人工智能-多区域变风量空调系统的神经网络预测控制研究.pdf

人工智能-多容水箱小波神经网络广义预测控制.pdf

人工智能-非线性时滞系统动态神经网络辨识和预测控制研究.pdf

人工智能-超临界CO2染色装置神经网络预测控制的研究.pdf

人工智能-磁流减振器神经网络预测控制系统的仿真研究.pdf

在双层结构模型预测控制(Model predictive control,MPC)中,稳态目标计算(Steady-state targets calculation,SSTC)层(上层)为动态控制(Dynamic control,DC)层(下层)提供操作变量、被控变量设定值和变量约束.但是,上层可行域和下层吸引域间存在的不一致性可能使得上层给出的设定值无法实现.本文为下层事先选取若干组放松的软约束,并对每一组软约束都离线计算出相应的吸引域,其中最大的一个吸引域包含稳态目标计算的可行域.在控制过程中,根据当前状态所属吸引域在线地决定在DC层采用的软约束组.采用上述方法后,对所有处于最大吸引域的初始状态,在跟踪稳态目标的过程中,下层优化问题都是可行的.仿真算例证明了该方法的有效性.

系统地论述了神经网络控制、模糊逻辑控制和模型预测控制的基本概念、工作原理、控制算法以及利用matlab语言、matlab工具箱函数和simulink对其实现的方法。各章均有相应的例题，并提供了matlba/simulink实现的仿真实例，便于读者掌握和巩固所学知识。

预测控制matlab工具箱.doc

MPC预测控制算法中的DMC算法simulink仿真文件，详细原理和工程说明见博客：https://blog.csdn.net/qq_33243369/article/details/89408341

对于双输入双输出系统的模型预测控制（DMC）的MATLAB实现，能直接运行得到结论，是学习DMC的一个较好的资源。