间歇过程的全局收敛性神经模糊模型

为了克服难以获得间歇过程的精确数学模型这一难题,本文采用一种具有非线性模糊规则后件的模糊 神经网络建立间歇过程的模型,在此基础上提出一种基于Lyapunov 方法的全局收敛性参数学习算法,并给出了严 格的数学证明．本文提出的算法具有较好的非线性逼近和参数自学习能力,为间歇生产过程的建模提供了一条新途 径．最后,将提出的神经模糊模型用于一个典型间歇过程的建模研究中,仿真结果表明了该算法的有效性,体现了 模型潜在的实用价值．     

微生物间歇发酵过程的时变时滞最优控制研究

主要研究间歇发酵甘油生产1,3-丙二醇(1,3-PD)过程中的时变时滞最优控制问题。针对该间歇发酵过程中存在的时滞现象,采用一种非线性时变时滞微分方程系统来刻画该过程。将终端时刻1,3-PD的产率最大化作为性能指标,建立了一个最优控制模型来计算最优的初始生物量、初始甘油和发酵时长。进一步,为了将该最优控制模型转化为具有固定终端时刻的问题,提出一种时域转换技术。通过应用约束转化技巧和罚方法,将该具有固定终端时刻的问题转化为一个仅含有盒式约束的优化问题,并设计了一种改进的差分进化算法来求解。从仿真实验的数值结果可以看出,在终端时刻,运用本控制算法得到的1,3-PD的产率相比之前的产率有明显提高。     

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.     

间歇生产过程的自动机模型

在间歇生产过程中，过程的信息结构由离散状态和连续状态构成，本文以自动机为交互具，研究具有混合信息结构的间歇生产过程的描述，控制与优化等问题。     

间歇过程生产调度建模的研究

生产调度是为实现某一目的而对共同使用的资源进行时间上的分配.调度中存在大量的模糊因素,将模糊的思想运用到调度领域可以帮助决策者进行有效决策.本文提出一种基于模糊规划的间歇过程生产调度建模方法及其模糊优化的新算法.应用模糊集合论的方法,在已有模糊规划模型的基础上,针对间歇生产过程,分析调度中存在的模糊信息以及出现的形式和方式,将确定型生产调度模型的约束条件和目标方程中的参数模糊化,采用非精确的量化形式,以隶属函数来表示,建立基于模糊参数的生产调度模糊线性规划模型MIFCLP.通过对一个调度问题实例进行了仿真,仿真结果证明,采用模糊模型更容易得到可行解,采用模糊线性规划解决间歇生产调度问题是一种有效方法.     

间歇发酵过程放罐时机的启发式模糊识别与预报

间歇发酵过程放罐时机的优化是提高产量,产率和降低能耗的一个重要方面.本文运用模糊集理论,并将统计学方法和人的经验合为一体,提出了一种放罐时机的启发式模糊识别、预报的建模方法.并且,根据一实际工业抗生素生产的历史资料和现场的分析,运用本文提出的方法建立了该过程放罐时机的识别与预报模型.同时构造了计算机时实识别系统,几批工业实验的结果表明,模型预报的效果良好.     

基于多信号源的神经模糊Hammerstein-Wiener模型研究

面对复杂工业过程控制的需求, 设计一种结合数据信息的特殊模型结构, 在保证控制系统有效性的前提下通过模型的结构来简化控制器的求解是亟待解决的问题. 为此, 本文提出一种基于多信号源的神经模糊Hammerstein-Wiener模型, 突破传统的迭代分离方法, 通过组合式多信号实现Hammerstein-Wiener模型中神经模糊非线性环节和线性环节的分离, 同时设计了神经模糊模型参数的非迭代优化算法, 将研究结果拓广到分段非线性系统,改善了模型的适用范围. 该算法保证了模型的预测精度,具有逼近较强非线性过程的能力. 在此基础上设计了基于神经模糊Hammerstein-Wiener模型的控制系统, 利用模型的特殊结构将非线性系统的控制问题简化为线性系统的控制问题, 采用简单的PID控制器便能达到较好的控制效果.仿真结果验证了上述方法的有效性.     

动态模糊数据的扩展模型研究

数据模型是建立系统的核心，在我们的对象中，具有动态模糊性的数据是普遍存在的，文献[1]对一般的动态模糊数据模型作了初步研究，基于此，本文作更深入的研究，给出了动态模糊数据的测度理论，动态糊数据的扩展模型，该模型的建立，为人们用计算机处理这类问题提供了理论依据。     

基于数据仓库的数据预处理过程模型

现阶段的数据挖掘研究工作主要集中于挖掘核心算法方面，忽视了对数据预处理的研究。本文将数据预处理无缝集成于数据仓库的构建过程中，提出了一种数据预处理过程模型，对企业成功实施数据挖掘应用做出了有益的探索。     

间歇过程基于Dioid代数模型的分析与协调控制研究

针对现有间歇过程模型的不足之处,提出了一种新的间歇过程Dioid代数模型,此模型不仅描述了间歇过程中的离散事件,而且还用于间歇过程的定量分析,在此模型基础上,我们用代数方法研究了间歇过程的协调控制问题。     

基于Windows CE的OLED驱动程序设计与实现

介绍了WindowsCE的体系结构和中断处理机制,研究了WindowsCE设备驱动程序的类型和初始化过程,以维信诺VGG13264C132×64OLED显示模块的WindowsCE驱动程序设计为例,详细阐述了嵌入式WindowsCE驱动程序的开发过程。     

A Time Model for Time-Varying Visualization

The analysis of unsteady phenomena is an important topic for scientific visualization. Several time-dependent visualization techniques exist, as well as solutions for dealing with the enormous size of time-varying data in interactive visualization. Many current visualization toolkits support displaying time-varying data sets. However, for the interactive exploration of time-varying data in scientific visualization, no common time model that describes the temporal properties which occur in the visualization process has been established. In this work, we propose a general time model which classifies the time frames of simulation phenomena and the connections between different time scales in the analysis process. This model is designed for intuitive interaction with time in visualization applications for the domain expert as well as for the developer of visualization tools. We demonstrate the benefits of our model by applying it to two use cases with different temporal properties.     

一种基于模糊神经网络的故障分类器及其在多传感器故障诊断中的应用􀀁

提出了一种应用模糊神经网络进行故障诊断新方法．采用模糊神经网络作为故障分类器,离线地自适应从学习样本数据中提取各个用以描述故障状态的模糊参考模型．在诊断时,此模糊神经网络在线地得到当前系统的模糊模型描述,并将与各个参考模型相匹配,从而得出正确的诊断结果．它适用范围广泛,如用于控制系统的过程对象以及传感器、执行器故障的检测与诊断．通过对燃汽轮机控制系统多传感器故障诊断的仿真证明了此法的有效性和优越性．     

基于文件过滤驱动的连续数据捕获技术及其容灾应用研究

根据数据容灾技术的发展趋势,结合连续数据保护的具体目标和现有数据捕获技术的优缺点,提出一种基于文件过滤驱动的连续数据捕获方法,描述了连续数据捕获的实现流程,并详细阐述了在连续数据捕获中所涉及的IRP截获技术、内核数据传输技术,最后使用该方法构建了一个面向业务连续性的安全容灾备份软件并给出了相关测试结果.与连续快照和API原语劫持相比,该方法具有数据捕获效率高、无数据遗漏、代价较低、对上层应用影响小的特点.     

基于TTGNPE算法的间歇过程监控

针对间歇过程中三维数据展开为二维造成的部分信息丢失以及数据的全局和局部结构可能发生的变化,提出一种基于张量分解的时序扩展全局局部邻域保持嵌入(TTGNPE)算法.首先利用TTGNPE算法直接处理间歇过程中的三维数据,以避免因展开为二维而造成的信息丢失;然后,将近邻流形嵌入并引入数据空间的全局和局部结构保持中,充分提取数据的局部和全局特征信息;最后,结合移动数据窗技术来处理过程的动态时变性,检测到故障后用贡献图法诊断出故障变量.通过青霉素发酵过程验证了所提出的算法对间歇过程故障检测与诊断的优越性.     

多目的批量过程的受影响批次再调度算法

为解决多目的批量过程调度受延迟扰动的问题,提出了综合考虑新调度质量和稳定性的受影响批次再调度ABR算法,根据状态任务网STN所定义的工艺过程将受到延迟影响的所有批次向后移动最小可能值。仿真算例表明,ARB再调度算法在完成时间指标和开始时间总延迟指标上均优于现有的右移再调度法RSR。     

基于TVA-TCN的制造过程关键参数多步预测方法

制造过程关键参数的准确预测对制造过程的精确控制起关键作用,现有预测方法通常未考虑时间动态特性,多步预测性能不佳,无法满足制造过程实际需求.对此,提出一种基于时变注意力时间卷积网络(TVA-TCN)的制造过程关键参数多步预测方法.首先,鉴于普通卷积网络感受野的局限性,利用多通道时间卷积网络提取数据的长期依赖关系,并使用Softplus激活函数降低对数据异常值的敏感度;其次,提出一种时变模型结构,通过提取上一时间步的隐藏层信息和输出信息,使得模型不仅能够随时间动态更新,而且可以缓解梯度消失,从而提高多步预测性能;最后,利用食品加工制造过程的实际数据进行多步预测实验,结果表明所提出方法与传统的方法相比具有明显的优势.     

高速数据采集系统的USB接口设计

针对工程领域对数据采集的多类别数据、高速采集和传输、实时性的要求,设计基于USB接口的高速数据采集系统,并有FPGA+DSP搭配进行采集系统的逻辑控制、接口控制和信号处理,另有一块AD转换板进行模数转换;重点阐述USB接口设计的原理和实现,包括USB固件程序设计、驱动程序设计和USB应用程序设计;经过传输256*256的灰度图像、测试USB通道数据传输速度和使用采集板采集方波信号的测试,证明系统能够实现数据采集的任务,有很快的数据传输速度。     

面向Dataflow的异构集群混合式资源调度框架研究

Dataflow模型的使用,使得大数据计算的批处理和流处理融合为一体.但是,现有的针对大数据计算的集群资源调度框架,要么面向流处理,要么面向批处理,不适合批处理与流处理作业共享集群资源的需求.另外,GPU用于大数据分析计算时,由于缺乏有效的CPU-GPU资源解耦方式,降低了资源使用效率.在分析现有的集群资源调度框架的基础上,设计并实现了一种可以感知批处理/流处理应用的混合式资源调度框架HRM.它以共享状态架构为基础,采用乐观封锁协议和悲观封锁协议相结合的方式,确保流处理作业和批处理作业的不同资源要求.在计算节点上,提供CPU-GPU资源的灵活绑定,采用队列堆叠技术,不但满足流处理作业的实时性需求,也减少了反馈延迟并实现了GPU资源的共享.通过模拟大规模作业的调度,结果显示, HRM的调度延迟只有集中式调度框架的75%左右;使用实际负载测试,批处理与流处理共享集群时,使用HRM调度框架, CPU资源利用率提高25%以上;而使用细粒度作业调度方法,不但GPU利用率提高2倍以上,作业的完成时间也能够减少50%左右.     

通用化数据采集处理系统的LabVIEW实现

针对目前测控领域对自研数据采集系统的不同需求,提出一种基于LabVIEW的通用化设计;整个系统基于软硬件构架:硬件上采用“ADC+ FPGA+ PCI”的模块化接口设计,能方便搭载于各种测试平台;软件上采用图形化编程语言LabVIEW进行开发,包括基于NI-VISA的PCI驱动程序和生产者/消费者模式的上位机处理软件;前者通过直接访问底层寄存器进行控制,为同类芯片的通用驱动开发提供了参考方案;后者充分利用LabVIEW多线程处理的特点,从软件构架上改善数据流向,优化程序;实验结果表明,该系统工作稳定,人机交互良好,可实现数据存储、回放和时频分析等多项功能.