为了提升经济模型预测控制的经济性能指标, 提出一种切换控制策略. 首先, 依据Lyapunov 稳定性理论给出理想和扰动下的两类估计可行域, 并实时检测系统状态; 然后, 根据系统状态所处不同区域, 采用相应的控制器分别实施经济优化、状态驱动和稳态驱动. 所提方法在保证稳定性的同时, 能够为经济性能优化提供更多的在线优化时间和优化自由度, 获得比传统方法更高的经济效益. 通过一个负阻振荡器实例验证了所提出方法的可行性和有效性.
相似文献目标多属性序列类数据不能直接与数据库中的区间类数据融合识别, 对此, 提出一种基于云变换的序列-区间异类数据识别算法. 对目标多属性序列数据进行频数计算形成频率分布函数, 并进行虚警检测, 实施云变换形成云簇, 提取云簇特征, 再根据3 En 准则形成云滴区间, 实现了序列型数据的区间化表示. 进一步, 利用一种区间多属性识别判定准则进行识别判定, 得到识别结果, 解决了序列-区间异类数据的识别问题. 仿真实验结果验证了该算法对序列-区间异类数据识别的有效性.
相似文献针对非线性模型预测控制中离线模型难以适应非线性对象实时变化的缺点, 提出一种基于在线支持向量回归的非线性模型预测控制方法. 该方法通过在线支持向量回归离线训练与在线学习相结合的方式, 建立具有在线校正特性的预测模型, 同时采用最速下降原理滚动优化非线性模型预测控制的目标函数, 求得多步控制量. 通过对非线性对象的控制结果表明, 所提出方法有效且具有良好的自适应性.
相似文献演化聚类算法(ECM) 是一种有效的在线聚类算法, 能够根据输入数据实时调整聚类. 但是, 该聚类算法依赖于预先设置的最大距离阈值, 而且对数据输入次序敏感. 针对这些问题, 提出一种基于自适应学习的演化算法(SALECM), 在无法获取数据先验知识的情况下, 无需人为预先定义参数, 可自适应地调整聚类. 实验结果表明, 与 ECM相比, SALECM可提高在线聚类的自适应性能, 也能在一定程度上缓解数据输入次序对算法的影响.
相似文献针对软测量模型在实际应用中遇到的问题, 结合AdaBoost 集成学习思想, 提出适用于软测量回归的集成学习算法, 以提高传统软测量模型的精度. 为了克服模型更新技术对软测量实际应用的制约, 将增量学习机制加入软测量集成建模中, 使软测量模型具有在线实时更新的增量学习能力. 对浆纱过程使用新方法建立上浆率软测量模型, 并使用实际生产数据对模型进行检验, 检验结果表明, 该模型具有很好的预测精度, 并能够较好地实现在线更新.
相似文献针对锑浮选泡沫图像特征相互耦合、重要度差异显著引起工况难以识别的问题, 提出一种锑浮选工况识别方法. 首先, 在结合敏感性指数与主元分析法选取关键泡沫特征的基础上, 建立物元可拓模型, 通过关联函数计算关键泡沫特征与预设工况类别的关联度; 然后, 引入博弈论, 将层次分析法和熵权法确定的主、客观权重优化融合, 得到泡沫特征的综合权重; 最后, 计算综合关联度, 实现浮选工况的准确识别. 锑浮选工业现场的生产数据验证了所提出方法的有效性.
相似文献在惯性/卫星组合导航系统中, 针对传统X 2 检验法检测出故障但无法准确识别故障子系统的不足, 提出一种基于支持向量回归的故障诊断方法. 采用残差X 2 检验法实时对组合导航系统进行故障检测, 并构建基于支持向量机的回归预测模型, 实现对惯性导航系统状态的预测; 根据系统模型输出和预测模型输出之差辅助进行惯性导航系统的故障判别, 诊断出系统故障源. 仿真结果表明, 所提出的方法能够快速准确地识别故障子系统, 并进行有效的系统隔离和重构, 从而使组合导航系统的性能得到保障.
相似文献针对一阶最优性必要条件跟踪法优化间隔较长的缺点, 提出一种基于输出反馈的显式实时优化方法. 对系统进行不同工况下的离线优化, 经函数拟合得到最优控制输入与输出变量的显式回归模型, 直接应用于实时优化, 避免了在线梯度估计. 研究一个连续搅拌釜式反应器的反应过程, 并对比两种方法的优化效果, 结果验证了所提出方法的实际使用效果
相似文献针对中期电力负荷预测, 提出基于贪心核主元回归(GKPCR)、贪心核岭回归(GKRR) 的特征提取建模方法. 通过对核矩阵的稀疏逼近, GKPCR和GKRR两种贪心核特征提取方法旨在寻找特征空间中数据的低维表示, 计算需求低, 适用于大数据集的在线学习. 将所提出的方法应用于不同地区的电力负荷中期峰值预测, 并与现有预测方法进行了比较. 实验结果表明, 在同等条件下, 所提出的方法能有效地改进预测精度, 而且性能更好, 显示了其有效性和应用潜力.
相似文献针对锑浮选过程中精、尾矿品位难以在线检测, 浮选性能不稳定的问题, 提出一种数据驱动的泡沫图像特征优化设定方法. 该方法根据入矿品位类型对泡沫图像特征进行优化设定, 并针对不同入矿品位类型的样本分布特点,先尝试采用案例推理的方法从历史数据中寻找浮选性能优良的泡沫状态. 若经验知识不足, 则采用基于多中心模糊C均值聚类与概率支持向量回归的区间II 型模糊系统建模方法建立精、尾矿品位指标模型, 并在此基础上利用智能优化方法寻优泡沫图像特征值. 某锑浮选工业实验结果表明了所提出方法的有效性.
相似文献提出一种基于数据驱动的感应电机多模型逆自适应解耦控制方法. 首先, 利用仿射聚类法(AP) 对电机系统的输入输出数据进行聚类, 再基于聚类结果和隶属度函数建立相应的神经网络多模型逆, 以实现解耦控制. 针对电机系统运行过程中电机参数变化问题, 采用粒子群优化算法(PSO) 在线调节子模型权值, 以改善逆模型失匹造成解耦控制性能下降的问题. 仿真实验表明, 所提出的方法能对电机的转速和磁链实现良好的解耦控制, 且对电机系统工况参数变化具有良好的自适应能力.
相似文献针对工业生产过程频繁变更操作条件的需求, 提出一种基于时序模型迁移的方法, 通过从旧过程数据中挖掘并提取相似性信息, 可以快速建立新过程的监测模型. 将该建模方法与时序模型迁移相结合应用于青霉素发酵仿真过程, 实验结果验证了该方法的有效性.
相似文献针对GPS 接收机对载波信号的跟踪性能受到不同类型噪声的影响, 且这些噪声的统计特性很难得到的问题, 提出一种基于扩展集员滤波(ESMF) 的解决方法. 该方法根据载波信号中噪声统计特性未知但有界(UBB) 的特点, 设定合理的噪声边界, 将UBB噪声包含在椭球集合内; 利用集员的思想实现载波信号多普勒频率的在线非线性估 计, 且估计过程中同时能够检测系统坏值的发生时刻. 仿真中, 模型选取三维空间运动的载体. 仿真结果表明, ESMF在处理该模型时是一种有效的鲁棒估计算法.
相似文献针对采样数据的自相关性, 提出一种基于自回归(AR) 模型的动态过程建模方法. 首先, 利用正交信号校正(OSC) 消除用于AR模型回归的两数据集间的正交不相关信号; 然后, 在处理过的数据上进行偏最小二乘(PLS) 回归建模. 该方法对模型潜隐成分和残差信息同时进行在线监测, 并借鉴贝叶斯推理方法将多个监测指标进行融合, 以易化触发故障警报的决策过程. 最后通过在田纳西-伊斯曼(Tennessee Eastman, TE) 过程上的仿真实验验证了所提出方法的有效性.
相似文献针对一类非线性系统, 研究存在奇异点时的跟踪控制问题. 在采用反馈线性化方法将对象转换成标准型后, 构造线性补偿器并结合期望轨迹的高阶导数构成伪控制量. 通过引入梯度动力学方法求解控制律, 以克服在控制过程中遇到的奇异点问题. 通过稳定性分析验证了闭环系统的稳定性和跟踪误差的收敛性. 仿真结果表明, 此类控制器具有良好的控制性能, 并且能有效克服奇异点问题.
相似文献针对炼钢连铸生产调度计划的可执行性要求, 考虑到生产中的设备选择及作业时间的不确定性问题, 提出一种利用任务可执行设备的加工权重赋值方法来量化描述现实生产中加工设备间的匹配关系, 并以设备选择优先级策略的形式引入遗传算法的交叉、变异过程, 按照生成可行解、再进行种群优化的分步决策方式形成混合遗传算法. 以某炼钢厂的实际生产调度数据为例进行仿真实验, 其结果表明了所提出算法的有效性.
相似文献针对同一属性下不同方案的邓氏关联度大小区分较弱以及关联度存在下限的问题, 定义基于指数函数的新关联度. 改进后的关联度对同一属性下不同方案间关联度的分辨率要高于原有关联度, 并证明了改进关联度的性质.利用指数关联度确定属性权重, 构造基于偏差和灰熵的确定了时间权重的优化模型. 最后, 将该方法用于河南省某地级市民营企业的经营业绩评价分析中, 实例说明了所提出模型的有效性和实用性.
相似文献针对同样决策场景下对多组决策方案反复评估的决策问题, 建立对无效决策者剔除以及确定决策结果的模型. 使用优化模型确定指标权重, 提出决策者评价向量差异度的衡量方法, 由此对无效决策者甄别和剔除, 在此基础上建立基于灰靶的决策模型以确定最优方案, 并建立下次决策时的决策者权重计算方法. 模型充分利用历史信息, 对决策者进行评价约束, 可以有效提高决策质量. 最后通过实例表明了所提出算法的有效性和可行性.
相似文献