将灰色理论-神经网络方法应用于煤与瓦斯突出预测中,利用灰色系统理论的灰色关联法确定了控制矿井煤与瓦斯突出的主控因素,并对煤与瓦斯突出主控因素进行筛选.建立了煤与瓦斯突出危险性预测人工神经网络的数学模型和系统结构.在平顶山八矿突出区进行了煤与瓦斯突出危险性预测应用,预测效果表明:利用灰色系统理论-神经网络方法对预测矿井煤与瓦斯突出是可行的

1 预测控制的发展 2 预测控制的基本原理 3 模型算法控制(MAC) 4 动态矩阵控制(DMC) 5 状态反馈预测控制(SFPC) 6 多变量协调预测控制

针对高强度带钢表面粗糙度的特殊要求和控制难题,采取批量工业生产实验和数理统计的方法,研究高强度带钢表面粗糙度的轧制转印及变化规律,以及轧机工作辊表面粗糙度的变化规律.确定了高强度带钢表面微观形貌由末机架决定,分别建立了高强度带钢表面粗糙度预测模型、轧制转印率模型和轧机工作辊表面粗糙度预测模型.比较了高强度带钢与普通强度带钢的轧制转印行为.研究结果可用于工业生产过程中预测高强度带钢表面粗糙度,合理安排冷轧轧制顺序和轧制计划,以及预测确定工作辊上下机时间节点

提出采用多层局部回归神经网络建立多变量非线性系统多步预测模型的方法,神经网络模型可提供多步预测控制所需要的系统输出预测值及输出向量对控制向量的雅可比矩阵.仿真试验表明这种动态神经网络的预测模型具有较高的精度

为实现对热轧带钢的屈服强度、抗拉强度、断裂延伸率等力学性能的预测及控制,利用人工神经网络技术,分别建立了根据生产工艺参数预测力学性能的质量模型,以及根据力学性能要求对生产工艺参数进行优化的逆质量控制模型.利用质量预测模型,分析得出屈服强度随卷取温度的上升而下降的变化规律,进而可以对组织性能进行在线调整,实现在线应用

智能系统：基于模糊控制与预测控制切换的翼伞系统航迹跟踪控制

智能系统：基于微粒群算法的灰色预测PID控制器

物流系统控制手段 一、反馈控制:根据结果 二、前馈控制:根据预测 三、过程控制:控制突发事件

（1)依赖精确数学模型 （2)被控对象参数时变 （3)系统近似忽略误差过大(非线性→线性) （4)算法繁琐,实现困难

燕山大学自动化系：《计算机控制系统——微机控制技术》第十二章 预测控制