改进Smith控制与RBF单神经元PID的换热器控制系统

为了高效控制工质出口温度,维持换热器稳定运行,针对Smith预估控制算法及径向基函数(RBF)神经网络辨识单神经元比例-积分-微分(PID)控制算法特点,提出了Smith控制算法和RBF神经网络辨识单神经元PID相结合的控制策略,对Smith控制算法在结构上进行了改进,以提高RBF神经网络辨识单神经元PID控制的抗干扰能力,减少Smith控制算法对模型的依赖程度.仿真分析表明:应用于换热器工质出口温度控制系统,改进算法控制性能显著优于其它控制方法,抗干扰能力得到了大幅提高.     

新型的Smith自适应辨识控制算法

针对参数缓慢变化的时滞对象,按照模型参考辨识的设计思想,将时滞对象看作一个被辨识过程,用广义误差e经过自适应辨识器在线调整smith预估器,使其与时滞对象的动态过程尽可能一致。利用超稳定性理论,设计出了在较大范围内被控对象参数可变的Smith自适应辨识器,并进行了仿真。结果表明,该控制算法取得了良好的控制效果,并且对于任何参数缓慢变化的时滞对象,均可用Smith自适应辨识控制算法加以控制。     

迭代模型Smith预估控制:算法和稳定性

为了解决Smith预估控制算法建立模型不精确的问题,并针对一类可重复运行的时滞过程,在模糊相轨迹模型Smith预估控制算法的基础上提出迭代模型Smith预估控制。该算法在不设计自适应的前提下,可以自适应得到精确的预估模型,同时辨识过程的时滞时间。证明指出只要原系统闭环稳定则迭代预估模型Smith预估控制系统稳定,且给出了算法的收敛性判据。仿真表明,所提方法不需要已知过程的模型,通过一定次数的"迭代"即可得到精确的预估模型,从而克服了常规算法控制品质依赖精确数学模型的缺陷。同时该算法具有较强的鲁棒性。     

制粒机温控系统设计与仿真

制粒机调质温度是现代饲料生产过程中的重要参数之一,必须控制在最佳值附近。而调质温度被控对象具有大时滞,非线性以及参数时变的特性。传统的Smith预估器难以取得良好的控制效果。针对上述问题,提出一种IMC-Smith预估控制算法,算法将Smith预估器与内模控制相结合,采用内模控制原理和积分平方差指标设计给定点追踪控制器。在Matlab平台上对IMC-Smith控制算法进行模型匹配和模型失配的仿真,仿真结果表明控制系统性能较常规Smith预估控制有较大的提高,证明了控制方案的有效性。     

积分分离PID算法的电阻炉温度控制系统

为使大惯性、纯滞后的电阻炉温度控制系统的动态性能和稳态精度满足要求,提出了Smith预估结合积分分离PID算法;设计了温度控制器的硬件系统;对控制系统进行辨识;分析了Smith预估结合积分分离PID算法与单纯Smith预估控制算法的区别,并对两种控制算法进行了比较分析,确定了电阻炉温度控制系统参数;最后对Smith预估结合积分分离PID算法进行了电阻炉的温度控制实验;实验结果表明,采用Smith预估结合积分分离PID算法提高了电阻炉温度控制系统的稳定性,降低了系统的超调,稳态精度达到0.2℃,其动态性能和稳态精度满足系统控制要求.     

冷连轧AGC 系统的自适应Smith 广义预测控制

针对冷连轧AGC 系统存在较大的时间滞后以及对象模型参数时变的特点,提出了一种自适应Smith 广义预测控制算法. 该算法用Smith 预估器来克服滞后的影响,利用激光测速仪间接测量AGC 系统的滞后时间以修 正Smith 预估器的时滞部分模型,使用渐消记忆递推最小二乘算法在线辨识对象参数来修正Smith 预估器的非时滞 部分的模型,并根据辨识得到的对象参数设计自适应广义预测控制器代替传统Smith 预估算法中的PID 控制器. 仿 真研究表明,在模型失配及干扰的情况下,该控制算法仍然具有良好的控制性能和鲁棒稳定性能.     

一种新颖的闭环频域辨识方法及其在大滞后系统Smith预估控制中的应用

提出了一种大滞后系统的频域辨识方法并将其用于 Smith预估控制 .这种辨识方法不需要困难的信号设计和单独的信号发生设备 ,能够以闭环的方式测试系统指定相位处的频率特性并最终得到系统的传递函数模型 .由于所提出的辨识方法的特点 ,它非常适用于 Smith预估控制方案 ,实现对工业过程中大滞后系统的有效控制 .对一个高阶大滞后过程的仿真取得了非常好的效果 ,表明了所提出方法的有效性     

史密斯预估PID控制算法研究及其在DCS中的实现北大核心CSCD

随着工业生产规模和复杂程度的不断增大,大迟延系统在工业生产过程中比较常见但又难以控制,一直是控制界关注的研究方向。在利用传统PID控制系统对大迟延对象进行控制的时候,得不到理想的控制效果,针对这类对象一般采用Smith预估算法。Smith预估算法对于大迟延系统的控制已经较为成熟,但由于控制设备发展较慢,Smith算法尚未被加入到DCS中。如今,在火电、化工行业中DCS已被普遍使用,因此有必要在DCS上加入Smith预估算法以解决控制调节速度慢、超调量大等问题。通过在DCS中加入Smith预估PID控制器,对大迟延系统进行控制研究的结果表明,Smith预估PID控制算法可以取得更好的控制效果。     

循环流化床主汽温系统的模糊自适应控制

研究了循环流化床主汽温控制特性,然后基于自适应控制和模糊控制对传统Smith预估控制进行了改进,最后将改进的Smith预估控制算法应用于循环流化床主汽温控制,通过仿真表明,提出的控制算法能取得好的控制效果.     

基于继电辨识的Smith预估控制算法的应用

本文将继电辨识与Smith预估控制相结合 ,利用继电辨识获取控制对象的Smith预估模型 ,实现对纯滞后对象的智能控制。仿真和实时控制结果表明 ,这种控制策略获得了很好的控制品质 ,是实现自动型工业控制器的有益尝试 ,为纯滞后控制对象提出了一种切实可行的控制方法     

基于CGACO的多重分类准则模型优化研究

为提高供应链物流管理服务水平,基于帕累托定律,运用规范列平均法和优化理论建立了基于多重分类准则模型。通过有效利用混沌遗传和蚁群优化算法在组合优化中的优势,给出了混沌遗传蚁群优化算法,采用混沌搜索优化初始群体、修正变异算子、蚁群算法寻优优化、改进相关参数等实现了两种算法的有机集成。物流案例实证表明了混沌遗传蚁群算法在解决多重分类准则优化模型方面的有效性。     

基于PCNN的迷宫路径搜索的评估函数优化研究

在前人对PCNN模型的研究及应用的基础上,结合启发式的搜索策略--A*搜索策略,设计了基于改进型的PCNN迷宫智能优化算法,并将其应用解决实际迷宫问题。主要工作为：（1）通过对PCNN模型内在机理的研究,并根据PCNN的自身特点,选择合适的模型参数以适合求解迷宫最短路径问题。（2）选择与改进了的PCNN模型相结合的A*搜索算法,并证明该算法是可靠的,具有一定的自适应能力和所求得的解是最优解。（3）通过IEEE标准迷宫和MATLAB平台,对该算法的评估函数进行设计、仿真和验证等,不仅论证了（2）的结论,同时也论证了该算法的高效性。相关研究工作的实验结果表明,该算法不仅可以尽快找到目标,而且可以在相对少的搜索区域里得到相对满意的路径。     

一种改进的生物地理学优化算法

生物地理学优化算法（BBO）作为一种新型的智能算法,在其提出不到十年的时间内受到学界的广泛关注和研究,并显示出了广阔的应用前景。为了提高算法的优化性能,对BBO算法提出一种改进,该算法在将差分优化算法（DE）中的局部搜索策略同BBO算法中的迁移策略相结合的基础上,针对迁移算子和变异算子分别进行改进,提出了二重迁移算子和二重变异算子,使得栖息地个体在进化过程中得到更高的进化概率,从而使得算法的寻优能力得到进一步提升。通过6个高维函数的测试,结果表明该算法在优化高维优化问题时,较其他几种生物地理学优化算法具有更好的收敛性和稳定性。     

两级定位一路径问题的人工蜂群算法

针对城市物流配送系统中的两级定位．路径问题,采用人工蜂群算法对其进行求解,并扩展算法中的选择策略,即在基于适应度选择策略和锦标赛选择策略2种常用策略基础上,提出一种带参数控制的锦标赛选择策略。通过对大、中、小规模算例进行仿真实验,证明人工蜂群算法能在合理的计算时间内有效求解两级定位一路径问题。其中,采用基于适应度选择策略的人工蜂群算法求解速度较快,采用锦标赛选择策略的人工蜂群算法求解到的最好解质量较高,采用带参数控制的锦标赛选择策略的人工蜂群算法求解得到最差解的质量及解的稳定性较好。     

时间窗下单船岸桥调度——基于数学规划和规则的启发式算法

在考虑任务属性中的任务优先顺序和不可同时执行要求,岸桥属性中的岸桥时间窗、转移时间、初始位置、安全距离和装卸速度等因素下,以单艘船舶的最短岸桥作业时间为目标函数,建立单艘船舶岸桥调度的混合整数线性模型P1。计算数据采集于宁波某集装箱港口,通过简化模型P2求解岸桥调度模型P1的下限边界值和排程数据,在此基础上,运用基于规则的启发式算法求解模型P1的岸桥调度时序表。计算结果表示本组合算法能较好地得到满意解,而且比较符合港口实际。     

一种新的自适应水平集融合算法

在处理不均匀图像时,自适应距离保持水平集演化(ADPLS)算法速度快、不受初始轮廓影响,但精度较低;LBF算法精度高,但速度较慢同时易受初始轮廓影响。针对上述2种算法的优缺点,提出一种新的自适应融合算法。该算法根据图像信息自动调整ADPLS与局部二值拟合算法在融合算法中所占比重,实现不同算法的优势互补。实验结果证明,该融合算法在分割精度、速度及稳定性等方面有明显提高。     

鲁棒模型预测控制在变风量空调系统中的应用

在变风量空调系统中二次泵压差控制可以有效地减少空调能耗,为克服二次泵模型的不确定性,提高二次泵变频调速控制的响应速度和精度,采用基于线性矩阵不等式的鲁棒预测控制策略。算法分为离线和在线两个部分,离线时首先用传统算法得出目标函数上界,以此为已知量重新优化得到一系列较大的渐近稳定的不变椭圆集。在线时,每个采样周期用三个相邻的椭圆集优化来对状态变量进行精确定位,并给出控制量。给出在线优化的理论证明。通过和传统算法的仿真比较,表明该算法的有效性。二次泵压差控制的实验表明该算法可得到较大的可行域,系统响应快,控制效果好。     

smax图算法及其相关标度测度的改进

在给定相同度序列的条件下,讨论了计算smax的二种算法所存在的不同缺陷：基于边算法的时间和空间复杂度都为O（N2）,对较大的N会导致计算机存储空间不够;基于点算法是smax的一个近似值,通过实例说明其近似计算的误差不容忽视,而且该算法只能用来计算度序列中的最小度m=1的情况,对度序列中最小度m>1的情况,用该算法来计算smax就会失效。基于上述算法的缺陷,提出了一个改进算法,它具有smax值精度的优越性和对m>1情况的有效性。采用改进的算法求得smax值,通过对不同模型的模拟和分析,发现与smax值相关的标度测度S（g）关于网络规模、网络稠密度具有较大波动性,这会导致对网络无标度程度的误判,为消除网络规模、网络稠密度对测度的影响,对该测度做了改进,实验结果显示新的测度Snew（g）更稳定。     

一种基于贝叶斯网络的作战重心评估模型

作战重心（Center of Gravity）是指战役体系中敌我双方的关键环节。作战重心评估是一个经验性、模糊性的过程。贝叶斯网络作为一种不确定知识表示模型,具有概率论及图论基础,对于解决复杂系统决策问题具有较强的优势,适合用于作战重心评估。文中提出并实现了一种基于贝叶斯网络推理的作战重心评估模型。通过该模型,可以定量地评估各个环节对于证据的重要程度,从而确定该作战过程中的作战重心。文中使用联合树（Clique Tree）算法进行贝叶斯网络精确推理,并详细阐述了推理过程中联合树建立,消息传递的过程。最后通过实例验证,基于贝叶斯网络推理的模型能够有效地对作战重心进行定量的评估。     

WCBVSM与SACA结合的文本分类模型

给出了一个词共现改进的向量空间模型（Word Co-Occurrence Mode Based On VSM,WCBVSM）与模拟退火交叉覆盖算法（Cross Cover Algorithm Based On Simulated Annealing Algorithm,SACA）相结合的文本分类新模型。传统的向量空间模型（VSM）采用词条作为文档的语义载体,没有考虑文本上下文词语之间的语义隐含信息,在词共现模型的启发下,提出WCBVSM,它通过统计文本中的词共现信息,加入VSM,以获得文档隐含的语义信息。针对交叉覆盖算法中识别精度与泛化能力之间的一对矛盾,结合模拟退火算法的思想,提出了SACA,改进了传统交叉覆盖在覆盖初始点选取时的随机性,并通过增加每个覆盖所包含的样本点来减少覆盖数,从而增强了覆盖的泛化能力。实验结果表明提出的文本分类新模型在加快识别速度的基础上,提高了分类的精度。