一种基于虚拟参考反馈调整的无模型自适应控制

针对无模型自适应控制算法中对伪偏导数估计值信息利用率不高的问题,提出一种新的无模型自适应控制算法.运用虚拟参考反馈调整方法思想,将紧格式线性化后的线性模型与基本无模型自适应控制器构成的闭环系统作为参考模型,再以参考模型的输出与系统期望输出的误差作为控制器的输入,从而将伪偏导数过去时刻的估计值引入到新的控制律中,提高了伪偏导数估计值信息利用率.仿真结果表明改进的无模型自适应控制具有较好的控制性能.     

基于向量投影的代谢支持向量机乙烯精馏产品质量软测量建模

针对支持向量机(SVM)增量学习过程中易出现计算速度慢、稳定性差的缺陷,提出了一种基于向量投影的代谢支持向量机建模方法.该方法首先运用向量投影算法对训练样本进行预选取来减少样本数量,提高SVM建模速度.然后将新增样本"代谢"原则引入SVM增量学习过程中,以解决因新增样本不断加入而导致训练样本数量"爆炸"的问题.最后将该方法用于乙烯精馏产品质量软测量建模,实验结果表明,与传统SVM和最小二乘支持向量机(LSSVM)相比,向量投影的代谢SVM具有更好的预测结果.     

基于改进NSGA-Ⅱ算法的氯乙烯精馏过程多目标优化

针对氯乙烯精馏过程中氯乙烯产品纯度低、能耗高的现状,研究了一种新的改进型非支配排序遗传 算法(ImprovedNon-dominatedSortingGeneticAlgorithm,NSGA-Ⅱ),用于解决氯乙烯精馏过程多目标优化问题。 首先建立了氯乙烯精馏的模拟流程,然后通过对高低沸塔中进料位置、回流比等主要影响因素进行灵敏度分析,在 考虑其机理模型及实际生产状况等多种约束条件的基础上,建立了以氯乙烯纯度和能耗为目标的多目标优化函数, 最后利用改进NSGA-Ⅱ对目标函数进行求解。实验结果表明,相比于NSGA-Ⅱ,该改进算法能得到分布更为均匀 的Pareto最优解集,为氯乙烯精馏过程中参数的选择提供了有力支撑。     

基于自适应边界向量提取的多尺度v-支持向量机建模

针对v-支持向量机(v-SVM)用于大规模、多峰样本建模时易出现训练速度慢和回归精度低的问题,提出基于边界向量提取的多尺度v-SVM建模方法.该方法采用一种自适应边界向量提取算法,从训练样本中预提取出包含全部支持向量的边界向量集,以缩减训练样本规模,并通过求解多尺度v-SVM二次规划问题获取全局最优回归模型,从多个尺度上对复杂分布样本进行逼近.仿真结果表明,基于边界向量提取的多尺度v-SVM比v-SVM具有更好的回归结果.     

基于KICA-TSVR方法乙烯裂解产物分布软测量

针对乙烯裂解关键质量指标乙烯裂解产物分布难以实时测量的问题,提出一种基于核独立成分分析与孪生支持向量回归机(KICA-TSVR,Kernel Independent Component Analysis-twin Support Vector Regression)软测量建模方法.该方法首先采用KICA(Kernel Independent Component Analysis)算法在非线性高维空间中进行样本特征提取,解决了TSVR因缺少结构风险最小化除噪能力差的问题,提高了模型预测精度.由于TSVR只需求解2个小规模的QP问题且其对偶问题中没有约束条件,使模型具有较快的训练速度.将KICA-TSVR用于乙烯裂解产物分布软测量建模,实验结果表明,同标准SVR(Support Vector Regression)和KICA-SVR方法相比,KICA-TSVR具有更好的模型预测效果和更快的训练速度.     

双核函数最小二乘支持向量机汽油干点软测量建模

针对单核函数最小二乘支持向量机容易陷入局部最优值,提出双核函数最小二乘支持向量机软测量建模算法。该方法利用Sigmoid核函数与RBF核函数线性加权构成双核函数,去除部分较小支持向量样本的方法,改善最小二乘支持向量机的稀疏特性,提高模型运算速度,用k-交叉验证法进行部分参数的优化,最后将此方法用于建立汽油干点软测量模型,并与标准支持向量机、单核最小二乘支持向量机比较,结果表明双核函数最小二乘支持向量机软测量模型具有更高的计算精度和更好的推广能力。     

基于MPCA-MHMT的多阶段间歇过程监控研究

为了克服多阶段间歇过程监控只针对时间尺度从而导致误报率过高的缺陷,建立了捕捉实际测量数据的持续性和聚集性的隐马尔科夫树模型。该方法减少了信号扭曲从而更好地提取影响过程的系统变量,解决离散小波变换不具有平移不变性的问题。对展开结构进行简单的修改,把时域扩展到时间-频率域中,提取了历史数据的主要特征,对多阶段间歇过程进行了有效监控。利用提出的方法对青霉素发酵过程进行监控,验证了该方法比传统方法更为切实可行。     

基于紧格式线性化的无模型动态矩阵控制

针对常规无模型自适应控制(MFAC)算法只利用了受控系统I/O数据的零阶信息,许多系统内部信息没有充分利用的缺陷,提出了一种基于紧格式线性化的无模型动态矩阵控制方法.该方法利用紧格式线性化方法把非线性系统转化为一组由伪梯度向量描述的线性系统,将动态矩阵控制算法的预测模型和该伪梯度向量相结合,推导出无模型动态矩阵控制的动态模型.在此基础上,利用滚动优化和反馈校正等策略,推导出了无模型动态矩阵控制律的解析式.由于该方法中引入了受控系统I/O数据所带的系统内部信息,极大地提高了预测模型的精确性,增强了系统的鲁棒性,从而有效改善了控制器的控制性能.仿真结果表明该算法具有一定的结构自适应性、良好的伺服性和较强的鲁棒性.     

一类具有非线性扰动的多重时滞不确定系统鲁棒预测控制

针对一类具有非线性扰动且同时存在多重状态和输入时滞的不确定系统, 提出 一种鲁棒预测控制器设计方法. 基于预测控制滚动优化原理, 运用Lyapunov稳定性 理论和线性矩阵不等式 (Linear matrix inequalities, LMIs)方法, 首先近似求解无限时域二次性能指标优化问题, 然后优化非 线性扰动项所应满足的最大上界, 定量地研究鲁棒预测控制在范数有界意义下的扰动抑制 问题, 并给出了鲁棒预测控制器存在的充分条件. 最后通过仿真验证了所提方法的有效性.