智能控制在发酵过程中的应用

提出了一种智能控制系统应用于发酵过程的新方法。该系统按功能可分成两层；底层执行数据采集、实施控制等常规任务；上层是一个实时专家系统，综合生物工程和控制工程经验指导发酵过程操作，如传感器有效性检查、事故诊断、流加策略优化等。基于智能控制策略，Ｌ－异亮氨基酸发酵产率提高４％，发酵时间缩短６％。     

论高等职业学校“企业管理”课程的课堂教学改革

本对高等职业学校管理类专业的“企业管理”课程的课堂教学改革问题，做了初步的探讨。     

基于RKHS的小波核在化工软测量中的仿真研究

由可分Hilbert空间与L2(R)的等价性,利用内积同构的线性算子,可以把L2(R)中子空间的小波尺度函数折算为Hilbert空间中子空间的小波尺度函数.基于支持向量机核函数的条件和小波多分辨率理论,在Hilbert空间构造出Modet小波核函数.通过仿真实验,与传统的RBF核函数相比较,该尺度再生核函数具有更高的精度和更好的泛化能力,充分体现了支持向量机较好的推广性能.     

基于小型DCS的柠檬酸蒸发结晶过程控制

针对蒸发、结晶工艺过程比较复杂，测控点多且分散的特点，采用基于智能仪表，变尖器和智能采集模块的FPC2000集散控制系统对柠檬酸蒸发结晶过程进行控制，对关键变量采用比值串级和Fuzzy-PID控制，该系统控制方案简单，经济，可靠，提高了柠檬酸产品质量，降低了能耗。     

基于WorldFIP总线的煤矿电网监控系统

结合陕西澄合矿务局电网的实际运行情况,基于WorldFIP总线的技术优势,文章提出了一种基于WorldFIP总线的电网监控系统的设计方案,给出了系统结构图,阐述了系统的硬件功能、数据通信和软件组态。该系统采用分级结构,通信方便、组态简单,较好地解决了同一电网中发电厂和变电站的信息融合问题,达到了全方位监控的目的。     

基于量子PSO的SVM参数选择及其应用

针对支持向量机(SVM)的参数选择问题,提出了一种改进的PSO(QDPSO)算法.该算法采用同时对三个参数寻优的策略,克服了对每个参数单独寻优的弊端,可实现对SVM参数的精确、稳定、快速优化选择.给出了应用该方法的具体步骤,通过仿真实验证明该算法的有效性.通过将该方法得到的参数应用于SVM建模,得到了有机溶剂回收脱附过程的软测量模型.仿真结果表明,预测效果良好.     

存在部分解耦扰动的网络化系统容错控制

针对一类存在执行器故障和部分解耦扰动的离散时间网络化控制系统,研究测量数据随机丢失情况下的主动容错控制问题。首先,通过模型转换将原系统化为一个与之等价的状态增广系统;然后在考虑测量数据发生随机丢失情况下,构造未知输入观测器(unknown input observer, UIO)实现对系统状态与故障的联合估计,再基于状态和故障的在线估计值,设计基于信号补偿的容错控制律实现对原系统的主动容错控制。在该容错控制算法中,观测器与控制器增益的存在性条件均可利用李雅普诺夫稳定性理论对误差系统进行随机分析得到,相应的估计器和控制器参数可通过在线求解具有凸约束的矩阵不等式获得。最后,通过一个喷气式发动机模型的仿真算例验证所提出的故障估计与主动容错控制方法的有效性。     

基于新阈值函数去噪及SVM的建模方法研究

研究谷氨酸发酵生产过程中采集到的数据信号通常具有随机性和非平稳性,中间附加了各种噪声,以至于影响数据建模的拟合效果和泛化性能。利用小波分析的特点,在研究D.L.Donoho和I.M.Johnstone提出的小波阈值去噪方法的基础上,采用了一种新的阈值函数去噪方法。新阈值函数在整个定义域内统一定义,表达式简单易于计算,同软阈值函数一样具有连续性,而且是高阶可导的,便于进行各种数学处理。将方法与支持向量机(SVM)相结合对谷氨酸发酵过程进行建模。仿真结果表明,上述方法能有效恢复数据的真实性,所建SVM模型具有较高的拟合能力,且预测误差小,稳健性好。     

基于XGBoost的出水氨氮和总磷浓度的软测量研究

针对污水处理过程中出水氨氮(NH4-N)和总磷(TP)浓度两个重要指标难以在线测量的问题,提出了一种基于极端梯度提升(eXtreme Gradient Boosting,XGBoost)算法的软测量方法.首先,针对数据预处理,采取K-邻近(K-Near-est-Neighbor,KNN)方法进行缺失值填充;其次,使用XGBoost算法进行软测量建模;最后,使用网格搜索方法调整XGBoost的参数.仿真结果表明,该软测量方法可以用于实时预测出水NH4-N和TP的浓度,并有较好的预测精度.     

基于迭代学习控制的PMSM周期性转矩脉动抑制

由于受逆变器固有非线性特性和气隙磁通谐波等因素影响,永磁同步电机定子电流中含有5、7次等高次谐波分量,与转子永磁体磁场作用下,使得电机产生6、12次周期性转矩脉动.针对这一问题,提出一种基于迭代学习控制的转矩脉动抑制方法,通过在线迭代学习补偿电机的控制电流来抑制周期性转矩脉动,同时采用改进的粒子群算法对迭代学习控制器中的关键参数进行寻优整定.仿真实验结果表明:系统转矩脉动系数由0.1240减小为0.0636.在实验平台上进一步验证了该方法可有效抑制转矩脉动.