基于AIS聚类的模糊神经网络在热轧优化建模中的应用

针对现有的钢坯热轧过程智能建模方法——模糊神经网络建模存在的收敛速度慢、建模精度不高、易陷入局部极小值、系统输入输出向量维数和空间划分增加使网络结构趋于复杂等问题,提出了一种基于人工免疫系统（AIS）聚类的自适应神经模糊推理系统的建模方法。该方法采用人工免疫聚类学习算法来确定模糊集合的划分,并确定模糊神经网络的结构和初始参数,能以较少的模糊规则达到理想的建模精度,仿真结果表明了该方法的有效性。     

基于密封舱压力场梯度的盾构开挖面稳定性判定

提出了一种基于密封舱压力场梯度的土压平衡盾构开挖面稳定性的判定方法。利用非均匀B样条最小二乘方法建立了密封舱压力场的分布模型,在此基础上,分析了竖直与水平方向压力梯度的变化,基于密封舱压力场梯度范数给出了开挖面的稳定域及判定方法。对于压力场梯度范数的极值,采用多级动态惩罚函数与粒子群相结合的优化算法对优化函数进行求解。最后,利用现场施工数据进行了仿真研究,对密封舱压力平衡、失衡时的压力场及等压线分布特征进行了分析,并进一步对开挖面的稳定性进行了判断,验证了判定方法的有效性。     

基于密封舱压力场的盾构土压平衡控制建模与仿真

为实现更准确、有效的土压平衡控制,提出一种新的密封舱土压平衡控制的建模方法.基于小波阈值去噪后的现场施工数据,采用最小二乘法建立了密封舱压力场分布模型;在此基础上,通过分析掘进控制参数与密封舱压力的关系以及土压状态发生变化的影响因子,建立了以等效压力为控制目标的密封舱土压平衡控制模型.设计了模糊自适应PID控制器,构建了土压平衡控制系统.最后,利用现场施工数据进行仿真验证,结果表明模型的有效性,为盾构掘进过程的土压平衡控制奠定了基础。     

基于数据驱动的盾构机密封舱土压预测

盾构机是一种暗挖地下隧道工程的专用机械。为了保证盾构机安全、高效掘进,必须控制密封舱土压平衡。盾构机掘进过程中密封舱土压受多系统、多场耦合和地质条件突变等诸多因素影响,极易导致密封舱土压失衡而引起地表塌陷等安全事故。针对难以建立有效的机理模型进行密封舱土压预测并实施控制的问题,提出了基于多粒子群协同优化的并行支持向量机(PCPSO-PSVM)密封舱土压的数据驱动建模方法。采用分而治之的原则将数据样本分成4个子集、3个层次进行并行学习,再采用交叉反馈的方式更新初始样本重新训练直至结束,得到支持向量;利用协同粒子群并行计算优化支持向量机的参数,将粒子群并行分组寻优,在各自独立的进程内进行独立搜索,最后各群体汇集到主进程,计算得到模型的全局最优参数C和σ,得到密封舱土压预测模型。基于盾构施工现场的实测数据进行了仿真实验,对密封舱内4个土压力监测点进行建模预测,结果表明该方法具有较高的计算效率和预测精度,能够满足实时在线计算预测的要求。因此,完全可以通过这些压力监测点做出整个开挖面的土压力预测,以对密封舱土压失衡做出提前预警和决策。该方法实现了基于数据的快速密封舱土压建模预测,能够为开挖面的稳定控制提供及时、准确的判断依据,指导工程实践。     

基于单步预测的模型参考自适应逆控制

针对非线性系统,提出一种基于单步预测的模型参考自适应逆控制方案.该方案将预测思想引入自适应逆控制中,采用Elman网络作为模型辩识器,利用它建立非线性系统输出的预测模型;采用模糊神经网络作为自适应逆控制器,由预测误差进行参数的在线自适应寻优.仿真结果表明,该方案具有很好的跟踪效果和较强的鲁棒性.     

基于BP神经网络的非线性预测控制

将BP神经网络技术应用于预测控制,并对其控制算法进行研究。采用一个BP神经网络来实现对系统的辨识和多步预测,并将一种新型的非线性混沌映射引入到神经网络的参数学习算法中实现其权值调节,以逐步建立被控对象合理的多步预测模型,并用网络的多步预测输出序列与设定值序列的偏差修改控制律。仿真结果表明了该算法的有效性。     

盾构机自动控制技术现状与展望

盾构机是用于开挖隧道等地下施工的专用工程机械.由于地质条件、工况的不确定性以及掘进装备的高度复杂性,导致其施工安全问题仍然是世界性的重大技术难题.为了防止地表塌陷等灾难性事故发生,实现盾构机安全、高效掘进施工,施工过程的全自动化、智能化是盾构技术发展的必然趋势.简要介绍国内外盾构机的发展状况,重点论述盾构掘进系统及位姿自动控制技术的研究进展与现状,结合工程实际以及未来的发展趋势,分析在掘进系统的控制模型与控制策略、运动轨迹的动态规划与位姿控制、控制系统的集成与优化等方面存在的问题,并提出改进意见,尤其对掘进系统的刀盘、推进、排渣等多子系统的控制问题,提出协调控制策略.     

带有可调因子的NMSSPC算法的研究北大核心CSCD

针对模型失配对模型预测控制算法的影响,提出了一种新的应用于单变量系统的非最小状态空间模型预测控制(NMSSPC)算法。该算法利用阶跃响应数据建立传递函数模型,将模型转换为状态空间的形式,通过模型预测控制滚动优化求得控制律。文中改进了控制量的滚动优化策略,在目标函数中引入了可调因子,并在反馈校正中对预测误差补偿进行了改进,有效的减小了模型失配时产生的误差。仿真结果表明了算法的有效性,并且具有良好的跟踪控制性能。     

盾构机机械类故障诊断研究进展综述

盾构机在运行过程中不可避免地会发生故障,这些故障中以机械类故障较为常见,对盾构机进行状态监测与故障诊断是保证其掘进作业安全、高效的重要手段。详细论述了盾构机刀具磨损、轴承、液压等常见机械类故障及相应的诊断方法,分析了各类故障诊断存在的问题并提出了相应的解决方案。最后对盾构机机械类故障诊断技术进行了建议与展望,并指出在故障诊断系统生态技术框架下,实现盾构机机械类故障诊断的信息化和智能化将会是盾构机未来的发展目标。     

盾构掘进土压控制模型的建立及仿真

为建立以密封舱压力平衡为目标的土压控制模型,提出了采用机理分析与LS-SVM技术相结合的方法。首先对盾构掘进过程进行机理分析,根据掘进过程的连续性方程、力学平衡方程等,建立了密封舱土压控制模型;由于盾构总推力、推进速度、螺旋输送机转速等施工参数对密封舱土压的影响程度不同,在模型中引入了权重系数γ。然后基于LS-SVM技术建立了误差模型并求取参数γ的最优值。最后通过仿真验证了模型的有效性。