金氰化浸出过程实时优化

本文以某湿法冶炼厂金氰化浸出过程为背景,建立了动态机理模型,为提高模型参数辨识精度,提出了基于Tikhonov正则化思想利用含噪声的浓度测量数据估计动力学反应速度的策略.为减小模型与实际过程不匹配对实时优化结果的影响,提出了基于对数–线性闸–罚函数和输出反馈的直接输入自适应方法,加入闸–罚函数后,该方法可以解决含有不等式约束的优化问题,将其应用到金氰化浸出过程实时优化中,仿真结果表明在输出测量值无噪声时,该方法能很快地局部收敛到实际过程的最优设定点;而当测量噪声较小或对目标函数影响较小时,该方法也显示出了优越的性能,而且只需要过程标称模型和实际输出,不需要求实际过程数据梯度,受测量噪声影响较小,更易于实际实施,这为湿法冶金全流程优化控制的顺利实施奠定了重要基础.     

基于在线辨识的特征模型预测函数控制研究

工业生产过程中运用模型控制问题,对于传统的预测函数控制,一旦预测模型与实际生产过程失配就会造成控制系统的控制性能下降.由于传统的预测函数控制算法中的预测模型通常是离线获得的,因此模型易出现失配.即使采用在线辨识方法来获取预测模型,由于在线辨识需花费时间,影响系统的实时性.通过构建实时数据库的监控层,实时采集生产过程控制参数,在监控层利用在线辨识方法辨识出被控过程的特征模型,然后将辨识出的特征模型作为预测函数控制算法的预测模型传至过程控制回路.采用获得在线辨识预测模型,不会影响系统的实时性.实验结果表明,根据在线辨识的特征模型与实际被控过程的失配很小,并提高了系统的控制性能.     

基于MIT规则的自适应扩展集员估计方法

用于非线性椭球估计的自适应扩展集员(Adaptive extended set-membership filter, AESMF)算法在实际应用中存在着过程噪声设定椭球与真实噪声椭球失配的问题, 导致滤波器的估计出现偏差甚至发散. 本文提出了一种基于MIT规则过程噪声椭球最优化的自适应扩展集员估计算法(MIT-AESMF), 用于解决非线性系统时变状态和参数的联合估计和定界中过程噪声无法精确建模问题的新算法. 本算法通过MIT优化规则,在线计算使一步预测偏差包络椭球最小化的过程噪声包络椭球, 以此保证滤波器健康指标满足有效条件; 最后, 采用地面移动机器人状态和动力学参数联合估计验证了所提出方法的有效性.     

旋翼飞行机器人系统建模与主动模型控制理论及实验研究

为解决旋翼飞行机器人全包线飞行中的参考模型辨识问题和由飞行模态转换、 内外部扰动, 以及动力学时变所产生的模型失配问题, 并消除模型失配对基于参考模型所设计的飞行控制器造成的跟踪性能的影响, 本文提出了基于悬停参考模型的系统辨识和主动模型的在线控制策略. 通过改进的频域辨识方法和半解耦的简化模型结构, 在悬停模态下进行模型拟合和全包线飞行的模型差分析, 然后结合自适应集员估计(Adaptive set-membership filter, ASMF)方法提出模型差的在线估计和控制补偿策略来应对统计学未知且有界(Unknown but bounded, UBB)的模型差, 以此消除上述模型失配对名义控制器理想条件的破坏所造成的控制性能降低. 最后, 通过在ServoHeli-40旋翼飞行机器人平台的实际飞行对比实验, 验证了所提出方法的有效性和现实可行性.     

有色噪声环境中鲁棒语音特征参数提取研究

针对复杂噪声干扰环境中语音特征参数会发生改变,引起训练模型和测试语音之间的失配,使语音识别系统的识别率降低,为提高语音特征参数在色噪声环境中提取的鲁棒性,提出了基于总体最小二乘旋转不变子空间技术(TLS-ESPRIT)谐波倒谱加权谱鲁棒特征参数提取方法.运用TLS-SVD方法对观测数据矩阵进行广义特征值分解估计谐波模型的参数,实现了有色噪声背景下语音信号的最优估计.在重建语音的过程中根据谐波能量与带噪语音能量的比值,对重建谐波的各个谐波峰给予不同的加权和语音建模,并进行仿真,结果实现了鲁棒性特征参数的提取,解决了模型之间的失配问题.     

基于粒子群优化的低阶时滞系统辨识

为了解决低阶时滞系统阶跃响应辨识问题,提出基于粒子群优化的参数估计方法.方法主要包括参数初值计算和参数估计两部分.首先,采用积分方程方法估计时滞系统参数初值,通过设置参数初值估计误差,得到系统参数取值范围.然后,为了减小由观测噪声引起的参数估计误差,采用粒子群优化算法优化模型参数.最后,通过仿真实验分别验证文中方法在不同噪声条件下辨识低阶时滞系统的性能.实验表明,文中方法具有良好的参数估计精度和较强的抗噪能力,可有效解决噪声条件下低阶时滞系统的阶跃响应辨识问题.     

实现闭环系统参数─致估计的直接辨识方法

为了实现闭环系统参数的一致估计，提出了一种一致辨识闭环系统模型参数的偏差补偿最小二乘法。这种方法不需要事先假设系统模型阶次和通道时延满足一定的不等式，允许前向通道和反馈通道之一中的噪声为有色噪声，并且在其辨识过程中不需要对有色噪声建模。     

实现闭环系统参数一致估计的直接辨识方法

为了实现闭环系统参数的一致估计，提出了一种一致辨识闭环系统模型参数的偏差补偿最小二乘法，这种方法不需要事先假设系统模型阶次和通道时延满足一定的不等式，允许前向通道的反馈通道一中的噪声为有色噪声，并且在其辨识过程中不需要对有色噪声建模。     

基于偏差补偿递推最小二乘的Hammerstein-Wiener模型辨识

许多实际系统可以表示成一种中间为线性动态环节、输入输出端为非线性静态环节的Hammerstein-Wiener模型. 针对含过程噪声的Hammerstein-Wiener模型, 提出一种改进在线两阶段辨识方法. 第一步采用偏差补偿递推最小二乘法在线辨识含原系统参数乘积项的参数向量. 通过在递推最小二乘算法中引入一个修正项, 补偿过程噪声引起的估计偏差. 第二步采用基于张量积逼近的奇异值分解法分离出原系统各参数的值. 通过引入两个矩阵的张量积逼近加权最小二乘的权系数, 提高参数分离精度. 理论分析和计算机仿真验证了本文方法的有效性.     

大时延系统的自适应控制方法与实现

本文着重讨论了 Smith 予佔控制结构在模型与过程参数失配情况下的特性。给出一种跟踪搜寻的自适应参数优化的算法。并以某实际玻璃生产线为背景,所取得的数学模型进行模拟仿真结果表明:本文提出的算法适用于具有噪声干扰及参数失配的大时延系统的实时控制。     

考虑模型误差的浸出过程优化方法

由于浸出过程较为复杂,其过程模型难以准确地反映实际过程,导致基于该模型的过程优化结果不是实际最优值.基于此,提出一种考虑模型误差的浸出过程优化方法,利用高斯混合模型对浸出过程混合模型的误差均值和方差进行描述,并将其引入优化目标中.构建考虑模型误差的浸出过程优化模型,并以二阶振荡粒子群优化算法完成对优化模型的求解.最后通过仿真实验表明了所提出方法的有效性.     

需求分布不确定条件下的多周期库存鲁棒优化模型

在离散需求情景概率不确定的条件下, 建立基于最大最小方法的多周期库存鲁棒优化模型. 考虑需求分布分别隶属于区间和椭球不确定集两种情形, 运用对偶理论将多周期库存鲁棒优化模型转化为易于求解的凸规划问题. 数值结果表明, 与已知需求分布下的系统最优绩效相比, 采用鲁棒订货策略虽然会导致部分绩效损失, 但损失值很小, 表明基于鲁棒优化的多周期库存订货策略具有良好的鲁棒性, 能够有效抑制需求分布不确定性对库存运作绩效的影响.

     

摄像机镜头畸变的鲁棒校正方法

针对计算机视觉中的镜头畸变问题,设计一种鲁棒的校正方法.该方法基于空间直线的成像特性来定义畸变测度,通过非线性优化完成畸变校正.采用微粒群全局优化算法,将传统优化方法、标准微粒群算法和基于不同策略的微粒群算法的性能进行对比.实验结果表明,带变异算子基于对位学习的微粒群算法具有较强的鲁棒性,在低噪声下,微粒群算法的校正性能优于传统算法.最后通过不同畸变程度的校正实例验证了所提出方法的有效性.     

邻域系统的不确定性度量方法

针对离散型数据系统的不确定性度量方法难以有效解决邻域系统不确定性度量的问题,引入邻域粗糙集模型,提出邻域精确度、邻域知识粒度和基于邻域知识粒度的近似精度等邻域系统不确定性度量方法,进一步从理论上证明其有效性.实验结果表明,基于邻域知识粒度的近似精度具有更严格的单调性,优于邻域近似精度的邻域系统对不确定性度量的效果.     

具有间歇性观测的无线传感器网络分布式容错目标跟踪

针对具有随机间歇性观测的无线传感器网络, 基于多模型估计方法和一致性信息滤波器, 提出一种对观测节点故障容错的自适应分布式目标跟踪方法. 将传感器节点随机间歇性观测丢失和到达过程建模为马尔科夫切换系统, 在容积信息滤波器框架下, 估计传感器节点的观测丢失和到达的后验概率. 通过观测状态概率组合计算每个局部传感器节点的信息贡献, 基于自适应多模型估计方法, 实现对间歇性观测的容错性. 仿真结果表明了所提出算法的有效性和对间歇性观测的自适应容错性.

     

未知噪声统计下多模型概率假设密度粒子滤波算法

针对传统多目标概率假设密度滤波(PHD) 器在噪声先验统计未知或不准确时滤波精度下降甚至丢失目标的问题, 设计一种自适应多模型粒子PHD(MMPHD) 滤波算法. 该算法利用多模型近似思想, 推导出一种多模型概率假设密度估计器, 不仅能估计多目标状态, 而且能实时估计未知且时变的噪声参数, 并采用蒙特卡罗方法给出了MMPHD闭集解. 仿真实例表明, 所提出的算法具有应对噪声变化的自适应能力, 可有效提高目标跟踪精度.

     

不确定多传感器系统鲁棒观测融合Kalman 预报器

对于带不确定模型参数和噪声方差的线性离散时不变多传感器系统, 用虚拟噪声补偿不确定参数, 系统转化为仅带噪声方差不确定性的多传感器系统. 用加权最小二乘法和极大极小鲁棒估计准则, 基于带噪声方差保守上界的最坏情形保守系统, 提出一种鲁棒加权观测融合稳态Kalman 预报器, 并应用Lyapunov 方程方法证明了它的鲁棒性, 同时给出了与鲁棒局部和集中式融合Kalman 预报器的精度比较. 最后通过一个仿真例子说明了如何搜索参数扰动的鲁棒域, 并验证了所提出的理论结果的正确性和有效性.

     

测量数据丢失的随机不确定系统鲁棒滤波递推算法

针对一类具有测量数据丢失的不确定离散随机系统,研究了鲁棒状态估计问题,基于间断观测滤波算法和规则最小二乘优化理论,给出一种Kalman形式的递推滤波算法.对于测量数据丢失的问题,采用已知概率的Bernoulli随机序列,使得对于所有可能的测量数据丢失和所能容许的不确定性,间断观测鲁棒状态估计递推算法是稳定的.最后,通过数值仿真和对比结果验证了所提出算法的可行性.     

基于ESMF 算法的GPS 信号多普勒频率估计

针对GPS 接收机对载波信号的跟踪性能受到不同类型噪声的影响, 且这些噪声的统计特性很难得到的问题, 提出一种基于扩展集员滤波(ESMF) 的解决方法. 该方法根据载波信号中噪声统计特性未知但有界(UBB) 的特点, 设定合理的噪声边界, 将UBB噪声包含在椭球集合内; 利用集员的思想实现载波信号多普勒频率的在线非线性估 计, 且估计过程中同时能够检测系统坏值的发生时刻. 仿真中, 模型选取三维空间运动的载体. 仿真结果表明, ESMF在处理该模型时是一种有效的鲁棒估计算法.

     

基于CD-RSF 算法的航天器姿态确定

针对具有模型不确定及初始误差较大的航天器姿态确定系统的滤波问题,提出一种基于中心差分风险敏感滤波(CD-RSF)算法的航天器姿态确定方法.该方法利用风险敏感滤波更具鲁棒性的特点来估计模型不确定的航天器姿态,并利用中心差分求积分法来解决风险敏感器滤波中难以处理的积分.该方法能够消除由于模型不确定和初始误差大而导致的滤波收敛速度慢,甚至发散的现象,使得姿态确定算法更具鲁棒性.仿真结果验证了所提出方法的有效性.