基于神经模糊模型的CSTR系统预测控制

针对具有高度非线性特性的连续搅拌反应釜(CSTR)控制过程,研究了基于神经模糊模型的预测控制策略.利用神经模糊模型预测CSTR系统在一定预测时段的输出,基于进化规划(EP)的优化算法,使用神经模糊模型的预测输出来确定输入序列,实现对CSTR的PH值跟踪控制,仿真结果表明该方法可以获得满意的跟踪控制效果.     

CSTR的非线性自适应控制

本文以实际的连续搅拌反应釜系统(CSTR)为背景,利用机理分析的方法建立了动态数学模型,进而采用扩展Kalman滤波器对系统的不可在线测量状态变量物料浓度进行了在线估计,在此基础上,针对CSTR系统的特点,提出了一种以非线性系统为参考模型的自适应控翻算法,并参照实验数据进行了仿真研究,结果表明:算法是成功的,可用于CSTR系统的实时在线估计和控制。     

连续搅拌反应釜系统的自抗扰控制

针对连续搅拌反应釜系统(CSTR)大滞后,大惯性以及动态特性随工况不确定性变化的特点,通过设计参数可调的跟踪微分器和扩张状态观测器,改进经典PID算法的固有缺陷,提出不依赖于精确CSTR模型的离散自抗扰控制方案,采用西门子新一代工业可编程控制器-SIMATIC PCS7在多功能过程与控制系统的CSTR实验仿真对象上实现...     

基于MATLAB的CSTR过程仿真控制研究

连续搅拌反应釜(CSTR)在生产过程中得到了广泛应用。因其在实际生产过程中会受到许多不利因素的影响,不易实现面向性能的控制。以连续搅拌反应釜为对象,采用常规PID控制,为了达到实时修改模型参数,动态显示控制曲线和变量数值的目的,设计了GUI人机界面,使得用户可以方便、实时地对CSTR控制系统进行监控。     

串级连续搅拌反应釜的有限时间命令滤波控制

针对串级连续搅拌反应釜系统的快速精准跟踪控制问题,利用自适应反步控制方法、模糊逻辑系统、命令滤波器以及有限时间控制技术设计串级连续搅拌反应釜系统的有限时间命令滤波控制器.其中,自适应反步方法使系统控制器的设计更简单;模糊逻辑系统通过逼近系统模型中的复杂非线性函数使控制器的在线计算量更小;命令滤波器解决了经典反步法带来的“计算爆炸”的问题;有限时间控制方法能够使系统被控量更迅速地跟踪其参考值; Lyapunov稳定性分析证明了系统的稳定性.通过Matlab实例仿真验证所设计控制器的有效性和可行性,为有限时间命令滤波控制技术在实际串级连续搅拌反应釜过程中的应用提供指导.与现有控制方法相比,所提出的控制策略具有控制器结构简单、在线计算复杂度小、跟踪速度快以及无静差的优点.     

基于反馈线性化的CSTR自适应模糊控制

本文应用输入一输出反馈线性化方法和李雅普诺夫方法,研究了一类非线性系统的自适应模糊输出跟踪控制问题,并将其应用于带噪声干扰的连续搅拌反应釜.仿真结果表明,该算法不仅能克服外界干扰对系统的影响,而且具有跟踪精度高,收敛速度快的优点.     

基于Takagi-Sugeno模糊双线性模型的连续搅拌反应釜H∞控制

本文研究了一类连续搅拌反应釜(CSTR)系统的H1控制问题. 系统中的非线性动态特性可采用Takagi-Sugeno(T-S)模糊双线性模型进行描述. 通过引入两个自由矩阵, 给出一个新的保证闭环模糊双线性系统在H1性能指标下全局渐近稳定的充分条件和控制器设计方法, 并且该条件最终可归结为求解一组线性矩阵不等式的可行性问题. CSTR系统的仿真结果表明设计方法的有效性.     

基于积分型切换函数的自适应神经网络控制

针对一类具有未知函数控制增益的非线性系统,利用RBF神经网络的逼近能力,依据滑模控制原理,提出了一种直接自适应神经网络控制器设计新方案。通过引入积分型切换函数及逼近误差自适应补偿项,监督控制用饱和函数代替符号函数,根据李雅普诺夫稳定性理论,证明了闭环系统是全局稳定的,跟踪误差收敛到零。该算法应用于连续搅拌型化学反应器CSTR（Continuous Stirred Tank Reactor）,仿真结果显示,该算法能很好地使CSTR跟踪给定的温度信号,表明了该控制策略的有效性。     

CSTR系统的基于CMFC神经元网络的学习控制研究

CMAC(Cerebellar Model Articulation Controller或Cerebellar Model Arithmetic Computer)神经元网络是由Albus提出的一种表达复杂非线性函数的表格查询的自适应系统。本文将CMAC应用到具体的连续搅拌反应釜(CSTR)系统的学习控制研究中,仿真结果表明,该学习控制策略具有较强的自学习能力且容易实现,对于改善非线性控制的性能,不失为一种有益的尝试。     

一类干扰有界约束非线性系统的鲁棒模型预测控制

针对一类干扰有界约束非线性系统设计了基于控制不变集切换策略的鲁棒模型预测控制算法.针对非线性系统线性化之后的结果,给出了平衡点的非线性标称系统控制不变集的计算方法.然后在考虑线性化误差和加性有界干扰影响的基础上,构造了平衡点附近最小鲁棒正不变集.结合不变集切换策略和Tube不变集控制方法,提出了干扰有界约束非线性系统的不变集切换策略.最后将该算法应用到一类典型的非线性化工过程连续搅拌反应釜(CSTR)中,仿真结果验证了算法的有效性.     

多智能体强化学习的机械臂运动控制决策研究

针对传统运动控算法存在环境适应性较差,效率低的问题。可以利用强化学习在环境中不断去探索试错,并通过奖励函数对神经网络参数进行调节的方法对机械臂的运动进行控制。但是在现实中无法提供机械臂试错的环境,采用Unity引擎平台来构建机械臂的数字孪生仿真环境,设置观察状态变量和设置奖励函数机制,并提出在该模型环境中对PPO(proximal policy optimization)与多智能体（agents）结合的M-PPO算法来加快训练速度,实现通过强化学习算法对机械臂进行智能运动控制,完成机械臂执行末端有效避障快速到达目标物体位置,并通过该算法与M-SAC（多智能体与Soft Actor-Critic结合）和PPO算法的实验结果进行分析,验证M-PPO算法在不同环境下机械臂运动控制决策调试上的有效性与先进性。实现孪生体自主规划决策,反向控制物理体同步运动的目的。     

一类非线性系统的多模型预测控制

讨论了基于多模型的预测控制方法.对于化工生产过程中具有高度非线性的连续搅拌反应釜（CSTR）,通过对覆盖工况的数据离线辨识建立多个局部模型,根据每个局部模型分别设计子GPC控制器,通过跟踪工况变化对子控制器加权以获得控制增量.仿真结果表明该方法可取得令人满意的控制效果.     

基于二次逼近神经网络的反应釜预测控制

针对在化工生产过程中使用连续搅拌反应釜(Continuous Stirred Tank Reactor,CSTR)时存在的控制方式不便,调节的精确度不高等问题;在对实际问题进行分析建模的基础上,提出了一种基于二次逼近神经网络模型的预测控制方法;该方法首先利用多层前馈神经网络模型去逼近连续搅拌反应釜系统的多步预测值,其次在已创建的预测模型的基础上优化并求解预测控制的二次目标函数,以得到最优的控制参数,最后由通过泰勒展开式的二次逼近得到非线性预测控制器的最优解;通过对控制模型的模拟以及带入相关参数进行仿真实验,对连续搅拌反应釜控制系统的仿真结果进行分析表明:该方法控制精确度较高,并且是可行有效的,能够使生产效率得到显著提高且保证了产品的质量,具有较高的实用价值。     

基于自适应自然梯度法的在线高斯过程建模*

为了满足在线建模算法的实时性要求,提出了在高斯过程的训练中使用自适应自然梯度法（ANG）,即基于自适应自然梯度法的在线高斯过程回归建模算法。将此算法运用在Micky-Glass系统和连续搅拌反应釜(CSTR)模型的建立中,并与稀疏在线高斯过程算法进行比较。仿真结果表明此算法满足了非线性系统建模的实时性和精度的要求,同时克服了其他方法计算量很大、不符合在线算法的实时性要求的缺点。     

连续搅拌反应釜的自适应输出反馈控制及参数整定

针对一类连续搅拌反应釜(CSTR),提出了基于扩张状态观测器和反步法的自适应控制方法,并结合连续动作强化学习器(CARLA)进行控制器参数整定.将CSTR视为包含不确定函数的非严格反馈非线性系统,利用扩张状态观测器对系统中的状态变量实时估计,并对不确定函数在线逼近,将系统补偿为线性二阶积分串联系统,为其设计反步法控制器.通过李雅普诺夫稳定性定理对系统稳定性进行分析,证明了闭环系统中所有信号均有界.最后,针对大量控制器参数难以人工整定的问题,设计CARLA算法快速搜索控制器参数最优值,提升了控制品质.仿真实验进一步验证了该方法的有效性.     

连续搅拌反应釜的固定时间命令滤波跟踪控制

针对一类连续搅拌反应釜系统的跟踪控制问题,提出一种基于反步法和模糊逻辑系统的自适应固定时间命令滤波控制方法.利用命令滤波器引入误差补偿机制消除滤波误差的影响,并解决反步法虚拟控制信号重复求导的问题;采用模糊逻辑系统对系统中存在的非线性部分进行逼近;利用固定时间控制方法使系统跟踪误差更迅速收敛至较小邻域内,且收敛时间不依赖系统初始状态;通过Lyapunov定理证明连续搅拌反应釜系统的闭环稳定性;利用Matlab/Simulink仿真实验验证所提出控制方法的有效性.与现有控制方法相比,该控制方法具有控制器结构简单、收敛速度快、控制精度高、无超调等优点.     

基于轨迹感知的稀疏奖励探索方法

现有的深度强化学习算法在处理稀疏奖励问题时常常会导致探索困难的问题，其往往只依赖于预先设计好的环境奖励，从而难以取得较好的效果。在这种场景中，需要更加细致地设计奖励，对智能体的探索状态做出更精准的判断并反馈。异步优势表演者评论家算法(Asynchronous Advantage Actor-Critic, A3C)通过并行训练来提升训练效率，提升了原有算法的训练速度，但是对于奖励稀疏的环境，其不能很好地解决探索困难的问题。针对A3C算法在稀疏奖励环境中探索效果不佳的问题，提出了一种基于探索轨迹自动感知的A3C算法(Exploration Trajectory Perception A3C,ETP-A3C)。该算法在训练中探索困难时能够感知智能体的探索轨迹，进一步判断并决策智能体的探索方向，帮助智能体尽快走出探索困境。为了验证ETP-A3C算法的有效性，将其与基线算法在超级马里奥兄弟中的5个不同环境中进行了对比实验，结果表明，所提算法在学习速度和模型稳定性上均有较明显的提升。     

基于Volterra级数模型的非线性系统自适应控制稳定性研究

研究一类单输入单输出非线性系统的自适应控制问题, 这类系统能用有限阶离散Volterra级数模型表示. 采用递推最小二乘算法进行参数估计, 并通过解高次方程得到控制律. 结合反馈型Volterra级数系统的局部L稳定理论, 证明了算法的局部收敛性质. 通过对一个化工连续搅拌反应器 (CSTR)的过程控制进一步验证了该算法的有效性.     

基于PCS7系统的自抗扰控制在CSTR上的应用

在工业生产中,连续搅拌反应釜(Continuous Stirred Tank Reactor, CSTR)温度控制系统存在非线性、强耦合、时变性的特点,反应机理复杂,难于建立精确模型。针对此问题,采用不依赖精确模型的自抗扰控制方案,在PCS7系统上使用SCL语言编写此控制算法,生成易于调试的FB功能块,并在多功能过程控制实训装置SMPT-1000平台上进行反应釜的温度控制对比实验。实验结果表明,相对于传统PID控制,自抗扰控制使系统响应有所增快,超调量减小,并且具有更好地自适应性和抗干扰能力。     

基于模糊双线性模型的连续搅拌反应釜滑模控制

主要对连续搅拌反应釜系统(CSTR)的滑模控制问题进行研究;该系统的模型可由Takagi-Sugeno (T-S)模糊双线性模型进行描述,基于该模糊双线性模型,给出滑模控制方法;在之前学者的研究成果上对线性滑模面进行改进,构造积分滑模面,由此设计出的等效控制量与切换控制量,可以保证系统的控制精度;通过对其进行稳定性研究,得到全局稳定的充分条件,并求出滑模面的控制器参数;同时,构造7条模糊规则,采用模糊化方法对切换增益项进行模糊推理,使整体控制量平滑化,也避免系统状态出现抖振现象,实现实际可操作性;最后,连续搅拌反应釜的仿真验证了控制方法的有效性.