非仿射非线性离散系统的数据驱动二阶滑模解耦控制

针对传统二阶离散滑模变结构控制方法很难应用于模型未知系统的问题,提出了一种数据驱动二阶滑模解耦控制算法.该控制算法采用数据驱动的策略,运用系统的I/O数据,实时计算二阶离散滑模控制(2–DSMC)律.同时,运用观测器的思想,在控制器设计中引入离散扩张状态观测器(DESO),在线估计系统各回路间耦合、不确定性和外部扰动,进一步实现系统的解耦,改善控制品质.最后的理论分析和仿真结果表明,所提出的方法对于一般带有扰动和不确定性的非仿射非线性离散多入多出(MIMO)系统具有较好的解耦效果、渐进收敛的稳定性和较强的鲁棒性.     

一类非仿射非线性离散系统的改进无模型自适应控制

针对一类更广泛的非仿射非线性离散系统,提出一种改进的无模型自适应控制算法。该算法基于非参数动态线性化方法,运用观测器的思想,实现带有扰动系统的实时动态线性化,进而将无模型自适应控制方法的应用推广到更广泛的非仿射非线性离散系统。同时,对推广后的改进无模型自适应控制方法进行理论上的证明,并通过仿真实例验证了所提出的改进无模型自适应控制方法的可行性和有效性。     

数据驱动闭环子空间预测控制方法研究与应用

提出一种完全数据驱动的闭环子空间辨识及预测控制器设计方法. 该方法完全由闭环系统的输入输出数据辨识子空间矩阵, 通过子空间矩阵的拆分, 排除了与扰动相关的模型输入, 进而获取子空间矩阵参数的无偏估计; 将辨识得到的闭环系统子空间矩阵描述直接作为预测模型, 设计预测控制器; 将其应用于某钢铁集团焦炉炭化室压力控制系统, 取得了良好的控制效果.

     

一种基于流形正则化随机配置网络的 化工过程故障识别方法

考虑到化工过程故障数据的复杂非线性特性和样本潜在的根本结构特征,提出了一种基于流形正则化随机配置网络的故障识别方法。该方法在经典随机配置网络的基础上,在嵌入流形约束的监督机制下随机选取隐含参数,逐个添加隐含节点,然后使用流形正则化最小二乘法计算隐含层的输出权值,保留了数据的重要几何特征,避免了信息冗余,有利于更好地识别出区别于不同类别的相关特征。在测试集上的实验表明,该方法对TE故障和半导体故障的识别准确率分别达到了87.72%和84.27%,均高于随机向量函数连接网络和随机配置网络方法。而且对于大部分故障类型,该方法的精确率和召回率较高,验证了所提方法进行故障识别的有效性和所建立模型的良好泛化能力。