基于神经网络辨识的灰色预测在精馏塔中的应用

石油化工生产中常用精馏塔的控制是一种滞后时间长、滞后常数不定的典型不确定滞后对象。这种对象控制困难,系统精度要求高,要对其进行有效控制就必须高精度预测它的输出,因为对象的不确定滞后特性,对其进行精确的输出预测始终是一个难题。针对精馏塔输出预测上的困难,提出利用神经网络首先辨识系统的滞后时间,之后在此基础上采用AR(p)(自回归)模型拟合残差的改进型灰色预测方法预测输出,基本灰色预测模型采用变步长单步灰色预测。将上述方法应用在精馏塔模型输出预测中,仿真结果表明改进后的预测方法对具有滞后、时变的系统有良好的预测效果,而且对系统参数突变、漂移等非失效型故障有一定的鲁棒性、容错性,比其他灰色预测方法更具优越性。     

一类线性离散系统H∞鲁棒容错控制器设计

从不确定线性离散控制系统的传感器或／和执行器等部件极易发生故障的实际情况出发，对这类控制系统的鲁棒容错控制器设计问题作了研究。在假设传感器和执行器同时发生故障的情况下，基于状态反馈思想和H∞鲁棒控制理论，通过求解一个代数Riccati方程得到H∞鲁棒容错状态反馈控制律。因此，由该设计方法得到的控制律同样适用于传感器和执行器分别出现故障的情况。并通过仿真实例来验证该H∞鲁棒容错控制律不仅对不确定性和扰动具有H∞鲁棒性能，而且对传感器或／和执行器故障具有容错性能，从而说明该控制器设计方法的正确性和有效性。     

一类基于FNN的非线性系统自适应控制

模糊神经网络用于控制，主要是为了解决复杂的非线性、不确定、不确知系统的控制问题。由于模糊神经网络具有学习能力和自适应性，使得其能对变化的环境有自适应性，控制器也基本上不依赖于模型，针对一类非线性系统，利用模糊神经网络对系统进行建模提出一种鲁棒自适应控制方法。首先利用李雅普诺夫定理证明在一定的条件下，闭环系统必能稳定，并证明这个条件即非线性函数f(x)中的x必落入某一紧集中成立，同时考虑其控制性能，选择鲁棒控制量，使跟踪误差达到要求的性能指标。理论分析和仿真结果说明了该控制算法的可行性和有效性。     

滞后不确定系统的无辨识自适应智能控制方法

针对带有大纯滞后、不确定性的工业过崔，提出一种无需辨识的自适应智能控制方法。该方法不需要对过程建立数学模型，只要检测过程的实际输出和期望输出，通过模糊预测控制来自正单神经元自适应PSD控制律，即可以对滞后不确定、建模困难的工业过程实现自适应控制。仿真结果表明用该方法控制滞后不确定系统具有简单、实用、鲁棒性强的特点．     

基于改进的RBF神经网络在线辨识算法及其应用

针对径向基函数(RBF)神经网络用于非线性系统辨识时存在的问题，对径向基函数网络的拓扑结构作了改进，并给出了改进的径向基函数(MRBF)神经网络的中心选取方法和权值在线调整算法，最后用改进的径向基函数网络对一个典型工业对象(CSTR)进行了应用研究，结果表明方法有效。     

一种用于非线性函数逼近的小波神经网络

提出一种用于非线性函数逼近的小波神经网络，给出了网络的参数训练方法。从信息熵的概念出发，改进了网络参数训练的目标函数，并利用引入动量项的最速下降法训练网络权值、尺度因子和平移因子。仿真实验表明，该小波神经网络用于非线性函数逼近时优于同等规模的BP网络，且其训练方法亦具有收敛速度快、逼近精度高等优点。     

基于改进遗传算法的神经网络模型辨识

利用前向神经网络对非线性动态系统建模时存在着很大的缺陷，因此提出采用递归网络(RNN)对非线性动态系统建模。并在权值的修正上，摆脱常用BP算法的束缚，采用改进的遗传算法搜索最优权值。最后对一高阶非线性系统进行建模仿真实验，结果表明该方法是有效的。     

多模态智能控制器

传统的控制方法都是基于数学模型和单模式控制．但是对参数不确定和结构不确定等复杂的系统来说，用传统的控制方法很难得到满意的效果，从而促使发展变结构控制理论与智能控制理论．近来在实际应用中，又把这两种方法有机地结合在一起这里讨论的多模态智能控制就是其中之一，这种方法也适应于可确定性系统．     

BSTD—Z80A型微机监控系统

该文重点介绍了ＢＳＴＤ－Ｚ８０Ａ型微机监控系统的系统配置及主要应用软件模块的设计，并讨论了几个关键性的技术问题。突出的特点是质谱分析仪在线化，反应温度的闭环优化调节，比较完整的线性化方法，流量与温度的数字输出控制，基于控制三要素的控制方法。该系统具有较高的抗干扰能力及鲁棒特性。     

FCS—100B型微机监控系统

本文介绍了FCS—100型微机监控系统的特点,讨论各过程接口及有关技术措施。图1幅