虚假数据注入攻击下直流微电网的滑模控制

针对一类控制通讯信道受到攻击下直流微电网系统母线电压波动问题,提出一种基于滑模控制方法的镇定策略,以实现动态控制与快速响应.首先,在直流微电网系统中引入蓄电池储能系统并构建系统数学模型;其次,设计积分滑模控制策略,控制储能系统注入镇定电流以稳定直流母线电压,从而抑制非线性扰动和虚假数据注入攻击对系统性能的影响;然后,借助适当的Lyapunov泛函,得到确保滑动模态渐近稳定和滑模面可达性的充分条件,保证直流微电网系统能够实现对负载需求的迅速响应及稳定运行;最后,通过Matlab数值仿真验证所提出的滑模控制策略的有效性.     

基于多数据集动态潜变量的在线性能分级评估方法

针对动态多变量过程中难以提取明确的过程变量的动态关系问题,本文提出基于多数据集动态潜变量分析(MSDLV)的在线性能分级评估的方法.首先将性能相近的过程历史数据段划分为不同性能等级的集合,然后运用MSDLV方法提取性能级之间的公共基向量,保留训练数据中性能相关的过程变化,将性能相关的特有变化分解为动态部分与静态部分,提取动态自相关过程的动态因素.建立动态潜变量与性能等级之间的离线模型后,在线评估当前过程性能以及判断其所处状态.最后,将该方法运用于乙烯裂解炉反应过程,结果表明该方法具有良好的准确度.     

丙烯精馏塔关键组分软测量研究

丙烯精馏塔关键组分塔顶的丙烷浓度和塔釜的丙烯浓度的准确测量是乙烯生产企业提高丙烯收率的关键。鉴于丙烷浓度和丙烯浓度分析仪经常出现故障,提出以RBF神经网络加协同随机粒子群优化(PSO)算法的软测量建模法,即利用RBF神经网络的局部逼近能力来获得模型的结构,利用协同随机PSO算法的全局搜索能力来优化模型的参数,提高模型的逼近能力和泛化能力。该方法克服了BP网络对初始值和网络结构敏感,容易陷入局部最优的缺陷,以及RBF网络全局逼近能力差的缺点。仿真结果表明,此方法所得软测量模型精度高,泛化能力强。     

改进灰狼算法及其应用

为提高灰狼算法的探索与开发能力,提出一种改进的多策略灰狼算法。在标准灰狼算法基础上加入对立搜索策略,提高算法收敛速度;引入正弦余弦搜索策略,提高算法的寻优精度;引进自适应局部搜索策略,避免算法陷入局部最优解,提升算法全局勘探开发能力。8个Benchmark函数的仿真实验结果表明,改进算法显著提升了算法的寻优精度和收敛速度。将改进的灰狼算法结合最小二乘支持向量机应用于加氢裂化数据建模问题,仿真取得了较好的结果,进一步验证了改进算法的有效性。     

乙二醇生产过程中环氧乙烷浓度的软测量研究

环氧乙烷浓度是乙二醇生产过程中的1个重要指标,其浓度大小直接影响到后续水合反应生成乙二醇的过程。环氧乙烷浓度与多种因素之间存在着复杂的非线性关系,在软测量建模的过程中消除这些因素的相关性可以有效地降低计算复杂度。本文综合应用主元分析法,粒子群优化算法以及径向基函数神经网络建立了环氧乙烷浓度的软测量模型。首先分析了影响环氧乙烷浓度的因子,并对这些因子进行了主成分分析,得到1组新的输入因子。然后按照累积方差贡献率选取合适的输入因子,作为RBF神经网络的新的输入,有效降低了输入变量的维数,减少了输入变量之间的相关性,简化了神经网络的结构,建立了环氧乙烷浓度的软测量模型。最后利用粒子群算法来优化神经网络参数,求解RBF网络的径向基中心和输出层连接权值的最优值,减少了计算时间,提高了计算精度,获得了较好的拟合和预测效果。与只采用RBF网络建立软测量模型相比,本文采用的方法建模的误差较小,计算时间较短,计算精度较高,网络的预测效果较好。     

基于多块MICA-PCA的全流程过程监控方法

多块策略广泛应用于全流程过程监控领域,以解决变量关系复杂性较高的问题,但传统分块方法得到的子块数据存在高斯与非高斯混合分布问题,影响过程监控的效果.为此,提出一种基于多块MICA-PCA的过程监控方法.首先采用Jarque-Bera(J-B)检测方法对原始数据进行高斯与非高斯分块;然后利用Hellinger距离(HD)方法获得高斯与非高斯子块,通过对高斯与非高斯子块采用不同的建模和诊断方法,提高监控效果;最后将该方法应用于田纳西-伊斯曼(TE)过程的监控中,以验证所提出方法的有效性.     

非线性多变量零阶接近有界系统的多模型自适应控制

针对一类多变量非线性离散时间系统,提出一种新的基于神经网络的多模型自适应控制方法.为了将非线性系统的高阶非线性项的限制条件放宽到零阶接近有界,该方法引入了一种新的非线性模型.该模型在传统线性回归模型基础上增加了非线性补偿项,使模型的估计误差有界.一个神经网络模型与非线性模型同时被用来对系统进行辨识.基于性能指标的切换机构选择性能较好的模型对应的控制器 对系统进行控制. 理论分析证明了零阶接近有界多模型自适应控制系统的有界输 入和有界输出稳定性. 仿真实验说明了提出的多模型自适应控制方法的有效性.     

一种基于自适应代表节点选择的WSN数据收集方法

采用压缩感知的无线传感网络数据收集方法要求每个节点都参与数据收集,会造成很大的能量浪费.本文提出了一种基于自适应代表节点选择的WSN数据收集方法,在保证压缩感知数据重构精度的同时,减少参与数据收集的节点数.首先,采用主成分分析和混合压缩感知相结合的办法设计稀疏基;然后,通过分析稀疏基的框架势FP(Frame Potential)设计压缩感知的稀疏观测矩阵,从而选择代表节点,以减少参与数据收集的节点数目;最后,根据Sink处数据重构精度,自适应调整稀疏观测矩阵以用作下一时刻数据收集,从而保证数据收集的重构精度.仿真结果表明,该方法有效的降低了网络能耗和数据传输量,同时还保证了每个时刻数据重构的精度.     

石油和化工行业智能优化制造若干问题及挑战

石油和化工行业是国家的基础性产业,目前面临转型升级的重大需求.本文首先回顾了石油和化工行业在生产全流程的信息检测、建模、优化控制,企业经营管理决策以及故障监测和安全环保等几个方面的进展.剖析了当前石油和化工行业存在的主要问题,提出了利用现代信息技术从生产、管理以及营销全流程优化出发,推进实现石化行业智能优化制造的智能化、绿色化、安全化的愿景目标,讨论了石油和化工行业智能优化制造所面临的新挑战.     

基于简化ASM1模型的污水处理厂曝气系统优化控制

本文建立了基于ASM1模型的曝气系统简化数学模型,在此基础上提出了以曝气能量消耗最小为目标函数的曝气系统优化控制问题。采用联立配置法进行优化问题的求解,把非线性微分代数方程组的DAE系统转化为非线性代数方程组,将动态优化问题转化为非线性规划问题,最后调用IPOPT解法器求解。在动态入水的条件下进行曝气池的优化控制仿真,其结果显示比传统定值PID控制可节约近40%的能耗。