具有降阶模型的多模型鲁棒自适应控制

传统鲁棒自适应控制由于考虑了实际系统存在的不确定性,在一定程度上扩大了常规自适应控制的应用范围,但是传统鲁棒自适应控制大多只是从系统全局稳定性的角度出发来设计控制器而忽略系统动态和稳态性能,导致其无法在工况多变的实际被控系统中取得令人满意的效果。针对传统鲁棒自适应控制的不足,本文对由ARMA模型描述并包含未建模动态的系统设计了多模型鲁棒自适应控制器。首先采用正则化技术将系统未建模动态转化为系统有界扰动,并在系统降阶模型的基础上根据系统工况的变化设计了多个固定控制器和2个鲁棒自适应控制器,并根据性能指标函数选择最佳控制器作为当前系统控制器以提高系统性能。仿真实验说明当系统存在未建模动态以及系统工况发生变化时,本文设计的控制器能获得较好的控制效果。     

一种基于混合压缩感知的WSN能耗优化方法

网络节点能耗是影响无线传感器网络生命周期的重要因素。提出了一种基于混合压缩感知(Hybrid-CS)的网络能耗优化方法。首先,为保证数据重构精度,根据参加数据收集节点数的不同,确定合理的观测矩阵维数范围。然后,通过分析不同维数观测矩阵对Hybrid-CS发送数据量的影响,求出较优的观测矩阵维数,从而使所设计的方法达到降低网络能耗的目的。仿真结果表明,该方法在节约网络能耗的同时还保证了数据重构精度。     

基于自适应模糊聚类多模型过程监控及应用

对乙烯裂解炉建立实时监控模型具有重要的现实意义,而传统的多元统计过程监控方法都是假设过程处于单一工况下,而随着过程参数(进料负荷、产品组分等)的改变,工况也随之改变,传统方法便不再适用.本文针对工业过程中的多工况问题,提出了一种基于自适应模糊聚类的多模型过程监控方法,该方法可以减少监控方法对过程知识的依赖性,并且能够适应实际工业过程的非高斯性和非线性特征.首先对影响工况的过程变量利用自适应模糊聚类进行工况划分,然后对每种工况的建模数据分别利用最大方差展开(MVU)提取低维信息,再用支持向量数据描述(SVDD)建立多模型过程监控模型,最后再利用相应的统计指标进行过程监控.将上述方法应用在乙烯裂解炉上,并与基于高斯混合模型的多PCA方法(GMM-MPCA)进行了比较.仿真实验中,监控对裂解炉运行影响最大的33个变量,根据聚类有效性指标,将数据划分为5类时可以得到最佳的聚类效果.通过实验,将33维建模数据降到20维时误报率最小.仿真结果表明该方法在对非线性和非高斯性过程的监控上,能达到很好的效果,误报率和检测率均优于GMM-MPCA方法.     

不确定离散时间系统的滑模可靠控制

存在状态时滞的不确定离散时间系统的的滑模可靠控制问题,其中,被控系统执行器可能发生部分故障.通过构造一种拟积分型切换面,可以保证系统状态轨迹从开始时刻就位于切换面上.利用Lyapunov稳定性理论和线性矩阵不等式技术给出了滑模动态系统渐近稳定的充分条件.而且,所设计的滑模控制律可以保证在执行器故障影响下的滑动模态仍然是可达的.数值仿真验证了本文设计方法的有效性.     

一种基于D-S 和ARIMA 的多模型软测量方法

针对传统软测量方法存在的预测性能差、融合能力低等缺点, 提出一种基于证据理论(D-S) 合成规则和差分自回归滑动平均(ARIMA) 模型的多模型软测量方法. 首先利用自适应模糊核聚类方法和最小二乘支持向量机建立多个子模型; 然后利用D-S 合成规则构造的概率分配函数作为权值因子, 对子模型输出进行融合以得到多模型的输出; 最后结合ARIMA 模型对静态多模型输出进行动态校正. 仿真研究与工业应用的结果表明, 所提出的方法具有良好的预测性能和融合能力.

     

基于局部密度估计的多模态过程故障检测

以市场需求为导向的现代工业过程的生产条件要根据市场的需求不断做出调整,因此实际工业过程中存在多种工况的复杂情况,而过程的数据将不再完全服从高斯分布,其均值与协方差结构往往随着工况的切换而发生较大变化,为了能及时检测此类生产过程中的故障,提出一种新的基于带宽可变的局部密度估计的过程在线监控策略。首先利用局部投影保留(locality preserving projection,LPP)将高维数据投影到低维子空间中,充分地保留数据的局部结构;然后通过带宽可变的非参数密度核函数来进行局部密度估计,并采用局部密度因子(local density factor,LDF)的思想构造监控统计量,进而对工业过程故障进行在线检测;最后通过仿真研究,结果表明所提方法能够有效地应用于多模态过程的故障检测。     

基于自适应采样算法的芳烃异构化代理模型

异构化是芳烃生产中的重要环节,提高异构化环节的建模和优化效率对工业生产有着重要意义。但是,直接使用机理模型的优化过程耗时较长,优化效率低。代理模型可以有效地对机理模型进行近似,而代理模型采样方法对模型精度有很大影响。提出了一种新的基于稀疏度和最邻近期望的自适应采样算法,该方法可以平衡全局搜索和局部搜索,通过求解优化问题找到反映函数关键信息的新采样点,再加入原始样本集中,使得代理模型精度不断提高。多个测试函数结果表明,相比于其他自适应采样算法,该算法能有效提升代理模型精度和建模效率。该算法在芳烃异构化环节代理模型中也得到了有效验证,与本文中其他算法对比,该算法模型误差减少5%以上,建模时间缩短30%以上。     

基于非负矩阵分解的多模态过程故障监测方法

针对传统的多元统计故障监测方法往往需要假设测量数据服从单一高斯分布的不足,提出了一种基于非负矩阵分解(NMF)的多模态故障监测方法。首先使用标准的NMF算法对训练集数据进行聚类,将多模态数据划分到各个模态中;然后使用稀疏性正交非负矩阵分解(SONMF)算法对各模态分别建模,同时构造监控统计量进行故障监测。将提出的基于非负矩阵分解的多模态故障监测方法应用于数值例子和TE过程的仿真结果表明,该方法能够及时有效地检测出多模态过程中的故障。     

改进鲸鱼优化算法及其在渣油加氢参数优化的应用

针对智能优化算法在处理非线性优化问题中存在的容易陷入局部最优和收敛精度差等问题,提出了一种基于结合差分进化和精英反向学习的改进鲸鱼算法（DEOBWOA）。该算法引入对立搜索初始化、精英反向学习,并结合差分进化进行变异修正,显著有效地提高WOA算法的收敛精度和收敛速度,提高其跳出局部最优的能力。之后采用8个标准测试函数进行仿真实验,结果表明：DEOBWOA算法与标准WOA、HCLPSO、DE算法相比,全局搜索能力和收敛速度都有较大提升。最后建立了渣油加氢动力学模型,考虑到渣油加氢过程中存在诸多典型的非线性约束问题,以某炼化厂渣油加氢装置为例,应用DEOBWOA对渣油加氢反应动力学模型参数进行优化,结果表明该算法能较好地处理实际工程优化问题。     

基于换热器分时共享机制的多时期换热网络结构设计

随着季节性的供需变化和化工过程中操作条件的变化,换热量也随之变化。由于不同时期换热需求的不同,多时期换热网络的设计得到了广泛的研究。本文首先介绍利用同步优化方法对每个时期单独进行数学规划模型的建立,运用GAMS软件求解得到单时期最优的换热网络设计;其次,为了减少不同时期换热网络整合后设备的投资成本,可采用一种分时共享机制对换热网络中所有参与热交换的匹配进行设计,然而该设计会带来管线成本的增加;最后,针对分时共享机制带来的管线成本的增加,提出了一种管线长度的优化模型,通过对模型的建立和求解,不仅可以得到换热网络中最少的管线成本,还可以给出换热器的最佳放置位置,优化了网络 结构。