多变量时滞系统的闭环渐进辨识研究与应用

多变量时滞系统由于滞后以及相互之间的耦合而难以得到理想的辨识效果,因此基于渐进理论,提出一种多变量的闭环辨识方法.采用阶跃作为测试信号,利用两阶段闭环辨识算法进行辨识.首先采用递推ARX算法实现高阶ARX模型对真实模型的逼近,消除耦合,然后利用二阶泰勒近似实现对滞后的辨识,最后采用渐进准则(ASYC)对模型进行降阶,利用输出误差(OE)准则对降阶后的模型进行参数估计.该方法在实际项目的应用中得到了较好的效果,应用前景广阔.     

改进的全局K′-means算法及其在数据分类中的应用

为了解决初始聚类中心选择,簇个数的确定,以及孤立点等问题,本文提出了一种改进的全局K′-means算法。改进的算法不仅能够利用辅助聚类函数来计算初始点,而且能够利用目标函数在没有预定义聚类个数的前提下,找到实际的聚类中心个数,同时避免了孤立点问题。将改进的算法应用到实际数据集的分类中,并与改进的全局K-means算法以及K′-means算法进行了比较,实验结果证明所提出的算法能获得更好的聚类结果。     

基于输出方差限制的广义多变量控制系统性能评价

研究具有线性时变扰动的多变量控制系统性能评价的方法.通过将时变扰动分为三类定常扰动, 进而构造一个加权的性能指标,权值矩阵与不同扰动类型和优先级相对应.在指定合理的输出方差后, 运用对角关联矩阵方法明确计算出广义多变量系统闭环输出方差的上下限值.经过ITAE (Integral of time-weighted absolute value of the error) 寻优得到最 小输出方差下的控制器参数,并给出可实现的最优控制器模型.仿真实例证明了该方法计算的简便性和有效性.     

多变量解耦内模控制器的设计

针对一般多变量解耦控制器将解耦与控制器分别设计所造成的误差问题,提出将内模解耦与控制器一起设计的多变量解耦内膜控制器设计方法.该方法让控制器同时扮演解耦补偿器和内模控制器的角色.首先通过解耦分析和稳态误差分析,使得控制器的设计过程不需要对模型进行降阶就可达到理想的控制效果,再详细推导控制器的设计,得到控制器设计的一般通式,保证了控制器的物理实现,同时增强了系统的鲁棒性.仿真结果表明,该控制器较一般的解耦控制器鲁棒性好,设计简单,是消除多变量系统的解耦过程与控制器设计之间误差的一种可行方法,且该方法已在燕山石化常减压项目得到应用,效果非常好.     

一种参数快速收敛的多变量系统神经网络PID控制

对多变量系统设计了神经网络ＰＩＤ控制，解决了多变量系统Ｐ、Ｉ、Ｄ参数难以整定的问题。基于对象模型，提出了一种新型神经网络控制器的训练方法，该方法用多步二次型性能指标函数去训练控制器的权值，从而提高了控制器参数的收敛速度和系统的响应性能，降低了各通道之间的耦合。理论分析和仿真实验表明了该方法的有效性。     

基于Bessel滤波器改进内模抗饱和控制的设计

为了有效地解决工业现场中常见的饱和现象,提出了一种基于Bessel滤波器最优状态反馈与改进内模控制相结合的抗饱和控制方法.采用基于Bessel滤波器原理的优化设计方法,充分利用Bessel滤波器所具有的低通滤波特性及鲁棒性较高的优势,改进系统的动态特性.简要地介绍了饱和问题研究的现状,阐述了产生饱和问题的根本原因.进行...     

基于MME非线性系统递推辨识算法改进及仿真

该文介绍了最小模型误差估计算法（MME）和在非线性不确定系统辨识中的应用,以及分析了基于此算法的系统的鲁棒性的几个方面。并且,基于最优化理论控制以及两点边值问题,采用不变式嵌入法,给出了模型不确定非线性系统中基于MME在线递推估计算法,并首次提出了在满足协方差约束的前提下,如何最优地选择正定矩阵W的初值,以使非线性不确定系统的辨识结果达到最佳。最后,基于此算法,给出了非线性离散系统的仿真实例,仿真结果说明,最优地选择W的初值,使该方法是模型不确定非线性系统中辨识的有效方法。     

基于遗传算法的分数阶控制器参数整定研究

针对动态系统可用包含非整数阶的积分和微分方程来描述的特点。同样将这一工具引入到分数阶控制器中,即包含分数阶积分和微分的PI^λD^β控制器;提出了基于改进遗传算法的分数阶PI^λD^β控制器定阶次参数整定的方法。通过使用该遗传算法,分别进行了采用整数阶PID控制器和分数阶PI^λD^β控制器,对整数阶和分数阶系统的控制器参数整定的对比仿真。结果表明,在限定相同的参数整定范围时,采用分数阶PI^λD^β控制器的控制效果优于整数阶PID控制器。     

基于主元分析的子空间辨识算法

子空间辨识算法作为一种优良的多变量系统辨识算法,最近在国内发展很快.但是现在国内介绍的大多数子空间辨识算法在变量有误差(errors-in-variable)时和闭环辨识时辨识结果却是有偏的,这是因为大多数子空间辨识算法都假设输入变量是没有噪声及辨识算法中存在的一个投影过程.文中介绍了一种新的子空间辨识算法,这种算法利用主元分析(PCA)来获取系统矩阵,避免了其他算法中的投影过程,因此该算法在闭环辨识和变量有误差(errors-in-variable)的情况下,辨识结果也是无偏的.最后给出一个仿真例子说明这种辨识算法的辨识效果良好.     

基于神经网络的软测量技术及其应用

针对工业过程控制中存在的被控参数测量，控制器参数整定两个方面的实际问题进行研究，利用神经网络对被测参数进行软测量，采用无辨识自适应控制解决PID参数的整定问题，两者结合，给出了一种切实可行的解决问题的方法，并举出了一个实际应用的例子。