一种基于最小二乘支持向量机的预测控制算法

针对工业过程中普遍存在的非线性被控对象，提出一种基于最小二乘支持向量机建模的预测控制算法．首先，用具有RBF核函数的LS-SVM离线建立被控对象的非线性模型；然后，在系统运行过程中，将离线模型在每一个采样周期关于当前采样点进行线性化，并用广义预测算法实现对被控系统的预测控制．仿真结果表明了该算法的有效性和优越性．     

基于LS-SVM预报的动态矩阵预测控制

针对实际工业过程中的非线性及时变特性,传统预测控制算法就难于建立精确的数学模型,从而提出了一种基于最小二乘支持向量机预报的动态矩阵预测控制模型.在整个过程中,首先建立基于最小二乘支持向量机的非线性动态矩阵预测控制结构,通过利用最小二乘支持向量机辨识被控对象模型,同时预测对象的未来输出,然后用动态矩阵控制算法进行滚动优化和反馈校正.仿真实例表明该模型对预测结果有很好的控制作用,有效消除输入干扰的影响,从而提高了预测精度.     

基于PSO滚动优化的LS-SVM预测控制*

针对非线性时延系统、传统预测控制算法难以建立精确模型、控制精度不高的现状,提出一种基于最小二乘支持向量机（LS-SVM）的非线性系统预测控制算法。该算法通过LS-SVM对非线性系统输入输出数据序列的训练学习,建立其预测模型;然后运用粒子群(PSO)算法完成非线性预测控制的滚动优化。仿真结果表明,基于该方法的非线性系统预测控制具有较好的控制效果。     

广义最小方差自校正重置PID控制器及其在压力系统中的应用研究

针对压力系统的纯延迟、大惯性、非线性、时变等特点,本文将重置控制和以广义最小方差为性能指标的自校正PID控制相结合,提出一种广义最小方差自校正重置PID控制方法。该方法首先根据被控对象的数学模型,以广义最小方差为目标设计广义最小方差控制器,通过选择该控制器的分母多项式,求解Diophantine方程,得到具有PID结构形式的广义最小方差控制器,再在该控制器的积分项中引入重置控制,构成广义最小方差重置PID控制;对于模型未知或参数慢时变的被控对象,通过采用带遗忘因子的递推最小二乘法构建系统的自适应机制,增强控制系统的自适应能力和鲁棒性。最后,将该控制方法应用于压力容器的恒值控制中,获得了比较满意的控制效果。     

比例–积分控制加广义预测控制算法及其应用

针对比例–积分(proportional-integral, PI)控制因不能预测未来输出而提前改变控制量使其用于光电稳定伺服系统时往往响应剧烈的问题,研究了光电稳定伺服系统的广义预测控制(generalized predictive control, GPC).首先通过证明受控自回归积分滑动平均(controlled auto-regressive integral moving-average, CARIMA)模型的直接递推预测与Diophantine方程预测等价,提出了预测较快的模型等价预测GPC算法,其预测复杂度比原GPC降低了一个阶次.其次通过对PI和GPC的特点进行分析,综合考虑两者的优缺点,提出了一种新型的基于PI增量和GPC增量加权的比例积分控制加广义预测控制(proportional-integral control plus generalized predictive control, PI+GPC)算法,实现了基于历史、当前和未来偏差计算控制量,并给出了算法设计流程和参数选取规则.最后通过仿真并在某光电稳定伺服平台上验证后得出, PI+GPC和PI相比稳定精度有所提高,且平稳性和快速性大为改善.     

基于LS-SVM/PID复合逆系统的预测控制

为了提高预测控制算法的控制性能,提出一种基于最小二乘支持向量机(LS-SVM)/PID复合逆系统的预测控制算法。该算法在PID控制的基础上,利用LS-SVM离线建立被控对象的非线性逆模型作为前馈控制器,形成直接逆控制,其克服了逆系统方法鲁棒性不强的缺陷,并与原系统串联构成一个伪线性系统;然后,结合预测控制算法实现系统的预测控制。仿真结果表明,该算法具有较好的跟踪性能和抗干扰能力。     

针铁矿法沉铁过程亚铁离子浓度预测

针对针铁矿法沉铁过程出口亚铁离子浓度离线化验获得,存在很大滞后性,难以实现沉铁过程实时控制的问题,研究反应器出口亚铁离子浓度在线预测方法.本文在分析沉铁过程化学反应机理的基础上,考虑铜离子对反应过程的影响,结合连续搅拌反应器（Continuous stirred tank reactor,CSTR）特性,建立了针铁矿法沉铁过程的机理模型,并提出了基于信息交换的双粒子群搜索算法（Double particle swarm optimization,DPSO）优化选择机理模型的参数,构建基于最小二乘支持向量机（Least squares support vector machine,LS-SVM）的机理模型输出误差的补偿模型,采用并联补集成方式建立了亚铁离子浓度的集成预测模型.工业现场数据验证了所建模型能有效地反映亚铁离子浓度的变化趋势,为针铁矿法沉铁过程的优化控制奠定了基础.     

基于ISOA的LS-SVM地铁站空调系统能耗预测模型

为提高地铁站空调系统能耗的预测精度,利用最小二乘支持向量机（Least Squares Support Vector Machines, LS-SVM）建立能耗预测模型是一种有效的方法。但是LS-SVM在处理大规模数据集的回归问题时难以确定最佳模型参数值,较大程度地影响了模型的拟合精度和泛化能力。为此,提出一种从算法搜索步长和搜索方向这2个方面进行改进的人群搜索算法（Improved Seeker Optimization Algorithm, ISOA）对LS-SVM建模过程中的模型参数进行优化选择。将所提出的基于ISOA-LS-SVM建立的能耗预测模型应用于北京某高校地铁实训平台。研究结果表明：该模型能够准确预测出系统能耗,相比于网格搜索法、粒子群算法以及传统的人群搜索算法,优化的LS-SVM在速度和精度上都有所提升。     

基于在线最小二乘支持向量机的广义预测控制

This paper proposes a practical generalized predictive control(GPC)algorithm based on online least squares support vector machines(LS-SVM)which can deal with nonlinear systems effectively.At each sampling period the algorithm recursively modifies the model by adding a new data pair and deleting the least important one out of the consideration on realtime property.The data pair deleted is determined by the absolute value of lagrange multiplier from last sampling period.The paper gives the recursive algorithm of model parameters when adding a new data pair and deleting an existent one,respectively,and thus the inversion of a large matrix is avoided and the memory can be controlled by the algorithm entirely.The nonlinear LS-SVM model is applied in GPC algorithm at each sampling period.The experiments of generalized predictive control on pH neutralizing process show the effectiveness and practicality of the proposed algorithm.     

基于支持向量机对激光焊接的自适应控制

激光焊接过程是典型的不确定性非线性系统,且难以用具体的数学模型对其进行描述。为了对其进行控制,首先采用基于最小二乘支持向量机的方法对其离线建立了非线性模型;然后基于模型设计了自校正PID控制器。仿真结果表明了建模和控制方法的有效性和优越性。     

基于软测量的球磨机优化控制方法

针对球磨机控制的难点和不足,提出了一种基于料位软测量技术的球磨机优化控制方法.首先,在分析球磨机系统特性和振动特性的基础上,确定了料位软测量的辅助变量.其次,基于最小二乘支持向量机算法,给出了一种球磨机料位软测量方法,并通过现场实测数据进行料位检测,结果表明该软测量方法的精度较高;最后,在料位软测量的基础上,提出了一种...     

A practical implementation of Robust Evolving Cloud-based Controller with normalized data space for heat-exchanger plant

The RECCo control algorithm, presented in this article, is based on the fuzzy rule-based (FRB) system named ANYA which has non-parametric antecedent part. It starts with zero fuzzy rules (clouds) in the rule base and evolves its structure while performing the control of the plant. For the consequent part of RECCo PID-type controller is used and the parameters are adapted in an online manner. The RECCo does not require any off-line training or any type of model of the controlled process (e.g. differential equations). Moreover, in this article we propose a normalization of the cloud (data) space and an improved adaptation law of the controller. Due to the normalization some of the evolving parameters can be fixed while the new adaptation law improves the performance of the controller in the starting phase of the process control. To assess the performance of the RECCo algorithm, firstly a comparison study with classical PID controller was performed on a model of a plate heat-exchanger (PHE). Tuning the PID parameters was done using three different techniques (Ziegler–Nichols, Cohen–Coon and pole placement). Furthermore, a practical implementation of the RECCo controller for a real PHE plant is presented. The PHE system has nonlinear static characteristic and a time delay. Additionally, the real sensor's and actuator's limitations represent a serious problem from the control point of view. Besides this, the RECCo control algorithm autonomously learns and evolves the structure and adapts its parameters in an online unsupervised manner.     

造纸过程定量和水分的结构分散化控制

造纸系统在运行过程中呈现出非线性、时变性、关联性和大时间滞后等特性,属于一类复杂的工业受控系统。采用一种基于链系统方法的结构分散化控制方案实现对该系统的自动控制。建立了造纸系统的一种基于单元模型的结构分散化模型。根据结构分散化预估机制和控制方案,设计了以纸页定量及纸页水分为受控变量的关联系统的结构分散化控制算法与系统。经仿真和分析表明,该方法可较好地达到控制系统的要求,控制精度较高,并具有良好的鲁棒性。     

火电机组多变量预测控制系统的开发与应用

针对目前我国火电机组对于先进控制软件的迫切需求,结合子空间模型辨识和预测控制技术开发出一种基于状态空间模型的火电机组多变量预测控制系统;该系统采用子空间辨识方法离线辨识状态空间模型,利用多模型切换适应火电机组部分控制回路的非线性特征,最后使用预测控制器完成对象的在线控制;在电厂协调控制回路的实际应用中,负荷升降速率4%,压力偏差小于0.18MPa。所以该系统能够有效提高控制回路的响应速度和稳定性,具有一定的实用性和推广价值。     

火电厂主气温系统的继电反馈多模型控制

针对火电厂变负荷机组主汽温系统时变和非线性的特点,提出了基于继电反馈的多模型控制算法;首先利用继电反馈的方法,对若干典型工况点建立的固定模型设计子控制器;在运行过程中,利用多模型控制根据系统工况的变化选择相应的控制器以保证系统的控制性能,仿真结果表明应用该方法建立的控制系统具有良好的控制品质和较强的自适应能力。     

Implementation of speed controller for rotary hydraulic motor based on LS-SVM

The performance of a model-based control system depends strongly on the accuracy of the process model used. LS-SVM is a powerful method for modeling nonlinear systems. The main objective of this paper is to implement a conventional controller based on LS-SVM model for hydraulic motor. An off-line model is first identified based on LS-SVM, then via simulation tests the parameters of the discrete PI-Controller and its velocity-form are obtained then the controller parameters are applied experimentally for the hydraulic motor as a speed controller. The system performance has been evaluated; results show good performance over a wide range of operating conditions and load disturbances.     

基于Renyi熵的LS-SVM财务困境预测模型

为了提高企业财务困境预测的正确率,减少训练模型的样本数和训练时间,在传统支持向量机预测模型的基础上,将Renyi熵和最小二乘支持向量机算法应用于财务困境预测,提出了一种基于Renyi熵的最小二乘支持向量机预测模型.独立推导出了适合财务困境预测这一离散序列的熵以及支持向量机核函数的表达式,同时,给出了这一改进算法的实现步骤.实验结果表明,该算法无论是训练样本的数量还是训练时间,都显著优于传统的最小二乘支持向量机以及标准支持向量机预测模型.     

基于潜在特征选择性集成建模的二噁英排放浓度软测量

二噁英(Dioxin,DXN)是导致城市固废焚烧(Municipal solid waste incineration,MSWI)建厂存在"邻避现象"的主要原因之一.工业现场多采用离线化验手段检测DXN浓度,难以满足污染物减排控制的需求.针对上述问题,本文提出了基于潜在特征选择性集成(Selective ensembl...     

Optimization-based tuning of nonlinear model predictive control with state estimation

Nonlinear model predictive controllers determine appropriate control actions by solving an on-line optimization problem. A nonlinear process model is utilized for on-line prediction, making such algorithms particularly appropriate for the control of chemical reactors. The algorithms presented in this paper incorporates an extended Kalman filter, which allows operations around unstable steady-state points. The paper proposes a formalization of the procedure for tuning the several parameters of the control algorithm. This is accomplished by specifying time-domain performance criteria and using an interactive multi-objective optimization package off-line to determine parameters values that satisfy these criteria. Three reactor examples are used to demonstrate the effectiveness of the proposed on-line algorithm and off-line tuning procedure.     

基于RVM的非线性预测控制及在聚丙烯牌号切换中的应用

针对由被控对象非线性和优化目标函数非凸性带来的建模与实时优化问题求解的困难,提出一种基于相关向量机(RVM)的非线性多步模型预测控制算法.采用RVM建立非线性预测模型,并将差分进化算法引入非线性预测控制中发挥其伞局最优、鲁棒、快速收敛等优点,在线求解多变量、多约束的非线性规划问题.利用实际生产数据进行聚丙烯牌号切换仿真,结果表明,该算法可大幅度减少切换时间,降低过渡料产量,提高经济效益.