蓝藻生长时变系统非线性动力学分析及水华预测方法

为解决现有蓝藻生长动力学模型难以有效描述实际水体中蓝藻生长时变系统的非线性动力学特性,导致水华预测准确性不高的问题,构建蓝藻摄食和营养盐循环模型,并考虑水温、光照等主要影响因素随时间变化对蓝藻生长的影响,进一步建立蓝藻生长时变系统非线性动力学模型,对其常值参数采用遗传算法与数值算法结合的方法进行优化率定,对其时变参数采用多元时序方法进行建模预测,根据分岔理论及时变系统理论分析水华暴发行为的非线性动力学机理,实现对蓝藻生长时变系统的水华预测。通过太湖流域监测实例表明,与现有研究相比,引入时变参数的蓝藻生长动力学模型更能反映蓝藻生长时变系统下水华暴发行为的非线性动力学特性,其水华预测结果更为准确。     

蓝藻生长时变系统非线性动力学分析及水华预测方法

为解决现有蓝藻生长动力学模型难以有效描述实际水体中蓝藻生长时变系统的非线性动力学特性,导致水华预测准确性不高的问题,构建蓝藻摄食和营养盐循环模型,并考虑水温、光照等主要影响因素随时间变化对蓝藻生长的影响,进一步建立蓝藻生长时变系统非线性动力学模型,对其常值参数采用遗传算法与数值算法结合的方法进行优化率定,对其时变参数采用多元时序方法进行建模预测,根据分岔理论及时变系统理论分析水华暴发行为的非线性动力学机理,实现对蓝藻生长时变系统的水华预测。通过太湖流域监测实例表明,与现有研究相比,引入时变参数的蓝藻生长动力学模型更能反映蓝藻生长时变系统下水华暴发行为的非线性动力学特性,其水华预测结果更为准确。     

一种智能预估控制算法在间歇造气炉控制中的应用

针对间歇造气炉工艺流程的特点，提出一种智能预估控制算法。该算法利用智能加权因子建立模糊内模预估器，实时预测气化层温度，在线修正模型失配，从而有效地消除非线性、时变等因素的不利影响。     

异步电机单神经元自适应智能控制系统

针对传统抽油电机控制器自适应性能较弱的特点,提出一种单神经元模型参考自适应控制方法,此法在模型参考自适应控制基础上,采用单神经元代替复杂神经网络,选择线性函数作为参考模型,并将速度变化考虑进误差函数,采取磁链开环、转速闭环的控制结构建立控制系统,建立基于此控制方法的异步电机控制系统仿真模型,并基于DSP构建实验控制系统,仿真及实验结果表明所述控制器输出平稳,具有参数及负载时变的自适应能力,应用前景广泛。     

连续搅拌釜的非线性模型稳定性判据及算法

针对具有强非线性、时变、有纯滞后等复杂特性的连续搅拌釜(CSTR)反应过程,提出了一种非线性鲁棒模型预测控制方法。先根据搅拌釜中物料反应和温度波动机理,强鲁棒性的系统参数假设在凸多面体中,然后,在温度工作稳定平衡点离散线性化具有高度非线性特点的系统方程。合理建立系统预报方程,提出可保成本性能指标函数并计算李雅普诺夫函数的差分。采用双线性和线性矩阵不等式(BMI和LMI)技术处理鲁棒模型预测控制系统,给出了保持较优性能条件下的闭环系统稳定性判定标准。其次,考虑稳定标准的条件中存在双线性矩阵不等式,设计相应的凸优化算法,便于利用matlab中LMI TOOLBOX求解。最后,通过系统仿真实验,与已有数值结果对比,说明了所提理论的正确性和算法的有效性、优越性。     

模糊PID控制在冷冻干燥机温度控制系统中的应用

针对冷冻干燥机温度控制系统的大滞后、时变特性,设计了一个遗传算法优化的模糊PID控制器,并将它应用于冷冻干燥机搁板的温度控制中。仿真实验结果表明:遗传算法优化的模糊PID控制器响应速度快,具有良好的稳定性和抗干扰性,相比于传统PID算法能够更好地解决系统的非线性、时变和大滞后问题。     

考虑时变风险的成品油二次配送路径优化

成品油属于易燃易爆炸危险品,其配送过程一旦发生事故后果严重。考虑到配送过程人群聚集程度、载重和车速的动态变化,本文建立时变风险度量模型,运用BP神经网络预测车速,预测了城市高速路段和主干路路段的车速。在此基础上,构建了同时考虑配送成本与时变风险的成品油二次配送双目标路径优化模型,并提出改进的多目标列队竞争算法进行求解。本文还采用改进的多目标列队竞争算法求解文献报道的实例,求得非支配解完全支配文献报道中的非支配解,验证了算法的有效性。某武汉石化企业实例研究表明,预测的车速具有较高的准确度,所提出的方法能同步考虑配送过程的时变风险和配送成本,求得的Pareto最优配送路径集可以为企业决策者提供多样化的选择方案,具有较好的应用价值。     

基于RBF神经网络陶瓷窑炉温度动态矩阵控制

陶瓷窑炉普遍具有纯滞后、大惯性、非线性、时变复杂等特点,其精确数学模型往往很难获取。针对这类系统,本文采用RBF神经网络建立被控对象模型,避免了常规控制算法建立对象精确数学模型的困难。应用动态矩阵预测算法实现对被控系统的预测控制。该控制方法具有很好的动、静态性能和强鲁棒性。以陶瓷窑炉温度为对象,与PID控制进行了比较;仿真结果证明了所提控制方法的有效性。     

高炉炼铁焦比和炉温的链系统控制算法研究

为提高高炉炼铁经济效益和生产质量,以焦比和炉温为研究对象,采用链系统控制方法,分析两者的主要影响因素和相互关系,并建立以焦比和炉温为控制对象的链系统控制模型,根据模型求出链预估算法和控制算法,最后做出仿真,仿真结果表明该控制系统具有良好的稳定性和抗干扰能力。     

微结构注塑机注射速度控制及仿真研究

为了对注射速度进行精密控制,建立起一个液压控制系统,对该系统中影响注射速度的相关器件进行结构分析并且建立数学模型,针对注射速度非线性以及时变等特性,设计一种自适应模糊PID控制器,利用MATLAB软件建立仿真模型,对两种控制器下的注射速度曲线进行对比分析。结果表明,与传统PID控制器相比,自适应模糊PID控制器具有注射速度响应更迅速,稳态无误差和鲁棒性能好等优势。     

基于时间差分和局部加权偏最小二乘算法的过程自适应软测量建模

工业过程软测量模型常常因为过程的变量漂移、非线性和时变等问题而使得预测性能下降。因此,时间差分已被应用于解决过程变量漂移问题。但是,时间差分框架下的全局模型往往不能很好地描述过程非线性和时变等特性。为此,提出了一种融合时间差分模型和局部加权偏最小二乘算法的自适应软测量建模方法。时间差分模型可以大大减少过程变量漂移的影响,而局部加权偏最小二乘算法作为一种即时学习方法,可以有效解决过程非线性和时变问题。该方法的有效性在数值例子和工业过程实例中得到了有效验证。     

暖通空调系统基于SMITH预估自校正控制算法

目前暖通空调控制系统中普遍存在运行效率低下、能耗浪费严重的现象,主要原因在于暖通系统本身具有时变、时滞等非线性特性,使得传统的控制方法无法取得良好的控制性能。如何克服暖通空调系统时变和时滞特性所带来的不利影响,是提高暖通空调系统控制回路性能的重要途径之一。本文设计了一种基于SMITH预估的自校正控制算法,首先通过在线辨识包含时滞参数在内的暖通空调对象模型,进而采用SMITH预估器对时滞进行补偿,而SMITH预估器中的PI控制器则用于提高鲁棒性,并实现控制器参数的实时更新。仿真结果表明该算法性能要优于传统的控制方法。     

基于Smith预估器的PID自适应控制及其应用

针对大时滞时变对象 ,把Smith补偿控制原理和PID参数的自适应调整方法结合起来 ,提出了基于BP神经网络整定Smith PID控制算法 ,即在Smith预估补偿控制系统中 ,利用BP神经网络在线自学习整定PID参数 ,使PID参数实现最佳的非线性组合 ,以适应对象特性的变化 ,从而克服了常规PID算法不适应大时滞系统控制和常规Smith算法过于依赖模型精度的缺陷。仿真研究和实际应用表明 ,本文算法具有很强的鲁棒性和良好的控制品质 ,工程应用控制效果令人满意。     

碱回收炉炉膛负压的小波神经网络控制

为了保持炉膛负压的稳定,将小波神经网络PID控制运用到炉膛负压的控制中,建立了三层神经网络模型。将引起炉膛负压变化的干扰因素：送风量、炉膛负荷和炉膛负压的实际值、期望值作为网络的输入量,网络的输出层单元分别表示PID控制器的3个参数。根据炉膛负压实际输出与期望输出之间的偏差以及干扰量来实时在线调整PID参数。用MATLAB对该控制系统进行了仿真研究,结果表明本控制系统能较好地克服时变、时滞、非线性、参数不确定及干扰等对炉膛负压的影响,保持了炉膛负压的稳定,提高了炉膛负压的控制速度和控制精度。     

微波加热固体颗粒类矿物的过程控制分析

通过微波加热钛精矿实验,结合实验数据,利用两点法得到微波加热钛精矿的数学模型.依据确立的系统模型,分别采用传统PID控制和大林算法两种控制策略进行温度控制,并利用MATLAB中的SIMULINK工具进行了大量仿真实验.仿真结果表明,在非线性、大时滞和参数时变的控制系统中,大林算法控制能获得较好的稳态精度和动态特性,使系...     

基于GA-BP网络混凝投药系统预测模型的研究

针对BP网络建模易陷入局部极小、收敛速度慢等缺点,建立GA-BP网络预测模型,为混凝投药系统生产指导提供决策依据。利用遗传学习算法具有全局寻优的特点,同时优化BP网络的初始权值和网络结构,建立GA-BPNN混凝投药的预测控制模型。通过算法比较和模型仿真结果分析,GA-BP混合模型较BP模型收敛速度快,其平均预测相对误差仅为9.94%,预测精度远高于BP模型。表明GA-BP模型可以有效、可靠地用于混凝剂投加量预测控制系统的生产指导中。     

脂肪酸甲酯磺酸盐生产过程中和工序的pH值无模型自适应控制

脂肪酸甲酯磺酸盐制造技术的开发提出了对中和工序的非常苛刻的pH值控制要求。由于pH值的变化和反应具有严重非线性、大滞后、时变等特性,使传统PID控制几乎都不能满足要求。为了解决这个问题,设计并组装了一套基于无模型自适应技术(MFA)的控制系统,并在MES生产过程的中和工序中实施应用和运行。结果对比表明,无模型自适应控制较常规PID控制方式更适合于强非线性、大滞后、时变的pH值中和过程,精度高,控制稳定,并且无需过程参数辨识,操作简便。     

基于MATLAB的锅炉液位模糊控制系统设计

本文首先介绍了锅炉控制系统的基本结构特性,分析了锅炉液位控制具有非时变和滞后性等特征,采用模糊控制技术来实现对锅炉液位实时跟踪控制,试验住址结果表明,模糊控制系统能够较好的获取液位控制系统的动态和静态性能,体现了该控制系统的可靠性和优越性,为工业生产应用提供相应的理论。     

内模控制在造纸生产定量控制中的应用

通过分析抄纸过程定量控制系统具有大滞后,非线性,时变的特点,采用实验法建立了系统数学模型,利用内模控制原理,对某1760纸机实施实时控制。     

基于高斯混合模型的MWPCA高炉异常监测算法

大型高炉是钢铁制造过程中的重要装备,由于高炉运行过程复杂,干扰因素繁多,经常会有异常炉况发生。为及时监测异常炉况、保证高炉顺行,本文利用高炉运行数据,开发了一种基于MWPCA和高斯混合模型的算法对高炉异常过程进行监测。由于高炉运行数据存在非高斯分布和时变的特点,利用高斯混合模型改进了传统PCA监测模型的T²统计量,使算法可以适应高炉数据的独特分布特征,并加入了滑窗机制,使算法具有实时更新的能力。随后,将算法应用在华南某大型钢铁集团的真实高炉数据上,检测了算法的有效性,并将其与基础算法进行了对比分析,证明了算法在高炉异常监测能力上有所提高。