“过程控制系统”课程的实验教学改革

本文介绍我校"过程控制系统"课程的实验教学改革。我们的改革目的是提升学生的学习兴趣以及提高他们的专业技能综合素质,采用项目驱动和以学生为中心的方式改革实验教学内容、教学模式以及兼顾过程与结果的实验评价方式。此项改革取得了良好的教学效果。     

具有时变参数不确定性线性系统的最优保成本控制

对一类具有块对角参数不确定性的系统，导出了二次保成本状太 条件，进而证明了这个条件等介于一组线性矩阵不等式的可解性问题，并通过这组线性矩阵不等式的解，给出了系统二次保成本控制律的一上参数化表示。在此基础上，将最优保成本控制律的设计问题转化成一个凸优化命题，而后者可以用现有的有关线性矩阵不等式软件求解。     

多变量有约束过程的协调预测控制策略

针对多变量约束过程，提出了基于关联分析的协调预测控制策略，从而对系统控制性能和操作变量理想工作区起到了很好的协调作用，减少了在线控制计算工作量。     

DE算法的改进及其在系统辨识中的应用

对于一类高维、非光滑及非线性的约束优化问题,传统的搜索方法不能很好地求得全局最优解,而DE算法可以处理这类问题.为了提高DE算法收敛到全局最优的概率和精度,在基本DE算法的基础上,运用变步长梯度法和记忆库,得到改进的DE算法,并将改进的DE算法应用于实际水槽的模型参数辨识.经过测试对象、采集数据、选择模型结构、辨识参数和验证模型,结果表明,改进的DE算法使辨识系统参数收敛到全局最优的能力增强,收敛概率和精度得到提高,模型偏差平方和更小.     

具有滞后摄动的线性系统鲁棒稳定性分析

基于Ｌｙａｐｕｎｏｖ稳定性理论,导出了具有滞后时变摄动的线性系统二次稳定的一个充分必要条件,通过求解一个具有线性矩阵不等式约束的凸优化问题,得到了保持系统稳定的最大允许摄动界,文中的例子说明了：和现有的方法相比,本文提出的方法具有更小的保守性。     

基于模糊RBF神经网络的换热器建模

针对换热器的复杂非线性特征,利用一种模糊RBF神经网络结构,对其网络学习算法进行部分改进,并用于解决换热器的建模问题。采用模糊RBF神经网络不仅符合人的思维推理方式,也提高了神经网络的学习泛化能力,在改进的学习算法中通过学习率的值的不断变化和添加动量项,可以使学习速度加快,提高了辨识换热器模型的准确性。通过与传统的学习算法的仿真比较,验证了所提出的改进学习算法在辨识精度和稳定性方面具有更好的效果。     

基于网络时滞补偿的模型预测控制

为了解决网络控制系统中不确定时滞、尤其是随机的长时延对控制性能造成的影响,提出了基于模型匹配和多步预测输出补偿的预测控制思想来改善控制性能。该算法通过采集到的传感器端至控制器端的时滞来估算控制器端至执行器端的时滞,并给出了传感器端和执行器端数据处理的算法,建立起与实际网络结构匹配的预测控制模型,采用多步预测输出来补偿控制量的传输滞后。该模型不依赖于网络参数和时滞分布特性,可根据不同对象选取合适的预测控制算法,适用于实时系统。通过基于倒立摆对象的仿真和控制实例验证了该算法能有效地改善控制性能。     

基于Agent的关联过程控制研究

从实际工业过程控制的需要出发,针对一类分布、耦合的关联过程对象,提出了一种基于Agent的智能控制系统的实现方法.运用Agent理论将系统划分为若干Agent,一方面每个Agent独立控制自身回路,另一方面各Agent之间采用结果共享协作策略,获得系统的局部和全局信息.通过控制系统仿真和实例研究,结果表明,这种基于Agent的控制结构有效地解决了关联对象控制系统中不同回路间的解耦和协调问题,是实现复杂过程系统控制的一种可行方案.     

一种无外部持续激励的子空间闭环辨识算法

传统的闭环系统可辨识性受到外部激励和控制器结构的限制,然而在实际辨识应用中,由于过程操作条件的限制或者经济原因不希望存在外部持续激励。讨论了在无外部激励下基于快采样的多变量子空间模型闭环可辨识性,提出了无外部持续激励条件下的闭环快采样子空间模型辨识方法,在常规采样的可辨识性条件不满足或部分满足的情况下,通过对闭环系统控制对象的输入输出变量快采样来实现对象模型辨识,并通过仿真实例验证了基于快采样的辨识算法的有效性。     

极点配置预测函数控制

本文通过在预测函数优化性能指标中引入加权多项式来进行极点配置预测函数控制的研究。通过适当选择加权多项式 ,可将极点配置在给定位置 ,获得所期望的闭环响应特性。同时基于模型脉冲传递函数 ,得到控制量的显式表达式。