间歇过程的批内自优化控制

针对间歇过程的实时优化问题, 提出了一种基于自优化控制的批内优化方法. 以测量变量的线性组合为被控变量, 在单批次内跟踪控制被控变量实现间歇过程的实时优化. 根据是否在间歇过程的不同阶段切换被控变量, 给出了两种自优化控制策略, 对每种策略又分别提出两种设定轨线选取方案. 为求解这些情形下的最优被控变量(组合矩阵), 以最小化平均经济损失为目标, 推导了组合矩阵和经济损失之间的函数关系, 分别将其描述为相应的非线性规划问题. 在此基础上, 进一步引入了扩张组合矩阵, 将这些非线性规划问题归纳为求解扩张组合矩阵的一致形式(扩张组合矩阵具有不同的结构约束), 并推导得到了其中一种方案的解析解计算方法. 以一个间歇反应器为研究对象, 验证了方法的有效性.     

基于分段线性化法的改进自主优化控制

现有自主优化控制方法(Self-optimizing control, SOC)均基于系统名义工作点的线性化模型,过程的非线性较强时, 由线性化误差导致的损失将显著影响控制系统的自主优化性能.提出了一种基于分段线性化模型的改进自主优化控制方法, 获取不同扰动工况下的分段线性化模型,分别应用线性化SOC方法并构造总的被控变量. 新方法能够在更大范围的操作空间内最小化平均损失,具有更加优异的自主优化效果. 对一个数值算例和一个放热反应过程的研究验证了提出方法的有效性.     

非线性系统鲁棒自校正控制间接算法

提出一种非线性系统鲁棒自校正控制间接算法．借助于神经网的作用，有效地辨识系统的建模误差，其辨识结果在控制算法中加以补偿，于是，使基于低阶线性模型的自校正控制算法有效地应用于复杂的非线性系统．文中给出了算法的鲁棒性分析和仿真结果．     

基于快速BP算法的非线性系统神经网络自校正控制器

提出了对于一大类未知,不确定,时变单输入单输出离散非线性系统,利用三层BP网络,采用快速BP算法构成学习和自校正控制的方案,针对同一被控对象,设计了PID控制器,仿真结果表明本文所提出的神经网络自校正控制的优越之处。     

一种非线性控制算法在化工过程中的应用

本文以一个典型的化工单元过程－蒸发过程为研究对象，在开发其数学模型基础上，提出了一种实时性强易于在计算机上实现的非线性控制算法，以解决实际非线性控制系统解耦和提高鲁棒性问题。并给出仿真研究分析结果。     

金氰化浸出过程的自优化控制

针对湿法冶金金氰化浸出过程的实时优化问题,提出一个自优化控制方案.基于系统的参数不确定模型,选择并求解输出变量的线性组合为被控变量,在反馈控制器作用下跟踪其恒定设定值,实现浸出过程在不确定性扰动下的自优化控制.仿真结果验证了该控制方案的有效性:扰动产生时,系统的经济指标在常规控制作用下得到改善,并最终运行于真实的最优点附近,提高了浸出过程的生产效益.     

非线性系统的多神经网络自学习控制

本文提出了一种未知非线性动力学系统的多网络自学习控制方法。通过对系统的神经元网络辨识器和神经元网络控制器的有机结合，发展了基于逆动力学辨识器的控制网络广义Ｄｅｌｔａ学习规则，从而使得整个控制系统具有很强的自、自学习能力。文中最后通过对系统进行的仿真研究证实了这种控制结构的有效性，仿真例子说明经过１００个周期学习后，其系统的跟踪误差控制在１％以内。     

广义稳态的工业过程及其优化控制

阐述了工业过程中出现的拟周期和混沌等动态行为，并分析了形成的原因和条件．介绍了与之密切相关的非线性科学中的混沌、微分动力学系统以及遍历论等理论，综述了工业过程的广义稳态优化控制的研究成果、理论意义和实用价值及其发展方向．     

化工间歇过程的时间Petri网模型和优化控制

针对化工间歇生产过程的特点及优化问题，本文提出用时间Ｐｅｔｒｉ网对过程建模，用动态规化方法对过程实行优化控制，并研究了该优化策略下的算法和控制设计问题。     

一种新型非线性Hammerstein系统动态矩阵控制算法

将动态矩阵控制策略(DMC)推广到由一个非线性静态多项式函数和一个线性动态阶跃响应环节组成的非线性Ham-merstein系统,详细地给出了该新型非线性Hammerstein系统动态矩阵控制算法(NLH-DMC).把NLH-DMC应用于一套强非线性pH中和过程,给定值跟踪和抗干扰仿真结果表明,NLH-DMC比线性DMC(LDMC)和过程控制领域常用的非线性PID(NL-PID)具有更好的控制性能.进一步的仿真实验证实,NLH-DMC不仅具有良好的控制响应,而且在存在较大模型误差时仍具有很好的稳定性及鲁棒性.     

基于物联网技术的低产井间歇抽油自寻优控制系统设计

针对当前低产井间歇抽油自寻优控制系统频率差保护能力较差,导致无功补偿误差较大,控制时间较长的问题,设计了基于物联网技术的低产井间歇抽油自寻优控制系统;根据气体分离路径,构建控制硬件元件操作路径,采用DCZL23-WFET600S-I型采集器采集内部信息,利用RS-485的串口连接方式,构建信息串口连接模式,利用数据控制器标准化处理控制数据,完成控制系统硬件设计;匹配控制准则与控制平台程序,查询匹配最佳数值信息,完成平台初始化处理,设计软件控制背板,连接控制前端和控制信道,构建数据传输联络通道,采用光电转换隔离技术,交换原油数据传感信息,调整算法的录入模式,连接系统软件平台中心控制网络,执行网络连接指令,实现控制系统软件操作;实验结果表明,所设计系统的频率差保护整体值为7.0 Hz,动作值为50.05 Hz,控制时间仅为7.6 s,频率差保护能力较好,能够有效减小无功补偿误差,缩短控制时间。     

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.     

一种新的多输入非线性控制系统高阶逼近线性化的计算方法

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, 我们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。基于这些准备,我们提出了一种 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 子我们介绍了本方法的应用.     

非线性系统的改进型自适应积分控制算法

针对传统非线性系统的积分控制,为减小稳态跟踪误差和防止积分饱和,设计了一种改进型的自适应积分控制。采用反馈线性化消去系统的非线性,在初始误差较大的条件下,引入惩罚函数根据误差动态调节比例系数和积分系数可抑制较大的超调量。应用Lyapunov稳定性理论,证明了在外部扰动有界的条件下,闭环控制系统一致最终有界。闭环系统稳定性的理论分析和仿真结果都验证了上述策略的可行性。     

A gap metric based weighting method for multimodel predictive control of MIMO nonlinear systems

A novel weighting method is proposed for multimodel predictive control of nonlinear systems with multiple scheduling variables (MIMO nonlinear systems), in which the gap metric is employed to formulate weighting functions for local controller combination. Compared to existent weighting functions, the proposed weighting method has two major advantages: firstly, there is only one tuning parameter, which makes it simpler. Secondly, the weights depend only on the scheduling vector and can be calculated off-line and stored in a look-up table. Therefore, the computational load can be reduced, especially for nonlinear systems with multiple scheduling variables. A MIMO CSTR system is studied to demonstrate the effectiveness of the proposed weighting method.     

A two-tier control architecture for nonlinear process systems with continuous/asynchronous feedback

In this work, we introduce a two-tier control architecture for nonlinear process systems with both continuous and asynchronous sensing and actuation. This class of systems arises naturally in the context of process control systems based on hybrid communication networks (i.e. point-to-point wired links integrated with networked wired or wireless communication) and utilising multiple heterogeneous measurements (e.g. temperature and concentration). Assuming that there exists a lower-tier control system which relies on point-to-point communication and continuous measurements to stabilise the closed-loop system, we propose to use Lyapunov-based model predictive control to design an upper-tier networked control system to profit from both the continuous and the asynchronous measurements as well as from additional networked control actuators. The proposed two-tier control system architecture preserves the stability properties of the lower-tier controller while improving the closed-loop performance. The theoretical results are demonstrated using two different chemical process examples.     

基于神经网络的非线性系统预测函数控制

针对离散非线性系统,利用神经网络非线性激励函数的局部线性表示,提出一种可用于非线性过程的神经网络预测函数控制方法并给出了控制律的收敛性分析.该方法将复杂的神经网络非线性预测方程转化成直观而有效的线性形式,同时利用线性预测函数方法求得解析的控制律,避免了复杂的非线性优化求解,仿真结果表明了算法的有效性.     

非线性迭代学习控制问题的延拓修正牛顿法

对于非线性迭代学习控制问题,提出基于延拓法和修正Newton法的具有全局收敛性的迭代学习控制新方法.由于一般的Newton型迭代学习控制律都是局部收敛的,在实际应用中有很大局限性.为拓宽收敛范围,该方法将延拓法引入迭代学习控制问题,提出基于同伦延拓的新的Newton型迭代学习控制律,使得初始控制可以较为任意的选择.新的迭代学习控制算法将求解过程分成N个子问题,每个子问题由换列修正Newton法利用简单的递推公式解出.本文给出算法收敛的充分条件,证明了算法的全局收敛性.该算法对于非线性系统迭代学习控制具有全局收敛和计算简单的优点.     

An iterative model predictive control algorithm for constrained nonlinear systems

An iterative model predictive control (MPC) scheme for constrained nonlinear systems is presented. The idea of the method is to detour from the solution of a non‐convex optimization problem using a time‐variant linearization of the nonlinear system model that is adjusted iteratively by solving an iterative quadratic programming optimization problem at each sampling time. The main advantage is the faster resolution of the optimization problem by using quadratic programming instead of non‐convex programming and yet, properly describing the nonlinear dynamics of the process being controlled. In this article, a general framework of the method is presented together with a discussion on the conditions under which the iterations converge and on the uncertainty of its results due to the linearization used, as well as some practical considerations about its implementation. The performance of the proposed controller is illustrated via two examples.