大工业过程稳态模型的分散辨识

针对大工业过程,利用优化过程中设定点的阶跃信号。采用分散辨识的方法,获得了大工业过程的稳态模型,并给出了其可辨识的充分条件。同传统的辨识方法相比,该技术具有精度高、计算简单、信息传递量少以及对系统干扰小等特点其,仿真研究显示了分散辨识技术的有效性和实用性。     

非线性大系统稳态模型的分散辨识

针对大工业过程，利用优化过程中设定点的阶跃信号，采用分散辨识的方法，获得了大工业过程的稳态模型，并给出了其可辨识的充分条件，同传统的辨识方法相比，该技术具有精度高，计算简单，信息传递量少以及对系统干扰小等特点。仿真研究显示了分散辨识技术的有效性和实用性。     

双线性系统稳态模型的可辨识性分析

双线性模型描述的工业过程的稳态优化控制的稳态模型的建立,是利用优化过程中设定点的阶跃信号作为辨识的输入信息,以获取其稳态模型的强一致性估计,该辨识方法是在Fi为可逆的矩阵的假设下进行的,该文就Fi是否可逆进行了研究,并给出了双线性模型描述的系统可辨识的充分条件。     

一类非线性系统稳态模型辨识方法

针对一类非线性系统，本文提出了一种辨识其稳态模型的新方法，并得到了稳态模型的强一致性估计。识输入信号为优化过程中设定点的正常阶跃变化信号，本文还研究了估计残差的渐近分布和残差收敛速度，最一的计算机数字仿真显示了该方法的有效性和实用性。     

基于过程神经网络的非线性动态系统辨识

研究了过程神经网络在非线性动态系统辨识方面的应用.针对传统神经网络在解决系统过程式输入和时间顺序依赖性问题时出现的使模型和算法复杂化的弊端,提出了一种时变输入输出的过程神经元网络模型作为系统的辨识模型,采用基于函数基展开的梯度下降算法,以油田井组注采系统为例验证了模型和算法的有效性,进而说明了过程神经元网络对于解决系统过程式输入的非线性动态系统辨识问题的适用性.     

双线性工业过程稳态模型辨识新方法

针对双线性模型描述的工业过程的优化控制的稳态模型建立须在人为干扰很小的条件下进行,提出了利用优化过程中设定点的阶跃信号作为输入信息,在Fi为可逆矩阵的假设下,获取其稳态模型的辨识方法。该方法新颖、简洁、精度高、对生产过程干扰少,仿真结果显示了方法的有效性和实用性。     

辨识Wiener模型的两步法

本文利用稳态和动态信息提出了一种辨识Wiener模型的新方法一两步法，该方法利用阶跃输入信号获取非线性增益的强一致性估计；利用不同幅值的周期脉冲输入信号获取线性子系统脉冲响应函数的强一致性估计。该方法具有辨识精度高和计算简单等优点，最后的仿真结果说明了该方法所有效性和实用性。     

一类非线性系统的稳态优化控制

本文针对一类由特殊的ＮＡＲＭＡＸ模型描述的非线性系统，采用阶跃信号作辨识输入信号获得稳态模型的强一致性估计。基于已得到的稳态模型，获得了稳态优化控制问题的最优解的一致性估计，此外，计算机仿真显示了该算法和辨识技术的有效性和实用性。     

基于预测稳态差的神经网络预测控制

提出了一种基于预测稳态差的神经网络预测控制 ,稳态预测模型采用径向基函数网 ( RBF网 ) ,优化采用一维直接方法——黄金分割法 .为了改善其动态响应性能 ,又加入一个 RBF网作为动态预测模型 .通过对一个控制 p H值的非线性过程的仿真研究 ,表明该算法具有良好的稳定性和动态响应特性 .     

基于支持向量机的大信号射频功率器件特征建模

针对大信号网络分析而言,单一的S参数不足以描述器件的特性,故提出了一种基于支持向量机的非线性散射函数,用来辨识大信号非线性特性,并利用该非线性散射函数对大信号射频功率器件的特征进行了精确建模,最后用实际数据验证了该模型的正确性。     

基于梯度信息的实时优化与控制集成策略

针对工业过程的最优操作问题,分析过程系统的层次模型,提出实时优化与控制集成的级联结构. 对于优化层采用基于梯度信息的稳态实时优化方法,通过在线采集过程测量值,估计过程的梯度信息,更新设定值. 不需要使用显式的过程模型,可以有效抑制模型失配对优化目标的影响. 利用最小二乘的思想求解梯度向量,降低计算成本,可应用于大规模工业过程的稳态实时优化. 提出非线性过程中被控变量的选取方法,利用非线性模型计算平均损失,优化效果具有全局性. 为了快速求解非线性规划问题,对某些条件进行合理假设,从而获得次优解,给出求解被控变量的解析方法,提高计算效率,同时将优化层与控制层联系起来. 通过对数值算例、蒸发过程和放热反应过程的研究,验证所提出方法的有效性.     

基于多阶段动态PCA的发酵过程故障监测

针对间隙发酵过程具有多阶段、批次不等长,且过程动态非线性往往与发酵阶段密切相关等特点,提出一种基于多阶段动态主元分析(principal component analysis,PCA)的故障监测策略.该方法采用高斯混合模型(Gaussian mixture model,GMM)对过程数据进行聚类,能客观反映不同阶段操作模态的数据分布特点,可实现子阶段划分.针对各批次阶段划分后存在的不同步问题,采用动态时间错位(dynamic time warping,DTW)方法对各阶段进行轨迹同步,对同步后的子阶段建立动态PCA模型.最后以工业青霉素发酵过程和重组大肠杆菌制备白介素-2发酵过程为背景,采用多阶段动态PCA策略对其进行故障监测,发现算法能有效降低运行过程的漏报和误报率,验证了算法的有效性。     

大型风力发电场等值建模研究综述

着重介绍了大型风电场等值建模的主要特点和发展过程,并对动态等值模型和稳态等值模型进行了分析比较,同时对当今研究的关键问题进行了简要分析。     

一类无约束优化问题的的共轭梯度法

共轭梯度法是求解非线性优化问题的一种重要方法,尤其适用于大规模优化问题的求解.提出一个新的非线性共轭梯度公式,采用该公式和Wolfe非精确线搜索的方法,使之全局收敛.经数值实验验证该算法是有效的.     

无互联线逆变器并联控制的一种改进下垂算法

通过对逆变器并联运行系统的数学模型详细分析,提出了一种改进的下垂控制算法,以实现无互联线运行.在该改进算法的每一个下垂表达式中,都包含有有功功率项和无功功率项,同时引入了有功功率和无功功率的微分项.有功功率和无功功率项用来保证稳态特性,而微分项用来改善动态特性.仿真结果表明,采用该改进算法的并联控制系统,稳态性能好,动态响应快,模块间的功率均分性能和环流抑制能力良好.     

神经网络在锅炉燃烧系统辨识中的应用

对典型的多输入多输出、非线性、动态、有时延的供暖锅炉进行了仿真研究,建立了基于动态BP网络和Elman网络的辨识模型,并对辨识结果进行了误差分析,结果表明：神经网络在锅炉燃烧系统具有比较高的辨识精度,有着广阔的应用前景。     

工业生产过程的稳态优化与离线调优技术

从过程系统工程的观点出发,论述了稳态优化在工业生产中的重要作用,同时扼要介绍了现有的几种离线调优方法,最后阐述了调优技术在有色冶金工业某些设备中应用的可能性.