基于神经网络的聚氯乙烯汽提过程自适应解耦控制

聚氯乙烯汽提过程具有高度非线性和时变性等特点,是一类复杂的非线性工业过程.首先基于动态模糊神经网络建立了数据驱动的聚氯乙烯树脂（PVC）汽提过程的被控对象模型;然后采用一种神经网络分散式解耦控制器对汽提过程进行解耦,得到浆料流量-塔顶温度和蒸汽流量-塔底温度两个单变量系统;最后采用BP神经网络PID控制器对系统进行控制.仿真实验结果验证了所提出集成控制策略的有效性.     

发酵过程的建模与优化方法研究

对于发酵这样一个复杂的非线性动态过程,由于在线传感器的缺乏,使得过程中的一些重要状态变量难以在线测量,从而给发酵过程的优化控制带来了极大困难。为此,提出了一种新型的动态网络—递归补偿模糊神经网络方法,实现对发酵过程的建模和状态估计,结果表明该网络能够较为准确地拟合过程的动态特性。进一步采用改进的蚁群算法来对发酵过程的控制变量进行优化,使发酵的产物产量得到提高。该方法应用于多粘菌素的发酵生产过程中,实现了状态变量的在线预估与控制变量的在线优化。     

Product property and production rate control of styrene polymerization

A multivariable multi-rate nonlinear model predictive control (NMPC) strategy is applied to styrene polymerization. The NMPC algorithm incorporates a multi-rate Extended Kalman Filter (EKF) to handle state variable and parameter estimation. A fundamental model is developed for the styrene polymerization CSTR, and control of polymer properties such as number average molecular weight (NAMW) and polydispersity is considered. These properties characterize the final polymer distribution and are strong indicators of the polymer qualities of interest. Production rate control is also demonstrated. Temperature measurements are available frequently while laboratory measurements of concentration and molecular weight distribution are available infrequently with substantial time delays between sampling and analysis. Observability analysis of the augmented system provides guidelines for the design of the augmented disturbance model for use in estimation using the multi-rate EKF. The observability analysis links measurement sets and corresponding observable disturbance models, and shows that measurements of moments of the polymer distribution are essential for good estimation and control. The CSTR is operated at an open-loop unstable steady state. Control simulations are performed under conditions of plant-model structural mismatch and in the presence of parameter uncertainty and disturbances, and the proposed multi-rate NMPC algorithm is shown to provide superior performance compared to linear multi-rate and nonlinear single-rate MPC algorithms. The major contributions of this work are the development of the multi-rate estimator and the measurement design study based on the observability analysis.     

先进控制技术在延迟焦化装置的应用

延迟焦化装置生产存在半连续的特点,过程非线性特性强。常规单变量PID控制对于线性过程控制效果比较好,PID用于延迟焦化装置,装置生产往往很难平稳,产品质量波动大,装置经济效益进一步提高困难。Aspen公司的DMCplus是基于多变量模型预测控制理论,在石化工业中应用较广泛的先进控制软件,能有效克服传统单变量控制的不足。为进一步提高延迟焦化装置的控制水平,挖掘装置潜力,以某炼化公司的延迟焦化装置及其后续吸收稳定单元为工业应用背景,采用DMCplus先进控制技术设计了3个先进控制器。先进控制器投运后,在提高装置运行的平稳性和安全性的同时,节能降耗,并提高了高价值产品收率。实施结果表明先进控制在该延迟焦化装置上的应用取得了显著的效果。     

基于KPCA-DFNN海洋微生物发酵过程软测量建模

针对海洋微生物发酵过程中关键生物参量（基质浓度、菌体浓度、产物浓度等）在线测量困难,离线化验滞后大,难以实现实时控制的问题,提出了一种基于核主元分析(KPCA)与动态模糊神经网络(DFNN)相结合的软测量方法。以典型的海洋微生物-海洋蛋白酶发酵过程为例,通过KPCA提取输入数据空间中的非线性主元,将提取的主元作为DFNN的输入,基质浓度、菌体浓度、相对酶活作为DFNN的输出,建立了基于KPCA-DFNN的海洋蛋白酶发酵过程生物参量软测量模型。仿真结果表明,KPCA-DFNN模型比DFNN和PCA-DFNN建模的测量精度高,跟踪性能强,能很好地满足发酵过程中生物参量的测量要求。     

Neural‐network‐based predictive controller design: An application to temperature control of a plastic injection molding process

This paper presents a neural‐network‐based predictive control (NPC) method for a class of discrete‐time multi‐input multi‐output (MIMO) systems. A discrete‐time mathematical model using a recurrent neural network (RNN) is constructed and a learning algorithm adopting an adaptive learning rate (ALR) approach is employed to identify the unknown parameters in the recurrent neural network model (RNNM). The NPC controller is derived based on a modified predictive performance criterion, and its convergence is guaranteed by adopting an optimal algorithm with an adaptive optimal rate (AOR) approach. The stability analysis of the overall MIMO control system is well proven by the Lyapunov stability theory. A real‐time control algorithm is proposed which has been implemented using a digital signal processor, TMS320C31 from Texas Instruments. Two examples, including the control of a MIMO nonlinear system and the control of a plastic injection molding process, are used to demonstrate the effectiveness of the proposed strategy. Results from both numerical simulations and experiments show that the proposed method is capable of controlling MIMO systems with satisfactory tracking performance under setpoint and load changes. Copyright © 2010 John Wiley and Sons Asia Pte Ltd and Chinese Automatic Control Society     

铅锌烧结过程智能集成优化控制技术

针对复杂的铅锌烧结过程。提出了基于神经网络和模糊专家规则模型的自学习模糊专家控制方法进行状态参数优化，基于神经网络模型的模糊C均值聚类搜索混沌遗传算法进行综合指标参数优化．智能集成优化控制技术具有高效性和实用性，有效地抑制了工况波动，提高了烧结矿产量和质量，取得了较好的工业控制效果．     

一种基于过程神经元网络辨识的PID控制模型及方法

针对非线性动态系统PID过程控制问题,提出了一种基于过程神经元网络辨识的PID参数自适应整定的控制模型和方法。利用过程神经元网络对于动态系统时变输入/输出信号的学习机制,在某种最优控制律下通过对被控对象进行辨识来追踪被控对象的输出对控制输入变化的灵敏度信息,实现参数自适应匹配的PID控制。给出了基于过程神经元网络辨识的PID控制系统结构以及相应的实现机制,实验结果验证了模型和算法的有效性。     

基于集成模型与遍历搜索算法的铅锌烧结透气性优化

以铅锌烧结过程为研究对象,针对烧结过程透气性的控制问题,提出了基于集成预测模型与遍历优化搜索算法的铅锌烧结透气性优化控制方法.首先采用优化组合集成技术将神经网络预测模型和灰色系统预测模型有机结合,建立烧结综合透气性集成预测模型,然后结合14# 风箱温度和烧穿点温度建立透气性状况综合评判模型,最后通过遍历优化搜索算法,获得二配配比和混合料水分设定值,并进行跟踪控制,从而实现烧结过程透气性的优化控制.仿真结果表明:该方法能有效改善烧结过程的透气性.稳定烧结过程.     

涡轮增压汽油机气路预测模型的建立与预测控制

针对涡轮增压汽油机气路系统中节气门与废气旁通阀动力学耦合、机理建模复杂的问题, 本文提出基于神经网 络模型的气路系统预测控制方法,实现了节气门与废气旁通阀的协调控制. 首先, 针对涡轮增压汽油机气路系统map与 机理混合描述的特性, 利用系统的输入输出数据,采用反向传播神经网络(back propagation neural network, BPNN)训 练得到一个非线性气路模型; 其次, 基于泰勒展开式对预测模型进行线性化, 并对模型的精度进行了验证,进而利用该 模型预测系统的未来动态; 然后, 在考虑系统存在输入约束的条件下, 设计了一个线性模型预测控制器对节气门与废气 旁通阀进行协调控制, 实现了进气歧管压力和升压的跟踪控制进而满足发动机的扭矩需求; 最后, 通过离线仿真和基 于dSPACE的快速原型实验(rapid control prototyping, RCP)验证了控制系统的有效性和实时性.     

Robust fuzzy control of nonlinear stochastic delay systems with impulsive effects

The problem of robust fuzzy control for a class of nonlinear fuzzy impulsive stochastic systems with time-varying delays is investigated. The nonlinear delay system is represented by the well-known T–S fuzzy model. The so-called parallel distributed compensation idea is employed to design the state feedback controller. Sufficient conditions for mean square exponential stability of the closed-loop system are derived in terms of linear matrix inequalities. Finally, a numerical example is given to illustrate the applicability of the theoretical results.     

基于过程神经元的语音情感识别的建模与仿真

为克服由传统语音情感识别模型的缺陷导致的识别正确率不高的问题,将过程神经元网络引入到语音情感识别中来。通过提取基频、振幅、音质特征参数作为语音情感特征参数,利用小波分析去噪,主成分分析（PCA）消除冗余,用过程神经元网络对生气、高兴、悲伤和惊奇四种情感进行识别。实验结果表明,与传统的识别模型相比,使用过程神经元网络具有较好的识别效果。     

铅锌烧结过程质量产量的智能集成优化控制

针对铅锌烧结过程具有大滞后、多约束的特点,建立烧结块质量产量神经网络预测模型和优化控制模型,提出一种融合聚类搜索粗优化和混沌遗传细优化的智能集成优化控制方法.首先采用模糊聚类算法进行优化样本查询,所得结果作为问题的次优解;然后采用最优保存对简单遗传混沌算法进行二次优化,求取问题的最优解;最后对智能集成方法进行实际验证,系统运行结果表明.该方法较好地实现了高产、优质的生产目标.并且具有全局收敛性和工业有效性,为解决复杂工业过程的优化控制问题提供了一种有效、实用的新思路.     

积分过程预测控制的稳态分析及反馈校正

多变量积分过程的控制,一直是预测控制理论研究与应用过程中的难点问题.现有的研究成果更多的关注于算法的实现上,而很少关注理论依据.本文从积分过程的控制输入平衡关系出发,利用线性代数方程组解的相容性原理,得到了一个适用于判断多变量积分过程设定点是否可达的判据,可以作为算法能否实现多变量积分过程无静差控制的理论依据.同时分析了传统算法无法在存在模型失配情况下对积分过程进行优化与控制的原因,利用补偿因子重新设计反馈校正环节,使改进后的算法能够实现存在模型失配过程的优化与控制,并通过仿真验证了本文提出的结论.     

炼焦生产过程综合生产指标的改进神经网络预测方法

针对炼焦生产过程综合生产指标 (焦炭质量、产量和焦炉能耗)检测的严重滞后问题,提出一种改进BP神经网络预测方法.首先基于相关过程参数的主元分析和灰色关联分析,确定出预测模型的输入输出变量;然后采用基于改进差分进化算法的BP神经网络建立预测模型,并与基本BP神经网络预测模型进行比较;最后,对改进BP神经网络预测模型进行了验证.实验结果表明,改进BP神经网络预测模型具有较快的收敛速度和较高的预测精度,模型的预测效果可以满足生产工艺要求.     

非线性HAMMERSTEIN系统的预测控制及其pH过程应用

本文基于非线性离散Hammerstein模型,开发了一种非线性Hammerstein系统预测控制(Non-Linear Hammerstein Predic- tive Control,NLHPC)算法。遵循预测控制策略,该算法利用Hammerstein模型进行输出预测。理论分析结果表明,该算法不仅具有好的稳定性和鲁棒性,而且其自身具有积分作用。在一台工业PC机上实现了该NLHPC算法,并用于具有强非线性的酸碱中和过程实验装置pH值的控制。实验结果表明NLHPC有着比工业界常用的非线性PID控制(nonlinear PID,NL-PID)更好的控制性能。     

基于TS-FNN的城市固废焚烧过程MIMO被控对象建模

针对城市固废焚烧(MSWI)过程中因机理反应复杂、不确定性严重等原因导致被控对象模型难以建立的问 题, 设计了一种基于(T-S)型模糊神经网络(FNN)的多输入多输出(MIMO)模型. 首先, 描述了MSWI过程的核心工艺 流程并分析了模型的影响因素; 接着, 设计了面向过程控制的被控对象建模策略, 其由工况识别模块、数据预处理 模块、特征约简模块、被控对象模型训练模块与被控对象模型测试模块组成; 最后, 通过实验表明了所构建模型的 有效性, 为研究MSWI过程的优化控制算法奠定了基础.     

统计过程监测与反馈控制的整合: 状态空间下的一般方法

将状态空间模型引入统计过程监测,选取状态变量为统计过程控制(SPC)统计量,以解决自相关过程的统计监测问题.在分析常用的最小均方误差(MMSE)和PID控制器的基础上,提出了工业过程控制(EPC)反馈控制器的一般设计方法和基本设计原则.作为演绎示例,给出了两组新型反馈控制器,并与MMSE和PID的反馈调整进行比较,当过程均值发生阶跃扰动时,可进一步提高统计监测效果.     

模糊粗糙集测度的分析分层建模及应急演练控制应用

针对应急救援演练控制的复杂性和难以量化问题,为实现多人参演系统的有效控制,基于分析分层过程法(analytic hierarchy process,AHP),建立一种模糊粗糙集知识测度的综合建模方法.首先,分析模糊粗糙集各类知识测度相关概念、相互联系和各自特点,通过AHP方法,建立模糊规则的分层度量模型并给出了对比矩阵的构造示例,对模糊规则进行更加精细的度量.其次,在分析应急演练知识构成的基础上,提出预案知识提取和模糊关系粗糙集的构建方法;设计了演练过程控制流程和基于本文知识综合测度方法形成的核心控制流程;通过对规则重要性排序,提高规则判别精度,提供规则选择的手段和一种规则冲突消解方法.最终,通过一个简单案例,验证了本文所提的研究工作的可行性.     

CRH2型动车组列车信息传输网络流量建模与预测

针对CRH2型动车组列车网络流量数据日益复杂的特性,提出了一种将主成分分析法(PCA)与后馈神经网络(BP网络)相结合的网络流量建模预测思路。基于已搭建好的CRH2型列车通信仿真平台,对该仿真网络各条链路进行流量采集。为了降低分析的复杂度,流量数据先进行PCA降维预处理分析,再将数据输入到BP神经预测网络模型进行仿真预测。经验证,该思路能有效拟合列车主体网络流量的变化趋势,为CRH2型动车组通信网络的故障诊断分析提供了一定的参考。