锅炉-汽轮机对象的多变量状态反馈线性化

锅炉 汽轮机对象是一个典型的多输入多输出仿射非线性系统。本文利用多输入多输出状态反馈线性化理论,首先将其转化为一个线性系统,然后为该线性系统选择合适的极点,应用多变量极点配置方法对其进行控制。该方法克服了局部线性化方法工作范围小的缺点。仿真结果证明了该方法具有较好的控制效果。     

基于多峰优化Kriging模型与距离相关系数的高速列车动力学参数多输出灵敏度分析

高速列车动力学参数较多,其动力学性能的评价指标有多个。综合考虑这些动力学指标,进行参数灵敏度分析,对高速列车动力学参数的恰当匹配具有重要意义。已有单输出灵敏度分析技术难以准确度量参数对车辆动力学综合性能影响的大小。为避免已有方法的缺陷,本文引入了一种新的基于距离相关系数的多输出灵敏度分析技术。该方法通过求解单个输入与多个输出变量之间的距离相关系数,从而实现多输出全局灵敏度分析的目的。为提高灵敏度分析的效率,本文建立了多个动力学指标与输入参数的Kriging模型。为提高近似模型的精度,本文引入了一种新颖的多峰优化算法对Kriging模型的超参数进行全局寻优。与传统单目标智能优化算法不同,该优化算法通过引入种群差异指标,将单目标优化问题转化为双目标优化问题,从而增加了子代种群的多样性,避免了传统优化算法易于陷入局部最优解的问题。基于所提方法,本文以CRH动车组动车为例,研究了多个动力学指标的多输出全局灵敏度。结果表明：所提的超参数优化方法由于增强了种群多样性,从而对Kriging模型精度和稳定性提升效果明显;基于距离相关系数的灵敏度分析方法能够更加合理地识别出对车辆动力学综合性能影响较大的参数、排除几乎没有影响的参数。     

基于T-S模型的非线性多变量系统快速GPC控制

把T-S模糊模型辨识非线性对象和预测控制技术相结合,提出一种基于T-S模型的非线性耦合多输入多输出系统快速广义预测控制(GPC)方法,并给出了简化的规则选择方法.该方法在线调节参数少、计算量小.仿真结果表明具有控制平稳、超调小、跟踪快的特点.能够对非线性耦合多变量系统进行良好控制,适合工业过程在线应用.     

基于灰理论及遗传算法构建神经网络的工程设计方法

研究工程设计变量对优化结果的影响程度,分析并简化输入变量对输出结果的约束限制.通过实验获得样本,并将样本的期望值同采用遗传算法构建的神经网络的模拟值作灰关联序列分析,从序列分析中删除对设计结果影响较小的设计变量,从而直观获得设计变量对输出结果的影响规律.采用多次设计变量对设计结果的分析,最终寻找出解决工程设计问题的合适设计变量信息,从而解决具体工程设计问题.通过对机械搅拌釜的气含率与结构参数间的灰关联分析,验证了该工程设计方法的有效性,该设计变量的分析方法为解决具体工程问题提供了很好的设计思路.     

多变量非线性系统的有约束模糊预测控制

针对多变量非线性系统提出了一种带约束输入的广义预测控制(GPC)算法.首先对多变量非线性系统建立T-S模糊模型,利用模糊聚类算法和正交最小二乘算法对输入变量的模糊划分及后件部分的参数分别进行辨识,然后在每个采样点对系统进行局部动态线性化.根据得到的系统线性化模型设计GPC算法,该算法充分考虑了控制输入及其增量受约束的情况,而且不必求D iophantine方程,大大减小了计算量.仿真结果表明该算法能保证系统输出有效跟踪设定值,而且控制输入和控制增量均在其约束范围之内.     

基于精馏塔多源信息融合的故障诊断方法

研究了一种应用于精馏塔的多源信息融合的故障诊断方法.选择影响精馏塔系统生产质量的主要参数底温、顶温等作为融合对象.首先对参数进行归一化处理,并利用主元分析法对提取的底温、顶温等特征数据进行处理,这样既降低了输入的维数,同时又提高了输入参量特征的相互独立性.然后通过神经网络对主元分析法处理后的特征矢量进行推理分类,得到精馏塔的故障诊断结果.以在一定压力下,间接反映氯乙烯精馏塔产品浓度的塔板温度为诊断对象,仿真结果表明该方法具有很好的诊断效果.     

采用Sobol方法的暴雨径流管理模型参数灵敏度分析

为了定量探究典型城市暴雨径流管理模型（SWMM）中水文水力参数的全局灵敏度,利用基于方差分解的Sobol方法,计算不同雨强下SWMM中各参数对径流量、峰值流量以及峰现时间的灵敏度,简要分析结果的收敛性. 研究结果表明,在不同雨强下,SWMM中水文水力模块的灵敏参数及相关排序有所差异. 在大雨强条件下,不渗透地区表面的曼宁糙率对3类输出变量都是最灵敏参数,总阶灵敏度均大于0.6;混凝土管段的曼宁糙率系数对峰现时间的灵敏度远大于对其他2类输出变量的灵敏度. 在小雨强条件下,无洼地蓄水不渗透性百分比为灵敏参数,不渗透性地面洼地储蓄为最灵敏参数,第1阶灵敏度指数为0.396. 在模型前63 000次运行中,计算得到的Sobol指数上下波动,在运行84 000次之后,Sobol指数逐渐趋于收敛.     

随机多输入多输出系统的自适应神经网络控制

针对一类具有严格反馈形式的随机非线性多输入多输出系统的自适应神经跟踪控制问题,本文利用径向基函数神经网络的万能逼近性,结合自适应Backstepping设计方法,提出了一类新的自适应神经网络状态反馈控制器,并对该系统提出的控制器含有较少的参数问题,通过Lyapunov稳定性理论进行了稳定性分析和证明,并应用仿真算例进行验证,仿真结果表明,闭环系统的所有误差变量概率意义下有界,并使系统的输出收敛到参考信号的一个小的邻域范围之内。该研究对随机非线性多输入多输出系统的跟踪控制有一定的指导意义。     

基于模糊神经网络的设备故障诊断分析

建立了一个模糊神经网络,用主成分分析法提取故障发生的特征运行参数,确定所建立的模糊神经网络的输入向量个数,再用动态聚类法对所采集的大样本进行故障分类,确定所建立的模糊神经网络的输出向量个数.根据采集的样本训练出模糊神经网络的连接矩阵,然后对单个的联想记忆网络进行合成,实现故障的诊断.通过具体的实例,给出诊断过程.     

基于输入输出模型的双时标分散控制方法

针对不同通道的过程动态响应速度具有显著差异的多变量系统,提出了一种基于时标分解的双时标分散控制方法.由于控制中的过程模型一般都是由实验测试方法得到的输入输出模型,该方法是以系统输入输出模型为基础,在状态空间模型的框架下对系统进行基于奇异摄动理论的时标分解,并由分解得到的快、慢模型分别设计最优控制器.此方法实现了时标模型实际上的分离,并对2个子系统进行完全独立设计,给出了在最优二次型目标下的最优控制率.最后利用该方法仿真一个实际测得的三输入三输出的精馏塔模型,给出了设定值跟踪的仿真效果,验证了该方法的有效性.     

基于模型预测的神经网络非线性时滞系统的辨识和控制

大纯时延、媒种多变、蒸汽负荷频繁变化是链条炉难以进行良好燃烧控制的原因.本文提出了非线性延迟系统的延迟时间参数的神经网络辨识方法,即改变神经网络输入样本区间,利用网络输出期望值与输出实际值之间的误差平方和产生的突变,可以辨识出非线性对象的延迟时间.将神经网络大延迟系统的辨识与基于模型预测的神经网络控制策略相结合,可以用于对具有变化参数或不确定性延迟时间的非线性大延迟系统的控制.仿真结果表明这种神经网络模型对非线性大纯时延系统的控制具有控制速度快,鲁棒性能好等优点.     

基于自组织随机权神经网络的BOD软测量

针对污水处理复杂系统中关键水质参数生化需氧量( biochemical oxygen demand,BOD)难以准确实时预测的问题,在分析污水处理过程相关影响因素的基础上,提出一种基于敏感度分析法的自组织随机权神经网络( self-organizing neural network with random weights,SONNRW)软测量方法。该方法首先通过机理分析选取原始辅助变量,经过数据预处理,之后采用主元分析法对辅助变量进行精选,作为SONNRW的输入变量进行污水处理关键水质参数BOD的预测。 SONNRW算法利用隐含层节点输出及其权值向量计算该隐含层节点对于残差的敏感度,根据敏感度大小对网络隐含层节点进行排序,删除敏感度较低的隐含层节点即冗余点。仿真结果表明：该软测量方法对水质参数BOD的预测精度高、实时性好、模型结构稳定,能够用于污水水质的在线预测。     

基于参考模型神经网络的锅炉燃烧系统控制

大纯时延、煤种多变、蒸汽负荷频繁变化是链条炉难以进行良好燃烧控制的原因。本文作者提出了改变神经网络输入样本区间，利用网络输出期望值与输出实际值之间的误差平方和产生的突变，辨识出非线性对象的延迟时间的方法，将神经网络大延迟系统的辨识与基于模型预测的神经网络控制策略相结合，可用于对具有变化参数或不确定性延迟时间的非线性大延迟系统的控制，同时，以10t／h链条炉作为研究对象进行仿真，仿真结果表明这种神经网络模型对非线性大纯时延系统的控制具有控制速度快，鲁棒性能好等优点。     

GA优化ELM神经网络的排水管道缺陷诊断

为及时发现排水管道安全隐患,准确掌握管道状况,结合极限学习机(extreme learning machine, ELM)神经网络和管道闭路电视(closed circuit television, CCTV)检测,建立一个数据驱动的排水管道缺陷诊断模型.采用遗传算法(genetic algorithm, GA)优化ELM神经网络的输入权值矩阵和隐含层偏置,改善网络参数随机生成带来的ELM模型输出不稳定、分类精度偏低的问题.以上海市洋山保税港区排水管道破裂、渗漏等主要结构性缺陷的诊断为例,对GA-ELM模型进行仿真分析,并与ELM模型诊断结果进行对比.结果表明,GA-ELM模型能够更好地识别管道缺陷,获得更佳的分类性能,参数优化提高ELM模型的拟合能力和泛化能力,可应用于城市排水管道状况评价,为排水管网养护计划和修复计划的制订提供技术依据.     

新型数控刻楦机的误差分析和精度综合

为了提高数控刻楦机加工精度，提出了数控刻楦机加工精度分析与精度综合的新方法.根据数控刻楦机系统特定的树状拓扑结构,利用多刚体系统理论建立了系统空间误差计算模型,通过讨论整个工作空间误差分布规律,找到系统最大误差位置.并对系统最大误差位置进行误差参数灵敏度分析.用蒙特卡洛法进行精度综合.结合误差灵敏度分析,对主要部件的精度进行分配.结果表明,新方法所得到的精度分配方案对最大体积误差小于0.05 mm的概率平均值从原方案的0.6592提高到0.7021.结果表明,该方法可以实现复杂多分支运动链系统的误差分析和精度综合,提高系统加工精度.     

矿区水平控制网数据管理

矿区水平控制一般多是国家三、四等控制网,内外业记录和平差计算极为繁琐,尤其大型控制网的平差计算不借助计算机更难以完成。本文提出的数据管理程序:键盘输入数据少,自动化程度高,输出结果表格化。     

基于RBF网络的水位传感器故障诊断方法

将RBF网络应用于水位传感器的故障诊断,通过构建RBF网络估值器,提出了一种故障诊断方法。首先用影响汽包水位的各种相关参量的实测数据对RBF网络进行训练,然后用达到训练目标的RBF网络对汽包水位进行较高精度的估值;通过RBF网络估值器输出和水位传感器实际输出之差与设定的阈值比较检测传感器故障;若水位传感器出了故障,则诊断系统通过故障转换开关及时对水位监视或控制系统进行重构以消除故障的影响。仿真试验表明该方法能对水位传感器进行较有效的状态监测和故障诊断。     

受干扰机器人网络控制系统事件驱动控制研究

针对受干扰的机器人网络控制系统,结合干扰观测器和事件触发机制,设计了一种事件驱动控制方法, 在考虑网络中存在随机时延的同时,对干扰进行补偿。事件驱动能够大大减少网络阻塞和控制器的计算负担,节约网络通信信道带宽。控制器在判定被控机器人的输出误差是否满足预设事件的同时,接收到来自干扰观测器的干扰观测值,当控制器判定系统输出误差不满足预设事件时,控制器利用系统输出误差和干扰观测值,计算出新的控制输入来替换原来的控制输入信号,否则控制器保持上一时刻的控制输入。理论证明了机器人网络控制系统的稳定性与收敛性。最后以双关节机器人网络控制系统为例进行仿真,其结果表明,该方法能够对外部干扰进行观测,使被控机器人在受到外部干扰以及网络时延的影响下仍具有良好的位置跟踪效果。     

基于SOM-PCA-RBF的过程质量预测与整体调优

为实现过程输出质量的预防性改进,提出一种将SOM(self-organized map)神经网络、PCA(principal component analysis)法和RBF(radial basis function)神经网络集成的过程质量预测和多因素整体调优方法。采用SOM神经网络对过程数据进行分类;采用主成分分析法对分类后的过程输出进行评价,建立过程因素备选库;采用RBF神经网络建立过程预测模型,通过预测判断过程输出质量的符合性,给出过程多因素整体调优的方案。实例分析结果表明,该方法能够有效实现预防性质量改进。     

基于控制图和神经网络的印刷过程质量智能监控技术

将SPC方法和BP神经网络技术相结合,应用于印刷过程,研究了印刷过程质量智能监控技术.分析影响印刷品质量的因素,设计印刷质量管理数据库;根据印刷过程特点,结合印刷质量的检测方法,确定控制图的绘图方案;通过实验,建立4个BP神经网络模型,实现控制图模式智能识别及异常模式特征参数的估计,并进一步分析异常原因及诊断建议.在分析研究的基础上,开发了印刷过程质量智能监控系统,对提高印刷过程的自动化和智能化水平具有重要的意义.