电熔镁砂熔炼过程带输出补偿的PID控制

电熔镁砂熔炼过程是以三相电机转动方向与频率为输入,以三相电极电流为输出的强非线性工业过程,其模型参数埋弧电阻率、熔池电阻率和熔池高度随熔炼过程和原矿颗粒长度及杂质成分的变化而变化.本文采用线性模型和未知高阶非线性项来描述电熔镁砂熔炼过程,其中未知高阶非线性项用已知的前一时刻高阶非线性项和其变化率来描述,采用线性模型设计PID控制器,并设计消除前一时刻高阶非线性项的补偿器和消除其变化率的补偿器,提出了带输出补偿的PID控制器,同时采用一步最优前馈控制律和一步最优调节律设计控制器参数.通过仿真实验和电熔镁炉的工业应用,表明当该过程的动态特性发生未知随机变化时,本文所提方法在所有运行时间内可以将电流跟踪误差控制在目标值范围内.     

数据与模型驱动的电熔镁群炉需量预报方法

电熔镁群炉需量指当前时刻k和（k-1）,…,（k-n+1）时刻群炉功率的平均值,用于度量高耗能电熔镁群炉用电量.（k+1）时刻群炉需量取决于功率变化率.本文建立了功率变化率与电流控制系统输出电流之间由线性项与未知非线性项组成的动态模型,其中线性项通过电流被控对象的参数和控制器的参数计算,未知非线性项采用基于偏自相关函数（Partial autocorrelation function,PACF）输入变量决策的径向基函数神经网络（Radial basis function neural network,RBFNN）来估计.本文提出了由当前k时刻的需量和功率,（k-n+1）时刻功率及k时刻功率变化率的估计组成的（k+1）时刻需量的计算模型.通过某电熔镁砂厂实际数据的仿真实验和工业实验表明所提方法可准确预报需量变化趋势,可以防止因原料变化引起需量尖峰导致错误切断电熔镁炉供电造成电熔镁砂质量降低.     

电熔镁炉熔炼过程的智能设定值控制

电极电流值和极心圆直径是电熔镁砂生产过程中影响产品性能指标的两个重要参数,在传统工艺中由人工设定．由于生产过程中存在很多复杂特性,人工给定的设定值很难保证其准确性．针对这种情况,提出了基于案例推理、迭代学习、PI控制、神经网络和规则推理的参数混合智能设定方法．该方法成功应用于国内某电熔镁砂厂,应用效果表明了所提出方法的有效性．     

电熔镁砂熔炼过程电极电流饱和约束一步最优控制

电熔镁砂熔炼过程通过电极电流熔化物料, 采用埋弧方式, 边熔化边加料, 其被控对象是以转动方向与频率为输入, 以电极电流为输出的三相电机. 本文通过引入中间变量并转化控制目标, 将电熔镁砂熔炼过程三相电极电流的复杂非线性控制问题简化为线性控制问题, 提出了一种简化的电极电流饱和约束一步最优控制方法, 并通过引入拉格朗日乘子向量和松弛向量验证了该方法的最优性. 理论分析和仿真对比实验结果表明本文所提简化控制方法的有效性和优越性. 此外, 当考虑电熔镁砂熔炼过程中存在的不可测外部干扰时, 在上述简化的电极电流饱和约束算法的基础上设计了高阶干扰观测器, 理论分析和仿真结果验证了具有高阶干扰观测器的简化算法的优越性.     

一类工业运行过程多模型自适应控制方法

针对一类动态未知的工业运行过程,提出一种基于神经网络补偿和多模型切换的自适应控制方法.为充分考虑底层跟踪误差对整个运行过程优化和控制的影响,将底层极点配置控制系统和上层运行层动态模型相结合,作为运行过程动态模型.针对参数未知的运行过程动态模型,设计由线性鲁棒自适应控制器、基于神经网络补偿的非线性自适应控制器以及切换机制组成的多模型自适应控制算法.采用带死区的递推最小二乘算法在线辨识控制器参数,克服了投影算法收敛速度慢、对参数初值灵敏的局限.理论分析和仿真实验结果表明了所提方法的有效性.     

镁砂熔炼过程全厂电能分配实时多目标优化方法研究

镁砂熔炼过程具有多工况、群炉并行生产、高能耗等特点.在全厂供电容量约束下,为了最大化能源使用效率,需要根据全厂每台炉子的工况变化实时分配电能,实现全厂镁砂单位能耗与平均品位的多目标优化. 本文基于最小二乘支持向量机技术建立了镁砂熔炼过程全厂电能分配优化模型.根据不同工况下降低镁炉供电量对镁砂熔炼过程的影响程度,提出了基于工况优先级的电能分配策略.根据主熔工况下镁砂产量与品位指标函数的特性分析,推导出 主熔工况下电能分配模型决策变量维数缩减的条件. 为了提高多目标优化算法的运行效率,设计了一种快速非支配解集构造方法,用来提高传统多目标粒子群优化算法的寻优效率. 基于标准测试问题与现场实际例子对所提出的方法进行了检验.基于现场例子的实验结果证明所提出的方法能够避免工厂出现的用电超容量情况,并且提高了全厂用电效率.     

交流三相电熔镁炉的最佳运行分析

针对电熔镁炉是具有大时滞、强非线性、多变量的复杂系统,现场控制需要一个准确的工作模型的情况,以电熔镁炉的电弧电阻与熔池电阻为切入点,分析了其工作机理,建立了熔池功率场数学模型;提出了针对不同阶段优化操作方法、合理布料和改变熔池形状可提高成品生产率及质量合格率;对方镁石在电熔镁砂熔体中的结晶过程的研究表明,在电熔镁炉外部增加温控手段是获取优质电熔镁砂的关键.     

非线性主动悬架系统自适应最优控制

针对非线性主动悬架系统多性能指标综合优化问题,提出一类自适应最优控制方法.首先,通过引入一阶低通滤波操作,利用系统输入输出构建结构简单且调节参数少的一类未知非线性动态估计器,在线估计系统未知非线性动态;其次,构建包含乘驾舒适度、悬架行程空间及输入能耗的性能指标函数,采用单层神经网络对最优性能指标函数进行在线逼近,并得到新的哈密尔顿函数;为实现在线求解,构建一类新的基于参数估计误差信息的自适应律,在线更新神经网络权值并计算最优控制律;最后,理论分析闭环系统稳定性和收敛性,并通过专业软件Carsim与Matlab/Simulink搭建的联合仿真平台给出的对比仿真结果,验证所提出方法可有效解决主动悬架系统多目标性能优化控制问题,提升主动悬架系统综合性能.     

自适应比例–积分H2滑模观测器设计

传统的龙伯格观测器的观测精度极易受到未知外部扰动的影响.为了解决这个问题,本文设计了一种基于径向基神经网络的自适应比例–积分H₂滑模观测器,实现了参数不确定性和外部扰动下非线性系统的鲁棒确切估计.首先,利用径向基神经网络自适应逼近系统模型的复杂非线性项;其次,设计基于误差的线性滑模面,将比例–积分滑模项注入观测器中,使得滑模动态在有限时间内收敛于滑模面,实现对外部扰动和系统模型非线性的完全补偿;最后,基于H₂次优控制和区域极点配置,提出观测器参数自整定方法.通过对单连杆机器人的仿真结果表明,该方法能够保证非线性系统具有较好的鲁棒性和自适应性.     

层流冷却过程混合智能参数辨识

热轧层流冷却过程带钢温度难以连续检测,其换热系数具有随工况频繁变化而变化、动态特性具有时变、强非线性等综合复杂特性.正确辨识热轧层流冷却过程带钢温度的离散动态模型中的换热系数是提高模型精度的关键.本文将案例推理技术和神经网络技术相结合,提出了混合智能参数辨识方法.采用某钢铁公司热轧层流冷却过程实际运行数据对所提出的方法进行实验研究.结果表明本文提出的混合智能参数辨识方法大大提高了层流冷却过程带钢温度预报精度.     

改进鲸鱼算法构建混合模型的建筑能耗预测

建筑能耗数据具有非平稳和非线性特征,单一预测模型很难对其进行精准预测,提出一种用于建筑能耗短期预测的新型混合模型。利用互补集合经验模态分解方法(CEEMD)将波动性较大的能耗数据分解为一组本征模态函数和一个残差序列;基于反向学习、差分进化算法并引入控制参数对鲸鱼优化算法(WOA)进行改进,有效解决算法早熟收敛与陷入局部最优等问题,提出改进算法UWOA(upgraded whale optimization algorithm);利用UWOA优化Elman神经网络的权值与阈值,优化后的Elman神经网络对本征模态函数和残差序列进行预测并集成,得到能耗预测值。应用CEEMD-UWOA-Elman混合模型对上海某大型公共建筑能耗进行短期预测,结果显示混合模型获得很好的预测效果。     

基于Q-Learning算法的建筑能耗预测

提出一种基于Q-learning算法的建筑能耗预测方法.通过将建筑能耗预测问题建模为一个标准的马尔科夫决策过程,利用深度置信网对建筑能耗进行状态建模,结合Q-learning算法,实现对建筑能耗的实时预测.通过美国巴尔的摩燃气和电力公司公开的建筑能耗数据进行测试实验,结果表明,基于本文所提出的模型,利用Q-learning算法可以实现对建筑能耗的有效预测,并在此基础上,基于深度置信网的Q-learning算法具有更高的预测精度.此外,实验部分还进一步验证了算法中相关参数对实验性能的影响.     

一种基于MBRC值的关系型数据库负载能耗预测模型

数据库负载的能耗解析与建模是构建节能的绿色数据库的基础。针对数据库负载的高能耗问题,将SQL语句消耗的系统资源(CPU和磁盘)映射为时间代价与功率代价,为数据库负载构建能耗预测模型。首先,根据负载的系统资源消耗模式,计算负载的功耗代价;然后,根据负载资源消耗产生的时间代价,为负载构建动态能耗预测模型;最后,利用MBRC值的设置对预测模型的准确度进行深入的研究。实验结果表明,所构建的预测模型能够对数据库负载的能量消耗进行较准确的预测,预测模型的准确度研究有助于在不同的系统环境配置下提升动态能耗预测模型的稳定性与精确度。     

一种太阳能集热系统集热量实时预测的混合建模方法

太阳能集热器的集热量受光照度、环境温度、风速等多种因素的影响,其预测模型很难从预测精度和实时性上同时满足用户需求。本文提出一种实时预测太阳能集热系统集热量的混合建模方法。该方法首先从能量守恒出发,根据热管式太阳能集热系统传热机理推导出集热量的理论模型,并把理论模型中的散热系数、透射率、吸收率等经验参数以及采光面积、散热面积等几何参数集总为模型的未知参数,进而提出混合模型的结构。然后,利用TRNSYS仿真软件搭建太阳能集热器模拟仿真系统,对仿真系统不同的运行工况进行仿真实验,获取用于辨识混合模型未知参数的稳态数据。最后,选用粒子群优化算法（PSO）作为模型参数的辨识方法,利用所获得的稳态数据辨识模型的未知参数。模型预测值与仿真实验结果的比较表明,预测模型简单而精确,能够在各种工况下实时地、高精度地预测太阳能集热器的集热量,其平均相对误差可达到2.02%。该模型在太阳能热泵、太阳能热水器等系统的优化控制领域得以广泛应用。     

基于多条件休眠的802.15.4网络能耗优化方法

针对802.15.4网络能耗优化问题,提出了一种基于多条件休眠模式的媒体接入控制(MAC)层信道接入机制.首先,建立该机制的马尔可夫模型;然后,基于模型对网络主要状态的稳态概率和协议参数进行推导;其次,分析了节点在每个超帧内的平均能耗;最后,研究了数据包到达率、退避次数、超帧指数和最小退避指数对节点主要状态的稳态概率、能耗和节点生存时间的影响.实验结果表明,与节点无休眠态的802.15.4网络相比,节点能耗降低了84.4%左右;与部分条件休眠的方法比较,节点能耗平均降低了62.8%,网络存活时间平均提高了70%.模型较好地描述了提出的网络信道接入机制,合理的网络参数设置能够优化网络能耗性能,也为无线传感器网络(WSN)的实际应用提供能耗优化参考.     

Delay time compensation based on coefficient of restitution for collision hybrid motion simulator

A hybrid motion simulator embeds a hardware experiment in a numerical simulation loop. However, it is often subjected to the inherent problem of an energy increase in the collision of two pieces of hardware in a loop because of the delay time. This paper proposes a delay time compensation method based on contact dynamics model for a collision hybrid motion simulator under delay time and establishes a compensation method for coupled translational and rotational motion. The model developed in this paper describes linear uniform motion of a floating object during the period of the delay time until the force and torque are observed and non-linear motion according to environmental stiffness after the initial delay time period in contact. By using the above model, compensation parameters are designed based on desired coefficient of restitution with iterative calculation. The proposed method achieves accurate delay time compensation and simultaneously realizes a variable desired coefficient of restitution over a wide range of frequencies. Furthermore, the compensation method for multi-dimensional motion is established under the assumption that the friction effect is very small. The efficiency of the proposed method is verified through collision experiments for the coupled motion in two dimensions.     

插电式混合动力汽车车速预测及整车控制策略

本文针对插电式混合动力汽车(plug-in hybrid electric vehicle,PHEV)这一典型混杂系统,提出了一种基于车速预测的混合逻辑动态(mixed logical dynamical,MLD)模型预测控制策略.首先,通过对发动机和电动机能量消耗模型进行线性化,建立双轴并联插电式混合动力城市公交车的动力传动系统数学模型;其次,运用模糊推理进行驾驶意图分析,提出基于驾驶意图识别和历史车速数据相结合的非线性自回归(nonlinear auto-regressive models,NAR)神经网络车速预测方法进行未来行驶工况预测.然后,以最小等效燃油消耗为目标建立PHEV的混合逻辑动态模型,运用预测控制思想对车速预测时域内最优电机转矩控制序列进行求解.最后,通过仿真实验验证了本文所提出控制策略在特定的循环工况下与电动助力策略相比,能够提高燃油经济性.     

基于时间序列自回归模型的绿色建筑供暖能耗短期预测

为实时了解绿色建筑供暖能耗的变化趋势,提升能耗预测效果,设计基于时间序列自回归模型的绿色建筑供暖能耗短期预测方法。利用增强迪基-福勒检验法,检验绿色建筑历史供暖能耗时间序列平稳性;对非平稳的历史能耗时间序列进行差分平稳化处理,获取平稳的历史能耗时间序列;在时间序列自回归模型内添加移动平均模型,并考虑能耗的气温影响因素,建立时间序列自回归移动平均模型;利用赤池信息准则确定模型阶数,通过粒子群算法确定模型参数;在模型阶数与参数确定后的模型内,输入平稳的历史能耗时间序列,输出供暖能耗短期预测值。实验证明：该方法可精准预测不同类型绿色建筑的短期供暖能耗;在不同绿色建筑渗透量时,该方法短期供暖能耗预测误差较小;在不同室外温度时,该方法短期供暖能耗预测的可决系数较高,即预测精度较高。     

手机应用程序能耗的估计算法

针对智能手机的能耗进行建模，将手机能耗分为4个部分，分别是系统能耗、应用能耗、周期性跳变和白噪声，在此基础上，提出应用能耗的估计算法，分析应用能耗所包含的函数执行能耗，实现高能耗函数的代码定位。本文提出函数执行能耗的估计算法，主要包括系统能耗的估计、周期性跳变带来的噪声去除以及函数的平均功耗估计。在去除周期性跳变带来的噪声时，结合机器学习方法，提出基于DBSCAN的改进算法，通过扫参进行参数选取，实现数据集的聚类和去噪。通过对多台手机进行测试检验并与trace文件结合，实验结果表明本模型在应用能耗估计上的平均误差为5.58%，在函数执行功耗、代码段功耗计算上具有较好的精度和泛化能力。     

Rotary drying process modeling and online compensation

Rotary drying process modeling is a complex procedure due to the difficulties in measurement and estimation of kinetic model parameters. To solve the problem, a hybrid modeling method with online compensation is proposed in the present study. A mathematical model is built to describe the axial characteristics of rotary drying process. The drying rate which is the key parameter in the model is estimated by using a SVR-based fuzzy modeling approach, which can automatically extract fuzzy IF-THEN rules from support vectors. Laboratory experiments are conducted to obtain the drying rate sample data for the modeling purpose. In order to reduce the modeling errors for an industrial rotary dryer and improve the hybrid model prediction accuracy, an online matching coefficient is introduced, and a method based on improved online SVR is then applied for modeling error compensation. The experiment dada based modeling results have verified the effectiveness and demonstrated the accuracy and adaptability of the proposed hybrid modeling method.