基于支持向量机的直接逆模型辨识

在简单讨论逆模型辨识原理的基础上,利用支持向量机(SVM)对函数逼近的能力,提出了基于支持向量机的直接逆模型辨识方法.分别采用二次核函数以及高斯RBF核函数,利用训练数据对线性和非线性系统进行黑箱辨识.仿真结果表明,基于支持向量机的直接逆模型辨识方法在处理线性和非线性对象时,辨识性能都优于传统的BP神经网络,不仅辨识精度高,辨识速度快,而且泛化能力较强.     

基于遗传算法的模型辨识及不对称优化自校正PID控制

对模型类型已知,但参数变化的对象,提出一种改进的遗传算法来在线辨识模型的参数,用不对称优化法在线调整的ＰＩＤ控制器的参数,实现ＰＩＤ自校正控制。算法根据系统跟踪误差改变辨识精度,从而大大减少了辨识计算量;用保留收敛值二次取种的方法来预测遗传算法的早收敛问题,提高了搜索的精度与速度,防止辨识时出现死循环。仿真表明,该控制器对于变参数对象可获得满意的控制效果。     

打浆过程控制的现状和趋势

本文在查阅了大量文献和实地调研的基础上，回顾了国内外打浆过程控制发展历程，评述了几种典型打浆控制系统的特点、适用范围及取得的效果，并对今后的发展趋势作了较为全面的分析和估计。     

基于遗传算法的模型辩识及不对称优化自校正PID控制

对模型类型已知，但参数变化的对象，提出一种改进的遗传算法来在线辨识模型的参数，用不对称优化法在线调整ＰＩＤ 控制器的参数，实现ＰＩＤ 自校正控制。算法根据系统跟踪误差改变辨识精度，从而大大减少了辨识计算量；用保留收敛值二次取种的方法来预防遗传算法的早收敛问题，提高了搜索的精度与速度，防止辨识时出现死循环。仿真表明，该控制器对于变参数对象可获得满意的控制效果     

基于Matlab7.0和组态王的先进过程控制算法实测平台

先进过程控制算法实测平台结合Matlab强大的工程计算能力和组态王采集实时数据的优势,利用更为可靠的OPC技术建立Matlab7.0与组态王之间的数据通讯.平台封装了Matlab与组态王之间的OPC数据通讯接口,使用方便简单,实现了Matlab下算法验证数据的实时获取,对先进控制算法的实测有很好的实用价值.     

制浆造纸生产中的软测量技术——一个值得重视的课题

在回顾软测量的基本原理、主要作用及研究进展后，针对造纸工业专用在线质量检测仪表的现状，阐述了开展制浆造纸生产中的软测量技术研究的必要性，指出了蒸煮、打浆、抄造诸过程中一系列有待解决的软测量问题，探讨了解决这些问题的可能性和面临的困难。     

配浆过程计算机优化控制方案的研究

研究了对配浆过程实施计算机控制的优化控制方案，力图做到不同工况下配比优化、控制到位，从而保证正常生产、稳定成浆质量、节约造纸原料并减小对后续工段的影响     

Support vector machine based nonlinear model multi-step-ahead optimizing predictive control

1INTRODUCTION Modelpredictivecontrol(MPC)isaclassof controlalgorithmsinwhichadynamicprocessmodelisusedtopredictandoptimizeprocessper formance[1].Becausemanyindustrialprocessesare intrinsicallynonlinear,especiallyintwocases[2]:strongnonlinearregulatorcontrolproblemsand servocontrolproblemswithfrequentchangesof operatingpoints.Nonlinearmodelpredictivecon trol(NMPC)techniquesshouldbedevelopedto overcometheeffectofthehardnonlinear.Re cently,someNMPCalgorithmshavebeenputfor ward,whicharema…     

基于多核支持向量机的非线性模型预测控制

Multi-kernel-based support vector machine （SVM） model structure of nonlinear systems and its specific identification method is proposed, which is composed of a SVM with linear kernel function followed in series by a SVM with spline kernel function. With the help of this model, nonlinear model predictive control can be transformed to linear model predictive control, and consequently a unified analytical solution of optimal input of multi-step-ahead predictive control is possible to derive. This algorithm does not require online iterative optimization in order to be suitable for real-time control with less calculation. The simulation results of pH neutralization process and CSTR reactor show the effectiveness and advantages of the presented algorithm.     

离散非线性系统开闭环P型迭代学习控制律及其收敛性

本文在讨论了一般开环与闭环迭代学习控制的不足后，针对一类离散非线性系统，提出了新的开闭环ＰＧ型迭代学习控制律，给出了它的收敛性证明，仿真结果表明：开闭环Ｐ型迭代律优于单纯的开环或产才环Ｐ型迭代 律。