专利交易市场

本发明提供了一种基于目标计算的船舶动力定位系统非线性无偏预测控制方法。该方法包括：考虑风、浪、流造成的低频环境干扰影响，建立动力定位船舶非线性离散时间状态空间模型；以外加干扰作为扩展状态，建立包含附加干扰的扩展状态观测模型，采用无迹卡尔曼滤波算法，对状态和干扰进行估计；基于当前时刻参考输入信号rk和干扰估计值计算对应的稳态目标状态xs和目标输入us；基于不含干扰的动力定位系统标称模型，定义带输入约束的无偏NMPC最优化问题，求解得控制时域内的最优控制输入序列，并将序列的第一个元素作用于系统，得到当前时刻的控制输入uk。本方法能使受环境干扰的动力定位船舶无偏跟踪设定船位或航线，提高动力定位系统控制精度和鲁棒性。

一种具有外部干扰和数据异常的移动机器人预测控制方法,包括以下步骤：1)利用视觉伺服方法，并结合移动机器人运动学，动力学方程，建立一阶非完整轮式移动机器人误差模型；2)考虑测量数据异常问题，将系统模型转化为一类具有随机变量的跟踪误差状态空间模型；3)基于鲁棒预测控制方法，定义H∞性能指标，确定预测方程，并设计控制器。本发明提供了一种可以有效解决具有外部干扰和数据异常的移动机器人视觉伺服控制方法。

本发明提供一种抗不确定性的2D分段仿射间歇过程最小-最大优化的预测控制方法，属于工业过程的先进控制领域，包括以下步骤：步骤1、针对间歇过程的非线性特性，将其分成一系列仿射运算区域，建立被控对象以状态空间模型为基础的具有不确定性的二维预测控制系统模型；步骤2、针对新的状态空间模型，设计被控对象的抗不确定性2D分段仿射最小-最大优化的预测控制器。该方法将非线性系统分成一系列线性分段仿射模型，并在不确定性下设计了分段仿射间歇过程最小-最大优化的预测控制器，使得系统在各种不确定性存在的情况下，依然稳定运行，并实现良好的控制性能。

本专利公开了一种基于广义预测控制的周期性节能方法(Generalized Predictive Controlfor Energy Efficient Ethernet with Prediction，GPC‑EEEP)，涉及节能以太网(Energy EfficientEthernet,EEE)领域。该策略使用功耗比和平均排队延迟组合的成本函数来量化节能以太网的性能，并采用广义预测控制方法自动将基于预测的周期性节能策略(EnergyEfficiencyEthernetwith Prediction，EEEP)的周期长度参数调整为最小化该成本函数的最优解。仿真结果表明：GPC‑EEEP策略通过自适应地调整周期长度参数，降低了节能以太网在不同流量场景下的能耗和平均排队延时组合的成本函数。

一种2D滚动优化下间歇过程终端约束预测控制方法，属于工业过程的先进控制领域，包括以下步骤：步骤一：建立多阶段时滞间歇过程模型，并构建2D等价预测控制模型；1.1多阶段时滞间歇过程模型，1.2构建新型预测控制模型；步骤二：设计模型预测跟踪控制器及切换律；2.1设计控制器，2.2设计控制器增益，2.3切换律的设计；2.4求取K值。本发明实现了间歇过程干扰信息在批次不非重复情况下，甚至系统在最坏情况下的双重优化控制，很好的解决了系统时滞、干扰所带来的控制性能影响，实现了很好的跟踪。同时实现了在未知扰动和时滞的环境下维持系统的稳定性和保证系统性能，实现了高精度控制。

本发明公开了一种基于预测控制条件下的模糊超螺旋滑模观测器电感辨识方法，其预测控制策略为并网逆变器模型预测控制，属于电网预测控制技术领域。运用模糊超螺旋滑模观测器对电感进行辨识，首先利用超螺旋滑模观测器对电网电压和输出电流进行观测，考虑到其观测器的增益为固定值，并对系统有一定影响，无法进行自我调节，进一步提出模糊控制的增益自我调节方法，利用观测后的电流与实际电流的误差来实现对增益的调节，最后通过观测后的电网电压与实际电网电压相结合，运用李雅普诺夫定理找到实际电感值，从而达到电感辨识方法。本发明既解决了预测控制电感不匹配问题，又增强了观测器的观测精度，与传统预测控制相对比能提高预测控制的鲁棒性。

本发明公开了一种新型冠状病毒肺炎的预测控制模型。本发明模型的建立实现如下：步骤1、建立新型冠状病毒肺炎模型的状态空间模型；步骤2、设计时变矩阵处理机制；步骤3、构造新型冠状病毒肺炎模型预测控制的事件触发条件；步骤4、设计模型预测控制的框架；步骤5、设计事件触发模型预测控制器；步骤6、验证新型冠状病毒肺炎模型预测控制的正性；步骤7、验证新型冠状病毒肺炎模型预测控制的鲁棒稳定性。本发明方法利用正系统对新型冠状病毒肺炎疫情进行SEIR型建模，模型预测控制器设计、性能指标最优分析等方法，提供了一种新型冠状病毒肺炎疫情发展趋势的预测估计以及采取相应控制策略的理论方法。