一种新的间歇过程鲁棒在线监控方法

多向主元分析(MPCA)的统计监控模型,因为易受建模数据中离群点的影响,还需预估新批次未反应完的数据,所以提出一种新的间歇过程鲁棒在线监控法。先利用改进尺度的CDC/MVT算法获取常规建模的批次数据;再用多模型非线性结构代替传统的MPCA单模型线性化结构,并提出确定时滞变量的算法。前者用于监控β-甘露聚糖酶发酵批过程,并与移动窗多向主元分析(MWMPCA)法相比,即使建模数据中存在离群点,前者仍能获得正确的监控结果,减少建模时对数据的要求;同时克服了MPCA不能处理实时性的问题,避免了MPCA在线应用时预测值的误差;更能精确描述过程的故障,准确性和实时性良好。     

一种新的非线性迭推多模型核MFDA的间歇过程监控方法（英文）

针对间歇过程特点和基于多向主元分析(Multiway Principal Component Analysis,MPCA)的间歇过程监控方法的缺陷,利用核映射在处理非线性过程和Fisher判别分析(Fisher Discriminant Analysis,FDA)在故障诊断能力上的优势,提出了基于递推多模型的核多向Fisher判别式分析(Recursive Multi-model Kernel Multi-way FDA,RMKMFDA)的间歇过程监测与故障诊断方法。该方法采用多模型核多向Fisher判别分析(Multi-model Kernel Multi-way FDA,MKMFDA)非线性结构代替MPCA单模型线性化结构,并提出确定时滞变量的算法;一旦通过MKMFDA监测出某一新批次过程正常,则模型参考数据库就随之更新;在线监控时通过比较核Fisher特征向量之间的欧氏距离来实现,而最优核Fisher判别向量用来鉴别故障类型。该方法在实时监控新的批过程时,只需利用已收集到的数据信息,且在线递推地更新模型参考数据库,提高了间歇过程监控的准确性,克服了MPCA不能处理非线性过程和实时性问题。通过采用RMKMFDA与移动窗多向主元分析(Moving Window MPCA,MWMPCA)方法对青霉素分批补料发酵过程的实时监控,结果表明RMKMFDA比MWMPCA能更及时地监测出过程异常情况,更准确地判断异常发生的原因。     

一种新的非线性目标跟踪方法

在实际的目标跟踪场景中,普遍存在非高斯过程噪声和/或量测噪声,以及非高斯先验信息等情况,针对这一问题,提出一种新的解决非线性/非高斯系统滤波问题的非线性滤波算法,即高斯和求积分卡尔曼滤波（GSQKF）算法。仿真实验将新算法与标准的粒子滤波算法进行了比较,表明新算法是一种非常有效的非线性滤波算法。     

一种新的多阶段改进MPCA间歇过程监视方法的研究

针对间歇生产过程存在的多阶段问题,提出了基于数据动态特性CPV(1)(cumulative percent variance of the first principal component)指标进行模糊聚类实现多阶段软划分的方法,解决了传统分段方式对间歇过程进行硬划分的缺陷,使得过程多阶段划分更加准确。在此基础上建立多阶段具有时变主元协方差的改进MPCA(multiway principal component analysis)模型进行间歇过程的监视。将此方法应用于青霉素发酵过程,验证了该方法的可靠度和有效性。     

一种基于LSSVM的间歇过程在线故障诊断方法

针对间歇过程的在线故障诊断需要预测过程变量的未知输出问题,提出了一种数据展开和故障分类器数据选择相结合的方法。首先,对包含批次信息的三维数据进行数据展开,对间歇过程的多阶段分别建立PCA模型并进行过程的故障监测;然后,选取故障发生时刻之后的部分长度采样时刻的数据进行故障的特征提取,离线建立LSSVM的故障分类器模型;最后,通过故障分类器进行在线故障诊断,实现故障分类并确定发生了某类故障。该方法提高了间歇过程在线故障诊断的实时性和准确性,通过青霉素发酵仿真过程的应用,进一步验证所提方法的可行性和有效性。     

一种新的动态过程数据校正方法

数据校正技术能有效地提高测量数据的质量。本文提出了一种基于过程模型少统计分析和动态过程数据校正方法,该方法能同时进行过失误差检测并最终得到各个变量的校正值。对这种方法进行了仿真研究,仿真结果证实了该方法的有效性。     

一种新的非线性分形压缩算法

提出一种基于Julia-CK集和Logistic映射的非线性分形压缩算法。用Carotid-Kundalini函数生成Julia-CK集,并用Logistic映射生成伪随机数填充量化表。将量化后的Julia-CK集分割成4 4的小图像块,再变换成圆盘。圆盘经过旋转后重新变换为正方形,对Julia-CK集进行适当的分类。编码时在同类中寻找匹配的图像块,扩充了原有的仿射变换,得到一个丰富且可通用的压缩字典,有效地打破图像和数据字典之间的一一对应关系。实验表明,相比于Barnsley提出的经典分形压缩方法,新算法使压缩比提高约36%,重建图像的峰值信噪比提高约27%,具有良好的压缩比,获得了高质量的解码图像。     

一种基于DIOCVA的过程监控方法

传统基于典型变量分析的过程监控方法无法判断故障是否影响产 品质量.为此,本文提出一种基于动态输入输出典型变量分析(Dynamic input-output canonical variate analysis, DIOCVA)的过程监控方法.该方法利用典型变量分析提取数据之间的相关性,并进一步考虑方差信息和时序相关性, 将过程数据和质量数据映射到5个子空间:输入输出相关子空间,不相关输入主元子空间, 不相关输入残差子空间,不相关输出主元子空间和不相关输出残差 子空间.所提方法能够精细区分影响质量的过程故障和不影响质量的过程故障.以Tennessee Eastman过程为例对所提方法的有效性进行了验证.     

一种新的非线性分形压缩算法

提出一种基于Julia-CK集和Logistic映射的非线性分形压缩算法。用Carotid-Kundalini函数生成Julia-CK集,并用Logistic映射生成伪随机数填充量化表。将量化后的Julia-CK集分割成4 4的小图像块,再变换成圆盘。圆盘经过旋转后重新变换为正方形,对Julia-CK集进行适当的分类。编码时在同类中寻找匹配的图像块,扩充了原有的仿射变换,得到一个丰富且可通用的压缩字典,有效地打破图像和数据字典之间的一一对应关系。实验表明,相比于Barnsley提出的经典分形压缩方法,新算法使压缩比提高约36%,重建图像的峰值信噪比提高约27%,具有良好的压缩比,获得了高质量的解码图像。     

一种新的非线性时间序列的聚类方法

由于现实世界中时间序列多数是非线性的,而现有的时间序列聚类问题大多是基于线性时间序列模型进行聚类的,提出了可以用于非线性时间序列的聚类方法。它基于KS二维检验统计量提出KS2D距离度量,是一种非参数的鲁棒性强的距离度量方式,它将时间序列的非线性相关结构放到距离度量之中,能够粗糙地识别时间序列形状和动态相关结构的相似性。与理论研究结果相一致,模拟实验结果也验证了这种距离度量的有效性。     

一种间歇过程的综合预测迭代学习控制方法

为了提高迭代学习控制方法在间歇过程轨迹跟踪问题中的收敛速度,本文将批次间的比例型迭代学习控制与批次内的模型预测控制相结合,提出了一种综合应用方法.首先根据间歇过程的线性模型,预测出比例型迭代学习控制的系统输出,然后在批次内采用模型预测控制,通过极小化一个二次型目标函数来获得控制增量.该方法可使系统输出跟踪期望轨迹的速度比比例型迭代学习控制方法更快些.最后通过仿真实例验证了该方法的有效性.     

基于FDA-KDE间歇过程在线监控

针对基于传统的多向主元分析(Multiway Principal Component Analysis,MPCA)方法用于间歇过程在线监控时需要对新批次未反应完的数据进行预估,从而易导致误诊断,且统计量控制限的确定是以主元得分呈正态分布为假设前提的缺陷,结合Fisher判别分析(Fisher Discriminant Analysis,FDA)在数据分类及非参数统计方法核密度估计(Kernel Density Estimation,KDE)在计算概率密度函数方面的优势,提出了一种FDA-KDE的间歇过程监控方法。该方法首先利用FDA求取正常工况数据和故障数据的Fisher特征向量和判别向量,获得Fisher特征向量的相似度:然后在提出偏平均集成平方误差(Biased Mean Integrated Squared Error,BMISE)交叉验证法确定KDE的带宽从而获得相似度统计量控制限的基础上,利用已获得的数据测量值对过程进行监控,避免了基于MPCA方法对未来测量值的预估;最后采用基于Fisher判别向量权重的贡献图方法来进行故障诊断。通过对青霉素发酵间歇过程应用表明,所提出的方法比传统的MPCA方法能更及时地监测出过程异常情况,更准确地判断异常发生的原因。     

一种新的非线性规划神经网络模型

提出一种新型的求解非线性规划问题的神经网络模型.该模型由变量神经元、Lagrange乘子神经元和Kuhn-Tucker乘子神经元相互连接构成.通过将Kuhn-Tucker乘子神经元限制在单边饱和工作方式,使得在处理非线性规划问题中不等式约束时不需要引入松弛变量,避免了由于引入松弛变量而造成神经元数目的增加,有利于神经网络的硬件实现和提高神经网络的收敛速度.可以证明,在适当的条件下,文中提出的神经网络模型的状态轨迹收敛到与非线性规划问题的最优解相对应的平衡点.     

一种新的非线性边缘检测滤波器

本文提出一种除噪滤波与边缘检测同时进行的方法——非线性检测滤波器法.该方法基于中值滤波器和非线性Laplace算子数学方法.理论与实验表明:该非线性滤波器很少损失边缘信息,而且速度快.     

一种改进的间歇过程HAZOP分析模型

为了使Petri网与SDG(Signed Directed Graph)结合的建模方法适用于复杂间歇过程,提出一种改进的建模方法.首先将Petri网中的库所、变迁、托肯分类并赋予新的物理意义,使其更好地描述同步、循环特性;另外提出一种基于标准表的Petri网与SDG模型的连接机制;论述了模型的自动推理过程;最后将模型应用于某工业生产过程,得出HAZOP分析结果.改进后的模型能够更好地适用于具有同步、循环特性的复杂间歇生产过程,且模型简洁、有效,克服了原间歇模型仅适用于简单间歇过程的不足.     

一种新的数据驱动的非线性自适应切换控制方法

针对一类非线性离散时间动态系统, 提出了一种新的非线性自适应切换控制方法. 该方法首先把非线性项分解为前一拍可测部分与未知增量和的形式, 并充分利用被控对象的大数据信息和知识, 把非线性项前一拍可测数据与未知增量都用于控制器设计, 分别设计了线性自适应控制器, 带有非线性项前一拍可测数据补偿的非线性自适应控制器以及带有非线性项未知增量估计与补偿的非线性自适应控制器. 三个自适应控制器通过切换函数和切换规则来协调控制被控对象. 既保证了闭环系统的稳定性, 同时又提高了闭环系统的性能. 分析了闭环切换系统的稳定性和收敛性. 最后, 通过水箱液位系统的物理实验, 实验结果验证了所提算法的有效性.     

一种新的非线性离散时间系统的模糊辨识方法

对一类非线性离散时间系统提出一种新的模糊的辨识方法。该方法在假设逼近误差界已知的情况下,基于死区函数对模糊逻辑系统中的未知参数设计自适应学习律;在逼近误差界未知的情况下,基于时变死区函数对模糊逻辑系统中的未知参数设计自适应学习律,并对时变死区进行自适应调节。证明了所设计的自适应学习律均可使辨识误差收敛到原点的一个小邻域内。仿真结果表明了该算法的有效性。     

一种新的多输入非线性控制系统线性化的计算方法

通常, 即使对于一个可逼近反馈线性化的非线性系统, 求得一个所需的坐标变换和反馈仍然是困难的, 原因在于需要求解一组偏微分方程. 在本文中, 为了求得逼近反馈线性化所需的非线性反馈及坐标变换, 首先引入了一个扩展的坐标空间, 针对一类线性可控的多输入非线性系统, 推导了系统新的矩阵表达式. 然后, 提出了一种新的有效的构造化算法, 它降低了计算所需的运算量. 最后通过一个例子介绍了本方法的应用.