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。     

非线性大工业过程稳态模型的强一致性分析

稳态优化问题就是依据过程的数学模型,在约束条件下,优化其目标函数,而实际的工业过程往往是呈非线性或慢时变性。针对动态非线性大工业过程,提出了得到其可分稳态模型强一致性估计的分散辨识方法;利用多项式对非线性函数的无限逼近的性质和优化过程中设定点的阶跃信号作输入激励信号,获得了动态非线性大工业过程的可分稳态模型和可辨识的条件。     

FLAT网络在发酵过程建模中的应用

本文使用FLAT网络对一种工业规模的连续发酵过程进行了辨识。发酵过程作为一种复杂的生化反应，它比一般的非线性系统更加复杂，FLAT网络用于发酵过程的辨识，可以得到较高的辨识精度，而且辨识速度快、泛化能力强。     

工业过程控制参数——时滞的辨识

针对工业过程中时滞辨识较为困难这一特点，提出一种新颖阶跃响应法来辨识工业过程的时滞参数，按照一定的实验初步操作，利用文中所给的公式可以简单地得出工业过程的时滞参数。     

数学模式识别方法在现代包装工业中的应用和展望

本文阐述了条形码技术，图案模块，自控系统辨识等数学模式识别方法已广泛应用于商品流通领域、世装设计和包装机械工业中，而且模式识别方法将会在包装工业的各个方面获得更加广泛的发展和应用。     

控制回路性能评价方法及在PTA生产装置的应用

针对工业现场扰动具有噪声大、易频发、时变的特点,将遗忘因子引入到控制回路性能评价的辨识过程中,提出一种改进的基于最小方差准则的性能评价方法.与传统的方法相比,带遗忘因子的辨识方法不仅能够考虑历史数据的影响,而且能够突出新数据提供的信息量.通过引入遗忘因子参数,能够防止数据饱和,并提高在工业过程时变扰动下控制性能评估的准确性和稳定性.该方法在仿真实验和工业PTA生产应用中得到了论证,结果表明,该方法能够为工业控制回路提供一个准确的性能评价指标,有效指导操作人员对潜在的问题回路进行优化调整,实现生产的平稳运行.     

小波压缩技术在FIR模型辩识中的应用

结合小波变换的压缩和去噪能力，研究了在FIR模型辨识过程中求得更精简非参数模型的一种方法．在给出FIR模型辨识的具体步骤后，通过一个化工实例的具体计算，进一步比较与一般FIR建模方法以及基于不同小波基函数进行压缩去噪后辨识的效果．结果表明该技术可以压缩模型结构参数，降低了运算量，有利于实现在线辨识．     

基于数据库的模型辨识及DMC控制器设计

过程模型的获取是模型预测控制的关键技术之一.随着计算机技术的广泛使用,工业过程中积累了大量的数据,从中可获取对象特性的有关信息.本文采用数据库技术进行了对象模型的辨识,并进行了动态矩阵控制器的设计研究.针对一个球罐液位系统的控制仿真实验表明本文采用的辨识方法具有较好的精度,在此基础上设计的DMC控制器具有令人满意的性能.     

FLAT网络在发酵过程建模中的应用

本文使用FLAT网络对一种工业规模的连续发酵过程进行了辨识 .发酵过程作为一种复杂的生化反应 ,它比一般的非线性系统更加复杂 ,FLAT网络用于发酵过程的辨识 ,可以得到较高的辨识精度 ,而且辨识速度快、泛化能力强     

一种基于支持向量机的非线性系统辨识方法

提出一种新的非线性系统辨识方法,基于支持向量机回归算法,选取高斯核函数构造了从输入空间到高维特征空间的非线性映射,以避免繁琐的运算,实现对非线性系统的辨识。仿真结果表明了SVM具有很好的拟合和泛化能力,同基于神经网络的非线性系统辨识相比,其辨识和泛化性能要优于神经网络。支持向量机的使用为工业过程的系统辨识提供了一条新的途径。     

输出非线性方程误差类系统递推最小二乘辨识方法

随着控制技术的发展,控制对象的规模越来越大,使得辨识算法的计算量也越来越大.对于结构复杂的非线性系统,特别是包含未知参数乘积的非线性系统,使得过参数化辨识方法的参数数目大幅度增加,辨识算法的计算量也急剧增加,因此探索计算量小的参数估计方法势在必行.针对输出非线性方程误差类系统,讨论了基于过参数化模型的递推最小二乘类辨识方法;为减小过参数化辨识算法的计算量和提高辨识精度,分别利用分解技术和数据滤波技术,研究和提出了基于模型分解的递推最小二乘辨识方法和基于数据滤波的递推最小二乘辨识方法.最后给出了几个典型辨识算法的计算量、计算步骤、流程图.     

基于解耦设计的多变量IGPC控制方法的研究与应用

针对多变量工业过程中存在的耦合性、建模困难以及不确定性的控制难点,论文研究了基于解耦设计的多变量隐式广义预测控制。该方法利用加权最小二乘递推方法根据输入输出数据直接辨识系统参数,这样就降低了控制器设计的复杂性;采用分散设计的方式来降低各通道间的关联关系。论文利用基于最小二乘方法,根据输入输出数据来建立被控对象的数学模型,并在此基础上对控制方法进行了仿真分析与试验研究,结果表明该方法具有良好的控制效果。     

一种基于部分数据的阶跃响应辨识方法

针对气动定位系统强非线性的特点,用机理建模分析系统模型存在很大偏差,而试验建模只需利用系统输入输出数据即可实现系统模型的辨识。该文在比较几种阶跃响应辨识方法的基础上,提出了一种用部分数据辨识系统模型的方法。实测结果表明该方法计算精度高,应用范围广,在实际工业过程中有较强的实用性。     

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。     

加热炉过程模型的辨识

以四段式环形加热炉为例，系统地讨论了加热炉多变量随机过程模型的建立方法，包括过程变量的选取，数据采集实验的设计，多变量随机过程模型的辨识方法研究，最后给出了环形加热炉的过程模型辨识结果。     

时滞型关联大系统的分散化控制方法研究

对存在时间滞后的关联大系统做了数学描述，设计了一个关联大系统的分散稳定化控制律，给出了系统分散能镇定的条件，并加以证明。根据分散能镇定条件提出了基于线性矩阵不等式的大系统分散控制器的设计方法。最后应用MATLAB的求解器mincx求解由3个子系统复合的关联系统，证明了该系统是分散能镇定的；然后应用求解器mincx求解系统的优化问题，可以看出具有给定稳定度的闭环系统有更好的过渡过程。     

无辨识自适应算法的大滞后对象的控制方法

在实际工业生产中 ,由于对象纯滞后的存在 ,降低了控制系统的稳定性 ,使控制品质下降 ,对控制系统极为不利。对大滞后对象 ,Smith预估控制是一种重要方法 ,但常规Smith预估控制对模型的误差 (包括时间延迟的估计误差 )十分敏感 ,不适用于具有时变时延参数的系统。因此 ,常规Smith预估控制策略难以广泛用于工业控制 ,但该方法仍然得到了控制界的广泛认可。无辨识自适应控制是Marsik和Strejc提出的一种无需辨识系统参数的自适应控制算法 ,该算法简单、鲁棒性强 ,只需在线检测过程的实际输出及期望输出便可形成具有较好动态性能指标的自适应控制系统 ,但是该方法不能解决大滞后问题。借鉴无辨识自适应控制的思想和神经网络强的函数逼近能力 ,首先用一个神经网络来构成被控对象的Smith预估模型 ,然后利用无辨识自适应控制算法设计了一种适用于大滞后对象的控制器 ,两者结合 ,提出了一种简单、实用、鲁棒性强的大滞后对象控制的新方法     

一种全并行神经网络参数辨识方法

针对在线参数辨识计算工作量大，造成难以实时给出参数估值的问题，利用Ｈｏｐｆｉｅｌｄ型网络的快速优化计算能力，通过对Ｈｏｐｆｉｅｌｄ网络改进，推出了一种全并行递推神经网络参数辨识方法，使计算量较传统的参数辨识方法大大减小。同时由于神经网络的互连作用，增强了辨识的鲁棒性，为实时给出参数估值提供了可靠的保障。     

基于组态软件的自适应PID控制器研究

针对工业过程中常遇到的二阶纯滞后系统,介绍了一种基于组态软件的自适应PID控制器的设计方法.该控制器可实现在线辨识并可自动整定控制参数,结构简单,工作稳定,鲁棒性好.对于一些复杂过程和严重非线性过程,在辨识过程不十分有效的情况下,运用Fuzzy PID参数调节,系统仍有较好的控制性能.     

基于主成分分析和噪声估计的在线子空间辨识

提出一种在线子空间辨识方法,该方法主要采用Hessenberg QR分解和特征值分解,通过对噪声项进行估计,并结合主成分分析提取子空间矩阵,获得系统的状态空间方程.引入遗忘因子机制,实现对时变系统的辨识.为了验证所提方法的适用性和有效性,分别采用数值模型和工业污水处理过程进行仿真验证.仿真结果表明,相比于其他子空间辨识方法,所提方法在辨识线性时不变系统时,能够获取很好的辨识精度;在辨识线性时变系统时,能够快速跟踪系统变化,并能够获取较好的辨识精度。