一种间歇过程的综合预测迭代学习控制方法

为了提高迭代学习控制方法在间歇过程轨迹跟踪问题中的收敛速度,本文将批次间的比例型迭代学习控制与批次内的模型预测控制相结合,提出了一种综合应用方法.首先根据间歇过程的线性模型,预测出比例型迭代学习控制的系统输出,然后在批次内采用模型预测控制,通过极小化一个二次型目标函数来获得控制增量.该方法可使系统输出跟踪期望轨迹的速度比比例型迭代学习控制方法更快些.最后通过仿真实例验证了该方法的有效性.     

光谱法测量间歇蒸煮过程纸浆卡伯值建模方法的研究

纸浆的卡伯值是蒸煮过程的重要质量指标，为合理控制蒸煮工艺条件需要在线测量蒸煮过程中纸浆的卡伯值。在线光谱法测量卡伯值需以工业现场数据为基础，对可见光吸收光谱法预测亚硫酸盐法间歇蒸煮过程中纸浆卡伯值进行建模研究，经过多种统计模型的比较，发现偏最小二乘法回归模型能够提高预测精度，增强模型的适应性和稳定性，这一方面验证了光谱法的可行性，另一方面也显示光谱法有待完善。希望通过对光谱测量机理的研究，提高光谱信息的利用率。     

一种机器人轨迹跟踪控制的迭代学习方法

本文提出了一种新的迭代学习策略并详细报告了在1台实验用机器人上的实验结果．这 个方法的特点是对于动力学参数未知的系统, 可以通过实验方便地确定满足收敛条件的学习 控制器参数． 因此,它具有实用价值, 并有可能将其使用范围推广到除机器人规迹控制外的 其它控制领域.     

一种新的自适应控制方法

本文提出了一种新的自适应控制方法－基于自校正与线性跟踪的自适应控制，从系统的输入／输出完全跟踪的目标出发，根据对象的动态模型，导出自适应控制器的调节模型，对象模型的参数，采用递推最小二乘法在线估计。     

一种基于非线性规划的多项式PLS算法

在基于误差的多项式偏最小二乘(PLS)的基础上,提出了一种基于带约束的非线性规划的多项式PLS算法,利用罚函数法计算最优的输入权值和内部关系式的参数.对催化裂化主分馏塔侧线柴油95%点的软测量应用结果表明,该算法和基于误差的多项式PLS相比,模型拟合精度高而且计算量较小,能获得较高的累计方差贡献率,并具有良好的预报能力.     

一种基于非线性规划的多项式PLS算法

在基于误差的多项式偏最小二乘(PLS)的基础上,提出了一种基于带约束的非线性规划的多项式PLS算法,利用罚函数法计算最优的输入权值和内部关系式的参数。对催化裂化主分馏塔侧线柴油95%点的软测量应用结果表明,该算法和基于误差的多项式PLS相比,模型拟合精度高而且计算量较小,能获得较高的累计方差贡献率,并具有良好的预报能力。     

一种批量最小二乘策略迭代方法

策略迭代是一种迭代地评估和改进控制策略的强化学习方法。采用最小二乘的策略评估方法可以从经验数据中提取出更多有用信息,提高数据有效性。针对在线的最小二乘策略迭代方法对样本数据的利用不充分、每个样本仅使用一次就被丢弃的问题,提出一种批量最小二乘策略迭代算法(BLSPI),并从理论上证明其收敛性。BLSPI算法将批量更新方法与在线最小二乘策略迭代方法相结合,在线保存生成的样本数据,多次重复使用这些样本数据并结合最小二乘方法来更新控制策略。将BLSPI算法用于倒立摆实验平台,实验结果表明,该算法可以有效利用之前的经验知识,提高经验利用率,加快收敛速度。     

一种基于迭代学习的移动机器人轨迹跟踪控制方法

机器人迭代学习在某些场合下有着重要的应用。传统的P型或PD迭代学习需要较长的迭代过程,本文提出了一种具有快速收敛的迭代学习策略。在给出的轮式移动机器人运动学模型基础上进行了仿真,结果证明了策略的有效性。     

一种面向机动的低成本姿态测量系统

载体作机动运动时,基于加速度计和磁传感器的姿态测量系统易受载体运动加速度的影响而导致测量精度降低.通过将GPS加速度引入重力观测方程,有效补偿了载体运动加速度造成的姿态测量误差.利用基于重力场和地磁场矢量观测的迭代最小二乘姿态确定算法得到修正罗德里格姿态参数.姿态信息通过互补滤波器与陀螺仪测量值融合以提高动态响应.实验结果表明,该低成本姿态测量系统可明显提高机动环境下的姿态测量精度,姿态角测量误差小于3°.     

鲁棒PLS在间歇生产过程监控中的应用

间歇和半间歇过程在化学工业中占有重要地位,如何对其进行监控一直是过程控制领域研究的热点之一.现实过程中,数据大都存在离群点,易使多向部分最小二乘(MPLS)模型造成误差.针对MPLS统计监控受离群点影响的问题,提出一种基于鲁棒MPLS的统计监控分析和相应鲁棒监控统计量的计算方法.相对于普通MPLS,鲁棒MPLS在建模数据中存在离群点时仍能给出正确的统计监控模型,降低了建模过程对数据的要求.     

一种用于LQR控制问题的强化学习方法

现有强化学习方法的收敛性分析大多针对离散状态问题,对于连续状态问题强化学习的收敛性分析仅局限于简单的LQR控制问题.本文对现有两种用于LQR问题收敛的强化学习方法进行分析,针对存在的问题,提出一种只需部分模型信息的强化学习方法.该方法使用递推最小二乘TD(RLS-TD)方法估计值函数参数,递推最小二乘方法(RLS)估计贪心改进策略.并给出理想情况下此方法收敛的理论分析.仿真实验表明该方法收敛到最优控制策略.     

一种改进的移动机器人轨迹跟踪迭代学习方法

通过对轮式移动机器人轨迹跟踪优化问题的研究,提出了一种适应性强、收敛速度快且跟踪误差小的迭代滤波学习控制方法,充分发挥了迭代学习控制和Kalman滤波算法的优势,通过引入状态补偿项和设计新的迭代学习增益矩阵对迭代学习律进行了改进。改进的迭代学习控制能够更快速、更精确、更有效地跟踪期望的圆轨迹。采用离散的Kalman滤波器对干扰和噪声进行滤波,抑制了干扰和噪声对轨迹跟踪的影响,使该控制算法更适合于工程应用。计算机实验和仿真表明该方法具有较好的轨迹跟踪能力。     

间歇过程的统计建模与在线监测

现代过程工业正逐渐倚重于生产小批量、多品种、高附加值产品的间歇过程.基于多元统计模型的过程监测是保障生产安全和产品质量的重要工具.从间歇过程独特的数据特性出发,将现有的多元统计建模方法进行合理的分类,简要回顾了各类方法的起源、发展及延伸的历程.除了阐述每种方法的基本原理,还详细讨论了各种方法的适用背景,相互关联及优缺点等内容,并对这一领域中依然存在的问题以及研究前景给出中肯的评述.     

基于软测量的球磨机优化控制方法

针对球磨机控制的难点和不足,提出了一种基于料位软测量技术的球磨机优化控制方法.首先,在分析球磨机系统特性和振动特性的基础上,确定了料位软测量的辅助变量.其次,基于最小二乘支持向量机算法,给出了一种球磨机料位软测量方法,并通过现场实测数据进行料位检测,结果表明该软测量方法的精度较高;最后,在料位软测量的基础上,提出了一种...     

间歇过程最优迭代学习控制的发展:从基于模型到数据驱动

本文综述了间歇过程的基于模型的和数据驱动的最优迭代学习控制方法.基于模型的最优迭代学习控制方法需要已知被控对象精确的线性模型,其研究较为成熟和完善,有着系统的设计方法和分析工具.数据驱动的最优迭代学习控制系统设计和分析的关键是非线性重复系统的迭代动态线性化.本文简要综述了基于模型的最优迭代学习控制的研究进展,详细回顾了数据驱动的迭代动态线性化方法,包括其详细的推导过程和突出的特点.回顾和讨论了广义的数据驱动最优迭代学习控制方法,包括完整轨迹跟踪的数据驱动最优迭代学习控制方法,提出和讨论了多中间点跟踪的数据驱动最优点到点迭代学习控制方法,和终端输出跟踪的数据驱动最优终端迭代学习控制方法.进一步,迭代学习控制研究中的关键问题,如随机迭代变化初始条件、迭代变化参考轨迹、输入输出约束、高阶学习控制律、计算复杂性等.本文突出强调了基于模型的和数据驱动的最优迭代学习控制方法各自的特点与区别联系,以方便读者理解.最后,本文提出数据驱动的迭代学习控制方法已成为越来越复杂间歇过程控制发展的未来方向,一些开放的具有挑战性的问题还有待于进一步研究.     

时变参数的一种快速跟踪最小二乘估计方法

给出时变参数的一种快速跟踪最小二乘估计方法，该方法对测量数据同时引入指数加权因子和矩形窗，综合了渐消记忆法和限定记忆法的优点，利用抗病态的正交变换法求解估计值，以减小权固子和窗长度，提高了估计值的跟踪速度。     

局部KPLS特征提取的LSSVM软测量建模方法

针对复杂工业过程的非线性、变量间的强相关性以及工况时变的特点,提出了一种基于局部KPLS特征提取的LSSVM建模方法。该方法通过属性加权的欧式距离指标选取局部训练样本子集,利用KPLS算法对该子集进行特征提取,使用LSSVM算法在线建立局部软测量模型。实验结果表明,该方法可以有效实现特征提取,具有更好的推广能力和预测精度,比基于全局KPLS特征提取的LSSVM模型和未经特征提取的全局LSSVM模型具有更好的泛化能力。     

一种间歇反应过程迭代动态规划方法

随着工业过程对降低产品成本、改进产品质量、满足安全要求和环境规范,间歇反应过程的优化变得越来越重要.本文因此给出了一种有效的基于随机选点的间歇反应过程迭代动态规划算法,并给出了算法实现的详细步骤,能够有效实现间歇反应过程中温度、浓度等变量的动态优化问题.所述的迭代动态规划算法通过调节分段数P和离散点数(N和M)可以有效的避免计算量激增的问题,具有稳定可靠、易寻找到全局最优解的优点.以典型的间歇反应动态优化问题作为实例进行了研究,并与国际上公开报道结果进行了详细的比较研究,结果表明了所述方法的可靠有效性.     

一种基于灰度预测误差统计的影像质量评价方法

受二维差分脉冲编码调制(DPCM)影像压缩编码技术的启发，为了更好地运行影像质量评价，从影像像素相关性的角度探讨了一种基于灰度预测误差统计的影像质量评价方法。该方法首先利用线性预测算子和最小二乘估计来计算影像像素的灰度，然后统计整幅影像内的估计像素灰度值与对应像素点的实际灰度值的累计平均平方误差。该误差反映了影像像素间的相关性大小，其值越大，表明像素间的相关性越小，影像的反差与清晰度越好。试验结果表明，该方法对影像质量的变化敏感度明显高于传统的均方差、平均梯度和信息熵法，因而特别适合评估通过不同降噪方法处理的影像质量。不足的是该方法的计算效率不如传统的方差和信息熵方法快。     

基于核函数的PLS丁苯橡胶聚合转化率软测量

针对企业对丁苯橡胶聚合转化率需在线高精度预测的需求,考虑实际工况复杂性和偏最小二乘(PLS)算法非线性处理能力的不足,分别建立了引入单核和混合核函数的丁苯橡胶聚合转化率PLS预测模型。工业数据仿真结果表明:基于核的PLS模型均可满足企业生产对预测精度的要求,即聚合转化率预测绝对误差大于1.5的比例不大于样本总数的10%,尤其是混合核PLS因兼有局部和全局特性,表现出更优的性能。