一类工业运行过程多模型自适应控制方法

针对一类动态未知的工业运行过程,提出一种基于神经网络补偿和多模型切换的自适应控制方法.为充分考虑底层跟踪误差对整个运行过程优化和控制的影响,将底层极点配置控制系统和上层运行层动态模型相结合,作为运行过程动态模型.针对参数未知的运行过程动态模型,设计由线性鲁棒自适应控制器、基于神经网络补偿的非线性自适应控制器以及切换机制组成的多模型自适应控制算法.采用带死区的递推最小二乘算法在线辨识控制器参数,克服了投影算法收敛速度慢、对参数初值灵敏的局限.理论分析和仿真实验结果表明了所提方法的有效性.     

基于分片线性化方法的非线性系统多模型自适应控制

基于分片线性化方法辨识一类非线性系统 ,给出了非线性系统的多线性模型表示。基于线性模型建立多个控制器 ,基于最大最小指标切换函数构成多模型自适应控制器。给出了非线性系统多模型自适应控制算法的优化模型集建立方法 ,解决了多模型自适应控制模型多、计算量大的问题。仿真结果证明了算法的有效性     

空分系统节能优化控制策略设计

针对空分系统运行控制中存在的问题,提出了基于自动变负荷技术与多模型自适应两种优化控制策略,以实现系统最大限度的节能降耗。通过实际的数据分析表明,上述两种控制方案具有可行性,系统存在问题得以解决,节能运行效果良好。     

基于动态模型库的多模型切换控制

针对含有有界扰动和模型参数跳变的离散时间系统,提出基于动态模型库的多模型切换控制方法.在模型参数范围未知情况下,利用在线学习的多模型自适应控制算法自动建立多模型,并对模型库中的子模型进行优化.采用具有积分特性的指标函数作为切换准则.在每一采样时刻根据其最小值来选择与实际系统最接近的模型,并将基于此模型的控制器切换为当前控制器.文中证明了该算法能够保证闭环系统的稳定性和跟踪误差的渐近收敛性.计算机仿真结果表明该算法的有效性.     

基于切换的多模型二阶段自适应控制器设计

针对一类具有参数跳变特性的离散时间系统,设计一类基于切换策略的新型多模型二阶段自适应控制器.该控制器首先将系统不确定参数的变化空间划分为多个子空间,在每个空间内建立多个自适应模型.为了克服多模型退化,保持模型的多样性以应对参数跳变,采用带约束的二阶段自适应方法对未知参数进行实时估计,并据此设计相应的子控制器;然后基于切换策略,选取该时刻的最优子控制器作为系统的控制器,从而减小系统暂态误差,提高系统动态性能;最后进行数值仿真研究,仿真结果表明该控制器结合了切换机制和二阶段自适应的优点,在相同模型数量的情况下,能够快速逼近参数跳变以后系统新的工作点,显著地缩短系统的过渡过程,提高暂态性能.     

基于分片线性化方法的非系统性系统多模型自适应控制

基于分片线性化方法辨识一类非线性系统，给出了非线性系统的多线性模型表示。基于线性模型建立多个控制器，基于最大最小指标切换函数构成多模型自适应控制器。给出了非线性系统多模型自适应控制算法的优化模型集建立方法，解决了多模型自适应控制模型多、计算最大的问题。仿真结果证明了算法的有效性。     

基于控制量补偿的多模型主汽温控制系统

本文针对过热汽温对象的特性参数随机组运行工况的变化而有较大变化的特点,设计了一种基于控制量补偿和多模型切换的串级控制系统,基于不同工况点设计的控制器可根据运行工况进行切换。仿真结果表明这种控制方案实现了系统全工况运行的满意控制。     

基于小波分解的非线性系统多模型自适应控制

提出了一种改进的基于小波分解的非线性系统辨识算法,利用小波函数的逼近能力在线辨识被控对象的非线性项.针对基于小波分解的辨识算法缺乏预测能力,提出了根据线性鲁棒自适应控制器提供的当前控制信息预测未来的非线性项值新方法,并结合多模型方法,根据所定义的切换指标自动切换到当前最优控制器.仿真结果表明,改进的基于小波分解的辨识算法能够有效逼近非线性系统,基于小波分解的非线性系统多模型自适应控制方法改善了系统性能,随着系统运行跟踪误差明显减小,说明了该方法的有效性和可行性.     

基于性能诊断的预测控制器参数整定策略

针对多变量模型预测控制系统在长期运行中出现设定值变化、模型失配、扰动特性变化后控制器参数不再匹配的问题,提出一种在得到性能诊断结果后基于改进粒子群算法的控制器参数整定方法.通过分析最优控制律与三项系统性能的关系,构造出对应的目标优化函数,对粒子群算法迭代过程中粒子的位置和惯性因子做出改进,弥补该算法易于陷入局部最优以及...     

基于模型依赖驻留时间的异步切换控制

研究在模型依赖平均驻留时间切换策略下切换线性系统的异步切换控制问题,同时考虑模型依赖的控制器滞后时间的约束问题.在实际情况下,信号传输和系统检测等原因会导致控制器的切换滞后于子系统.基于这类情况,首先将子系统运行的区间划分为子系统与控制器相匹配的区间和非匹配的区间,根据模型依赖的驻留时间策略设计出各子系统的控制器;然后,结合模型依赖的控制器滞后时间、系统参数和Lyapunov稳定条件推导出合适的驻留时间设计参数,且使得异步切换系统全局一致指数稳定;最后通过数值仿真验证了所提出方法的有效性.     

网络化控制性能与带宽调度协调优化设计及其仿真

基于网络化控制系统是具有延迟约束的实时系统,首先建立了保证网络控制性能的延迟约束模型,以此为基础提出满足上述延迟约束的带宽调度策略,以兼顾控制系统控制性能和网络系统服务质量;利用时间需求分析,给出在该策略下的周期、偶发与非周期等３种网络数据的可调度条件及延迟估计的算法,给出调度策略与保证网络控制性能的协调优化设计方法;最后提出一种控制系统与网络调度的集成仿真平台,并举例说明了策略的有效性．     

单交叉路口交通灯实时配时算法的研究

研究了城市道路交通信号实时控制系统的问题,重点论述了单交叉路口交通信号灯控制(点控制)模型的实时配时算法.根据城市交通流分布规律,设计出流量序列生成算法来模拟实时交通流;通过建立信号灯动态模型从而获得最佳周期长度和有效绿灯时间,然后采用模糊控制算法对信号灯配时方案进行实时的动态优化调整,并建立基于排队的车辆延误模型来对模糊控制算法进行评价.计算机模拟仿真的结果表明所设计实时配时方案比定时配时方案有显著的改善.     

基于RTW ERT／VxWorks的实时仿真方法实现

介绍了一种基于PTW Embedded Coder和嵌入式操作系统VxWorks的实时仿真方法。在一些实时性要求较高的仿真系统中,怎样能够在不加大开发难度的情况下提高仿真的实时性是一个需要解决的问题。Mathb中的RTW是专门为实时仿真设计开发的,VxWorks是一个非常实时的嵌入式开发系统,利用代码生成工具将ERT嵌入式目标自动生成优化的嵌入式实时C代码,下载到VxWoks嵌入式实时操作系统下运行。主机运行Simulink模型,目标机运行实时代码．保证了实时性。同时提供了利用C—API接口实现在线调参的方法,与传统的基于Tornado实时目标和VxWorks的实时仿真方法相比,更加利于对模型参数进行访问。     

基于FPGA的机载显示系统架构设计与优化

对基于FPGA的机载视频图形显示系统架构进行设计和优化。从实时性、BRAM资源占用和DDR3吞吐量三方面进行分析,改进帧速率提升算法来提高实时性;改进视频旋转算法来降低BRAM资源占用;改变不同模块的顺序来减少DDR3的吞吐量。比较结果表明,设计的系统架构满足性能需求,实时性能更好,BRAM资源占用降低,DDR3吞吐量降低,整体性能得到了提升。     

基于自适应CMAC的赤泥沉降底流控制模型

本文对CMAC的学习率和惯性系数进行了自适应设计,提高CMAC的计算速度和精度以满足复杂动态环境下的非线性实时控制的需要。结合沉降分离控制系统工艺优化的需求,提出了基于自适应CMAC的沉降系统泥层界面预测和底流控制模型,用于准确实时地预测泥层界面,在此基础上进行底流流量优化控制。工业试验说明了该模型在对过程量预测的预测精度和快速性上具有明显的优越性,本模型已应用于某氧化铝厂工艺优化系统中动态调节底流流量,取得了明显的经济效益。     

基于大数据的电力营销远程实时费控系统设计

针对传统电力营销远程实时费控系统存在实时控制效果差的问题,提出基于大数据的电力营销远程实时费控系统设计。构建数据分布式结构模型,采用分块特征采样方法,实现数据采集和样本组合,结合模糊信息特征检测方法完成信息的融合处理,根据直流电压谐波和电压波动的关联性检验结果,提取电力营销远程实时费控信息特征,实现数据的自适应分组匹配。在关联规则约束下,构建信息融合模型,引入综合性调度方法,实现对电力营销远程实时费用的优化控制。在嵌入式的DSP集成处理内核中实现对电力营销远程实时费控系统的硬件开发设计。实验结果表明,设计的电力营销远程实时费控系统智能性较好,自动控制能力较强。     

集成多媒体文件系统的建模与实现

视频、音频等连续媒体与文本有着不同的特性，对文件系统提出了不同的要求。该文提出了一个集成多种媒体数据类型的层次文件系统模型，在不同层次上根据媒体的实时性、周期性等特点进行优化资源分配，提供资源利用率和服务质量。通过建立原型系统对该模型进行了验证。     

基于分布式深度强化学习的微电网实时优化调度

随着海量新能源接入到微电网中, 微电网系统模型的参数空间成倍增长, 其能量优化调度的计算难度不断上升. 同时, 新能源电源出力的不确定性也给微电网的优化调度带来巨大挑战. 针对上述问题, 本文提出了一种基于分布式深度强化学习的微电网实时优化调度策略. 首先, 在分布式的架构下, 将主电网和每个分布式电源看作独立智能体. 其次, 各智能体拥有一个本地学习模型, 并根据本地数据分别建立状态和动作空间, 设计一个包含发电成本、交易电价、电源使用寿命等多目标优化的奖励函数及其约束条件. 最后, 各智能体通过与环境交互来寻求本地最优策略, 同时智能体之间相互学习价值网络参数, 优化本地动作选择, 最终实现最小化微电网系统运行成本的目标. 仿真结果表明, 与深度确定性策略梯度算法(Deep Deterministic Policy Gradient, DDPG)相比, 本方法在保证系统稳定以及求解精度的前提下, 训练速度提高了17.6%, 成本函数值降低了67%, 实现了微电网实时优化调度.     

神经网络在工业污水处理建模中的应用

研究工业污水指标在线准确检测问题,工业污水处理是一种复杂的动态生物反应工程系统,具有多变量、非线性等特点,难以建立精确的数学模型,且在线实时检测仪表价格昂贵。从应用工程角度出发,提出将遗传神经网络方法应用于污水指标实时检测,建立污水指标软测量模型。利用一些可测指标与水质指标间的关联关系,通过神经网络进行拟合,并采用遗传算法优化神经网络参数。仿真结果表明,建立的神经网络污水估计模型,可以对污水指标进行实时检测和估计,并为污水在线实时检测提供了新的思路。     

一种基于OPC通讯的自适应模糊PID控制优化设计

给出了一种利用先进控制技术有效实时优化控制系统参数的方法。首先利用组态软件MCGS设计控制系统监控界面,采用OPC（OLE for Process Control）通讯在MATLAB中得到控制系统实时参数;根据上位机MCGS中实时控制系统的控制要求,在MATLAB中设计自适应模糊PID控制算法优化该控制系统的控制参数,再利用OPC实时通讯将优化后的控制参数传输返回至MCGS来对控制系统进行实时控制。以二阶液位控制系统为仿真实例,仿真结果体现了自适应模糊控制PID算法对实际控制过程的现实意义,且控制过程实时有效,提高了控制效率。