采用dsDNA-MC优化的非线性系统预测控制

doi:10.3778/j.issn.1002-8331.2010.31.063

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (31): 225-227.DOI: 10.3778/j.issn.1002-8331.2010.31.063

采用dsDNA-MC优化的非线性系统预测控制

王建玉^1，2，陈俊伟²，王宁²

1.江苏省常州建设高等职业技术学校电子工程系，江苏常州 213016
2.浙江大学智能系统与控制研究所，杭州 310027

收稿日期:2009-12-22 修回日期:2010-03-29 出版日期:2010-11-01 发布日期:2010-11-01
通讯作者: 王建玉

Nonlinear model predictive control using dsDNA-MC optimization

WANG Jian-yu^1，2，CHEN Jun-wei²，WANG Ning²

1.Department of Electrical Engineering，Jiangsu Changzhou Higher Vocational School of Construction，Changzhou，Jiangsu 213016，China
2.Institute of Cyber-System and Control，Zhejiang University，Hangzhou 310027，China

Received:2009-12-22 Revised:2010-03-29 Online:2010-11-01 Published:2010-11-01
Contact: WANG Jian-yu

摘要/Abstract

摘要： 将基于DNA双链结构的膜计算优化方法（dsDNA-MC）用于输入受限的非线性预测控制器设计，提出了基于dsDNA-MC优化的非线性系统预测控制算法。在对单输入单输出非线性系统预测控制分析的基础上，将非线性系统预测控制问题归结为具有输入约束的非线性系统优化问题，并采用dsDNA-MC算法来求解这一问题。仿真结果表明该算法可行、有效。

关键词: 预测控制, 非线性系统, 膜计算, 优化算法

Abstract: A membrane computing optimization algorithm with double stranded DNA structure（dsDNA-MC） is used for the design of input-constrained nonlinear predictive controller.Based on the analysis of the single-input single-output nonlinear system predictive control，the problem of nonlinear predictive control system is changed to nonlinear system optimization problem with input-constraint，and this problem is solved by using the dsDNA-MC algorithm.Simulation results show that the algorithm is feasible and effective.

Key words: model predictive control, nonlinear system, membrane computing, optimizing algorithm

中图分类号:

TP273
TU243

王建玉^1，2，陈俊伟²，王宁². 采用dsDNA-MC优化的非线性系统预测控制[J]. 计算机工程与应用, 2010, 46(31): 225-227.

WANG Jian-yu^1，2，CHEN Jun-wei²，WANG Ning². Nonlinear model predictive control using dsDNA-MC optimization[J]. Computer Engineering and Applications, 2010, 46(31): 225-227.

[1]	孙泽宇，徐琛，苏艳超，李传锋，聂雅琳. 雾计算中跨层感知分簇路由协议[J]. 计算机工程与应用, 2021, 57(9): 109-117.
[2]	张朕通，单玉刚，袁杰. 联合多尺度和注意力机制的遥感影像检测[J]. 计算机工程与应用, 2021, 57(9): 212-216.
[3]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[4]	高铖铖，陈锡程，张瑞，宋秋月，易东，伍亚舟. 三种新型智能算法在疫情预警模型中的应用——基于百度搜索指数的COVID-19疫情预警[J]. 计算机工程与应用, 2021, 57(8): 256-263.
[5]	张水平，王丽娜. 果蝇优化算法的进展研究分析[J]. 计算机工程与应用, 2021, 57(6): 22-29.
[6]	王芙银，张德生，张晓. 结合鲸鱼优化算法的自适应密度峰值聚类算法[J]. 计算机工程与应用, 2021, 57(3): 94-102.
[7]	张伟康，刘升，任春慧. 混合策略改进的麻雀搜索算法[J]. 计算机工程与应用, 2021, 57(24): 74-82.
[8]	徐辰华，骆珠光，吴冠宏，刘斌. 基于正弦因子和量子局部搜索的灰狼优化算法[J]. 计算机工程与应用, 2021, 57(24): 83-89.
[9]	顾海艳，陈亮，王多点. 基于模型预测控制的无人机时空协同航迹规划[J]. 计算机工程与应用, 2021, 57(23): 270-279.
[10]	陈万芬，王宇嘉，林炜星. 异构集成代理辅助多目标粒子群优化算法[J]. 计算机工程与应用, 2021, 57(23): 71-80.
[11]	易灵芝，王仕通，易芳，邓栋，易志敏，姜鹏. 基于EEMDSE-ILSTM的风电场超短期风速预测[J]. 计算机工程与应用, 2021, 57(22): 288-294.
[12]	李守玉，何庆，杜逆索. 分段权重和变异反向学习的蝴蝶优化算法[J]. 计算机工程与应用, 2021, 57(22): 92-101.
[13]	陈瑶，陈思. 基于自适应多普勒及动态邻域的改进BA算法[J]. 计算机工程与应用, 2021, 57(22): 166-176.
[14]	陈雷，尹钧圣. 高斯差分变异和对数惯性权重优化的鲸群算法[J]. 计算机工程与应用, 2021, 57(2): 77-90.
[15]	王梦璐，李连忠. 动态反向搜索更新位置的改进灰狼优化算法[J]. 计算机工程与应用, 2021, 57(18): 86-96.

采用dsDNA-MC优化的非线性系统预测控制

Nonlinear model predictive control using dsDNA-MC optimization

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics