介绍 |
| 5.2.2 集成动力学特性的MPC实时性优化 |
| 5.2.3 不同行驶模式融合轨迹跟踪控制方法在线验证 |
| 5.2.4 传统行驶模式下自适应轨迹跟踪控制及机动特性优化方法验证 |
| 5.3 本章小结 |
| 第6章 结论与展望 |
| 6.1 全文总结 |
| 6.2 本文创新点 |
| 6.3 研究展望 |
| 参考文献 |
| 作者简介及在学期间所取得的主要科研成果 |
| 致谢 |
（3）多变量ARX-Laguerre函数PID预测控制算法及其应用（论文提纲范文）
| 1 多变量ARX-Laguerre函数模型PID控制算法 |
| 1.1 多变量ARX-Laguerre函数模型及其状态空间表达式 |
| 1.2 多变量ARX-Laguerre函数模型的PID模型预测 |
| 1.3 模型参数辨识 |
| 2 重油催化裂化分馏塔仿真实验 |
| 3 结 语 |
（4）改进型时间序列模型预测控制及其在热工过程中的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 热工过程常用控制策略简述 |
| 1.2.1 PID控制策略 |
| 1.2.2 预测控制策略 |
| 1.2.3 时间序列分析 |
| 1.3 本文主要研究内容及组织结构 |
| 第二章 预备知识 |
| 2.1 PID及分数阶PID控制算法 |
| 2.1.1 PID控制算法 |
| 2.1.2 分数阶PID控制算法 |
| 2.2 预测控制 |
| 2.2.1 预测模型 |
| 2.2.2 反馈校正 |
| 2.2.3 滚动优化 |
| 2.3 Laguerre正交基及其函数模型 |
| 2.3.1 Laguerre正交基 |
| 2.3.2 线性系统Laguerre函数模型 |
| 2.4 离散时间序列模型 |
| 2.4.1 自回归模型 |
| 2.4.2 滑动平均模型 |
| 2.4.3 自回归滑动平均模型 |
| 2.4.4 ARX模型和ARMAX模型 |
| 2.5 本章小结 |
| 第三章 改进型多变量Laguerre函数模型预测控制及应用 |
| 3.1 火电单元机组负荷控制系统流程及模型建立 |
| 3.1.1 火电单元机组工作流程 |
| 3.1.2 火电单元机组负荷控制数学模型 |
| 3.2 多变量Laguerre函数模型分数阶PID预测控制算法 |
| 3.2.1 MLMPC-FOPID算法推导 |
| 3.2.2 仿真实验 |
| 3.3 本章小结 |
| 第四章 基于正交基优化的ARX模型预测控制及应用 |
| 4.1 过热汽温控制系统流程及模型建立 |
| 4.1.1 过热汽温控制流程 |
| 4.1.2 过热汽温控制数学模型 |
| 4.2 ARX-Laguerre模型PID预测控制算法 |
| 4.2.1 ARX-Laguerre模型 |
| 4.2.2 ALMPC-PID算法推导 |
| 4.2.3 模型参数辨识 |
| 4.2.4 稳定性分析 |
| 4.2.5 仿真实验 |
| 4.2.6 PID参数对算法性能的影响 |
| 4.3 ARX-Laguerre模型分数阶PID预测控制算法 |
| 4.3.1 ALMPC-FOPID算法推导 |
| 4.3.2 仿真实验 |
| 4.3.3 积分和微分阶次对算法性能的影响 |
| 4.4 本章小结 |
| 第五章 基于正交基优化的ARMAX模型预测控制及应用 |
| 5.1 循环流化床锅炉主蒸汽压力控制系统流程及模型建立 |
| 5.1.1 循环流化床锅炉燃烧系统 |
| 5.1.2 主蒸汽压力控制数学模型 |
| 5.2 ARMAX-Laguerre模型PID预测控制算法 |
| 5.2.1 ARMAX-Laguerre模型 |
| 5.2.2 AMLMPC-PID算法推导 |
| 5.3 基于差分进化算法的参数寻优 |
| 5.3.1 差分进化算法 |
| 5.3.2 AMLMPC-PID算法的参数寻优 |
| 5.4 仿真实验 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间完成的科研情况 |
（5）子空间辨识算法及预测控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 专用术语注释表 |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 子空间辨识发展现状 |
| 1.3 基于子空间辨识的预测控制研究发展现状 |
| 1.4 本文的主要研究内容 |
| 第二章 统一框架的子空间辨识算法 |
| 2.1 引言 |
| 2.2 数学工具 |
| 2.2.1 Moore-Penrose逆 |
| 2.2.2 QR分解和奇异值分解 |
| 2.2.3 正交投影 |
| 2.2.4 倾斜投影 |
| 2.3 数学模型的描述 |
| 2.3.1 确定性形式 |
| 2.3.2 过程形式 |
| 2.3.3 新息形式 |
| 2.4 子空间辨识算法 |
| 2.4.1 N4SID算法 |
| 2.4.2 MOESP算法 |
| 2.4.3 CVA算法 |
| 2.5 仿真实验 |
| 2.5.1 连续搅拌釜反应器系统仿真 |
| 2.5.2 热流密度系统仿真 |
| 2.6 小结 |
| 第三章 基于子空间辨识的预测控制 |
| 3.1 引言 |
| 3.2 模型预测控制基本原理 |
| 3.2.1 预测模型 |
| 3.2.2 滚动优化 |
| 3.2.3 反馈校正 |
| 3.3 基于核范数优化的子空间辨识的预测控制 |
| 3.3.1 ADMM算法 |
| 3.3.2 无约束的子空间辨识的模型预测控制 |
| 3.3.3 有约束的子空间辨识的模型预测控制 |
| 3.4 仿真实验 |
| 3.4.1 无约束预测控制仿真 |
| 3.4.2 有约束预测控制仿真 |
| 3.5 小结 |
| 第四章 基于Laguerre函数参数化的子空间辨识的预测控制 |
| 4.1 引言 |
| 4.2 Laguerre函数对输入信号参数化 |
| 4.2.1 Laguerre函数 |
| 4.2.2 Laguerre函数对输入增量参数化 |
| 4.3 Laguerre函数参数化的子空间辨识的预测控制 |
| 4.3.1 Laguerre函数参数化的子空间辨识的约束预测控制 |
| 4.3.2 多输入系统下Laguerre函数参数化的处理 |
| 4.4 仿真实验 |
| 4.5 小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 附录1 攻读硕士学位期间撰写的论文 |
| 附录2 攻读硕士学位期间申请的专利 |
| 附录3 攻读硕士学位期间参加的科研项目 |
| 致谢 |
（6）基于Laguerre函数模型的改进型预测控制及应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 两种典型热工过程控制发展现状 |
| 1.2.1 循环流化床锅炉的控制策略发展现状 |
| 1.2.2 火电单元机组负荷系统的控制策略发展现状 |
| 1.3 PID控制和预测控制策略发展现状 |
| 1.3.1 PID控制 |
| 1.3.2 预测控制 |
| 1.4 本文主要研究内容及组织结构 |
| 第二章 Laguerre函数模型及预测控制 |
| 2.1 Laguerre函数模型 |
| 2.1.1 Laguerre函数 |
| 2.1.2 线性系统的Laguerre函数模型 |
| 2.2 预测控制 |
| 2.3 本章小结 |
| 第三章 基于Laguerre函数模型的PID及分数阶PID预测控制 |
| 3.1 循环流化床锅炉介绍及床温模型的建立 |
| 3.1.1 CFB锅炉工作原理 |
| 3.1.2 CFB锅炉床温数学模型 |
| 3.2 PID控制 |
| 3.2.1 位置式PID控制算法 |
| 3.2.2 增量式PID控制算法 |
| 3.3 基于Laguerre函数模型的PID预测控制 |
| 3.3.1 基于Laguerre函数模型的预测控制 |
| 3.3.2 控制器设计 |
| 3.3.3 模型参数辨识 |
| 3.3.4 稳定性分析 |
| 3.3.5 仿真分析 |
| 3.4 基于Laguerre函数模型的分数阶PID预测控制 |
| 3.4.1 分数阶PID控制 |
| 3.4.2 控制器设计 |
| 3.4.3 仿真实验 |
| 3.5 本章小结 |
| 第四章 基于Laguerre函数模型的多变量PID预测控制 |
| 4.1 火电单元机组负荷系统 |
| 4.2 控制算法设计 |
| 4.2.1 控制量推导 |
| 4.2.2 模型辨识 |
| 4.3 仿真分析 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间完成的科研情况 |
（7）多变量Laguerre函数分数阶PID预测控制及其在火电机组负荷控制中的应用（论文提纲范文）
| 1 火电单元机组负荷控制系统流程 |
| 2 多变量Laguerre函数分数阶PID预测控制算法 |
| 2.1 多变量Laguerre函数预测控制 |
| 2.2 多变量Laguerre函数PID预测控制 (MLMPC-PID算法) |
| 2.3 多变量Laguerre函数分数阶PID预测控制 (MLMPC-FOPID算法) |
| 2.4 稳定性分析 |
| 3 仿真实验 |
| 4 结论 |
（8）永磁同步电机驱动的多轴运动系统预测轮廓控制（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 轮廓控制技术研究现状 |
| 1.2.1 单轴解耦轮廓控制 |
| 1.2.2 交叉耦合轮廓控制 |
| 1.2.3 多方法融合的轮廓控制 |
| 1.3 模型预测控制技术研究现状 |
| 1.3.1 连续控制集模型预测控制 |
| 1.3.2 有限控制集模型预测控制 |
| 1.4 论文主要研究内容 |
| 第2章 传统多轴运动系统轮廓控制 |
| 2.1 轮廓误差模型 |
| 2.1.1 平面任意轨迹轮廓误差 |
| 2.1.2 空间任意轨迹轮廓误差 |
| 2.2 多轴运动系统数学模型 |
| 2.2.1 运动机构数学模型 |
| 2.2.2 永磁同步电机数学模型 |
| 2.2.3 两电平电压源逆变器数学模型 |
| 2.3 传统多轴运动系统轮廓控制策略 |
| 2.3.1 多轴运动系统单轴解耦轮廓控制策略 |
| 2.3.2 多轴运动系统交叉耦合轮廓控制策略 |
| 2.4 传统多轴运动系统轮廓控制策略结构特点 |
| 2.5 控制系统运行特性实验结果与分析 |
| 2.6 本章小结 |
| 第3章 多轴运动系统广义预测轮廓控制 |
| 3.1 多轴运动系统统一受控自回归积分滑动平均模型 |
| 3.2 多轴运动系统广义预测轮廓控制系统设计 |
| 3.2.1 多步预测及优化求解 |
| 3.2.2 模型参数辨识 |
| 3.2.3 动态限幅模块 |
| 3.2.4 控制系统整体结构 |
| 3.3 系统稳定性分析 |
| 3.4 控制系统运行特性实验结果与分析 |
| 3.4.1 折线轨迹运行特性 |
| 3.4.2 曲线轨迹运行特性 |
| 3.4.3 系统抗扰能力分析 |
| 3.5 本章小结 |
| 第4章 基于状态空间的多轴运动系统模型预测轮廓控制 |
| 4.1 基于状态空间的多轴运动系统统一模型 |
| 4.2 基于状态空间的模型预测轮廓控制系统设计 |
| 4.2.1 多步预测 |
| 4.2.2 价值函数及权重系数整定 |
| 4.2.3 控制系统整体结构 |
| 4.3 系统稳定性分析 |
| 4.4 控制系统运行特性实验结果与分析 |
| 4.4.1 折线轨迹运行特性 |
| 4.4.2 曲线轨迹运行特性 |
| 4.4.3 系统鲁棒性分析 |
| 4.5 本章小结 |
| 第5章 多轴运动系统有限控制集模型预测轮廓控制 |
| 5.1 基于离散型泰勒级数的多轴运动系统统一模型 |
| 5.2 有限控制集模型预测轮廓控制系统设计 |
| 5.2.1 备选电压矢量的确定 |
| 5.2.2 价值函数寻优 |
| 5.2.3 控制系统整体结构 |
| 5.3 控制系统仿真研究 |
| 5.3.1 轮廓误差权重系数的影响 |
| 5.3.2 轮廓误差项对矢量选择的影响 |
| 5.4 控制系统运行特性实验结果与分析 |
| 5.4.1 折线轨迹运行特性 |
| 5.4.2 曲线轨迹运行特性 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 参考文献 |
| 发表论文和参加科研情况说明 |
| 致谢 |
（9）水电机组调节系统模型预测控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究的背景、意义与目标 |
| 1.2 水电机组调节系统控制研究现状 |
| 1.3 模型预测控制的研究现状与控制原理 |
| 1.4 水电机组调节系统模型预测控制的研究障碍和难点 |
| 1.5 本文主要研究内容与章节安排 |
| 2 水电机组调节系统多尺度建模研究 |
| 2.1 引言 |
| 2.2 抽水蓄能机组调速系统精细化分布参数模型 |
| 2.3 同步发电机励磁系统仿射非线性模型 |
| 2.4 多区域水-火电互联电网负荷频率控制系统模型 |
| 2.5 本章小结 |
| 3 抽水蓄能机组调速系统广义预测控制研究 |
| 3.1 引言 |
| 3.2 抽水蓄能机组调速系统综合仿真模型 |
| 3.3 基于机理建模与数据驱动结合的抽水蓄能机组调速系统时间序列模型 |
| 3.4 抽水蓄能机组调速系统广义预测控制 |
| 3.5 实例验证与结果分析 |
| 3.6 本章小结 |
| 4 同步发电机励磁系统阶梯式智能模型预测控制研究 |
| 4.1 引言 |
| 4.2 发电机励磁系统阶梯式智能模型预测控制设计 |
| 4.3 预测时域终端的局部线性化状态反馈控制器 |
| 4.4 基于树-种算法的启发式滚动优化 |
| 4.5 对比实验及结果分析 |
| 4.6 本章小结 |
| 5 基于分布式模型预测控制的水-火电互联电网负荷频率控制研究 |
| 5.1 引言 |
| 5.2 基于分布式模型预测控制的互联系统负荷频率控制模型 |
| 5.3 基于Laguerre函数型分布式模型预测控制的负荷频率控制 |
| 5.4 实验验证与结果分析 |
| 5.5 本章小结 |
| 6 模型预测控制稳定性分析及其在水电机组调节系统中的应用 |
| 6.1 引言 |
| 6.2 约束线性系统的Laguerre函数型分布式模型预测控制稳定性及其应用研究 |
| 6.3 仿射非线性系统的阶梯式智能模型预测控制稳定性及其应用研究 |
| 6.4 广义预测控制的非线性动力学稳定性分析及其应用研究 |
| 6.5 本章小结 |
| 7 全文总结与展望 |
| 7.1 全文工作总结 |
| 7.2 进一步研究展望 |
| 致谢 |
| 参考文献 |
| 附录1 攻读博士期间发表的论文 |
| 附录2 攻读博士期间完成和参与的科研项目 |
（10）基于子空间法的动力定位船舶模型辨识及控制方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题的背景及意义 |
| 1.2 课题研究现状 |
| 1.2.1 系统辨识 |
| 1.2.2 系统辨识在船舶模型辨识中的应用 |
| 1.2.3 模型预测控制 |
| 1.2.4 子空间模型预测控制 |
| 1.3 课题主要研究内容和研究方法 |
| 1.4 论文结构安排 |
| 第2章 子空间辨识及新型船舶辨识模型介绍 |
| 2.1 子空间辨识算法简介 |
| 2.2 预备知识 |
| 2.2.1 正交投影 |
| 2.2.2 斜投影 |
| 2.2.3 投影的统计学特性 |
| 2.3 子空间辨识算法推导 |
| 2.3.1 状态空间模型变换 |
| 2.3.2 子空间辨识算法的基本框架 |
| 2.3.3 其它子空间辨识算法 |
| 2.4 基于块状结构的非线性辨识模型介绍 |
| 2.5 仿真验证 |
| 2.6 本章小结 |
| 第3章 基于子空间理论的船舶非线性模型辨识算法 |
| 3.1 带有非线性反馈的船舶Hammerstein模型 |
| 3.1.1 船舶Hammerstein模型变换 |
| 3.1.2 船舶Hammerstein模型的简化 |
| 3.2 基于船舶Hammerstein模型的子空间离线辨识算法 |
| 3.2.1 基于MOESP算法的船舶模型辨识 |
| 3.3 基于船舶Hammerstein模型的在线子空间辨识算法 |
| 3.3.1 基于子空间辨识算法的在线更新策略 |
| 3.4 仿真验证 |
| 3.4.1 船舶Hammerstein模型离线辨识验证 |
| 3.4.2 在线子空间辨识算法在动力定位系统中的应用 |
| 3.5 本章小结 |
| 第4章 基于子空间的船舶连续时间状态空间模型辨识 |
| 4.1 连续时间辨识算法基本理论 |
| 4.2 问题描述 |
| 4.3 基于预测器的子空间连续时间辨识算法 |
| 4.3.1 Laguerre滤波函数理论 |
| 4.3.2 基于Laguerre滤波函数的辨识算法 |
| 4.3.3 Laguerre投影函数理论 |
| 4.3.4 基于Laguerre投影函数的辨识算法 |
| 4.4 仿真验证 |
| 4.4.1 开环系统辨识对比 |
| 4.4.2 船舶模型辨识 |
| 4.5 本章小结 |
| 第5章 基于子空间理论的船舶预测控制器设计 |
| 5.1 基本理论 |
| 5.1.1 模型预测控制算法 |
| 5.1.2 基于子空间的线性预测控制器设计 |
| 5.1.3 子空间模型预测控制(SMPC) |
| 5.1.4 无约束SMPC |
| 5.1.5 受约束的SMPC |
| 5.2 基于Laguerre函数的子空间预测控制器设计 |
| 5.2.1 基于Laguerre函数的信号转换 |
| 5.2.2 基于离散Laguerre函数对cN(35)u的参数化 |
| 5.3 基于Laguerre函数参数化的SMPC算法（SMPC-L） |
| 5.3.1 无约束的USMPC-L算法 |
| 5.3.2 受约束的CSMPC-L算法 |
| 5.3.3 多输入多输出的SMPC-L算法 |
| 5.4 仿真验证 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文和取得的科研成果 |
| 致谢 |
| 附录A 信号和系统相关理论 |
| A.1 信号理论 |
| A.1.1 信号的时域范数 |
| A.1.2 频域信号 |
| A.2 系统理论 |
| A.2.1 状态空间系统 |
| A.2.2 两个系统空间L_∞和H_∞的定义 |
| A.2.3 全通系统（内系统） |
| A.3 空间L_2(iR)/L_2(-∞,+∞)的基 |
| A3.1 连续时间广义正交基函数（CT-GOBF） |
| A3.2 Laguerre基 |
| 附录B 动力定位船主尺度 |
| 附录C |
四、基于Laguerre函数模型的多变量广义预测自适应控制（论文参考文献）
- [1]重油催化裂化分馏塔的控制策略研究[D]. 邵帅. 南京信息工程大学, 2021(01)
- [2]全线控电动汽车不同行驶模式的轨迹跟踪控制研究[D]. 张冰. 吉林大学, 2020
- [3]多变量ARX-Laguerre函数PID预测控制算法及其应用[J]. 郭伟,邵帅,李涛,张鹏程. 中国科技论文, 2020(07)
- [4]改进型时间序列模型预测控制及其在热工过程中的应用[D]. 张鹏程. 南京信息工程大学, 2020(02)
- [5]子空间辨识算法及预测控制研究[D]. 葛连明. 南京邮电大学, 2019(02)
- [6]基于Laguerre函数模型的改进型预测控制及应用研究[D]. 乔东东. 南京信息工程大学, 2019(03)
- [7]多变量Laguerre函数分数阶PID预测控制及其在火电机组负荷控制中的应用[J]. 郭伟,张鹏程,李涛,乔东东. 中国科技论文, 2019(03)
- [8]永磁同步电机驱动的多轴运动系统预测轮廓控制[D]. 张秀云. 天津大学, 2018(06)
- [9]水电机组调节系统模型预测控制研究[D]. 郑阳. 华中科技大学, 2018(05)
- [10]基于子空间法的动力定位船舶模型辨识及控制方法研究[D]. 赵昂. 哈尔滨工程大学, 2017(06)