基于PCA与OLPP混合方法的化工过程故障检测

对于复杂的工业过程,采集到的过程数据能反映出生产过程的内在变化和运行状况。本文提出一种新的多变量统计过程监测策略,数据建模过程包含主元分析(Principal Component Aanlysis,PCA)与正交局部保持投影(Orthogonal Locality PreservingProjection,OLPP)两步。首先利用PCA在不丢失任何信息的前提下将原始数据旋转成不相关的潜变量,然后再作OLPP以提取能表征过程正常数据内在局部近邻结构的特征用于故障检测。利用T~2和SPE(或Q)统计量以及核密度估计方法确定的控制限进行化工过程的在线监测,TE过程仿真实验验证了该混合方法的有效性和优越性。     

基于队列敏感性的无线接入网络拥塞控制算法

由于无线接入网络存在强非线性、大时延以及随机链路丢包等因素,导致经典主动队列管理(AQM)算法在实际控制时存在队列收敛速度慢、响应时间长等问题。通过分析随机指数标记(REM)算法在无线接入网中的特点,在原先REM价格模型的基础上对其进行了改进,以队列误差的平方项来克服价格对队列变化不敏感的缺陷,从而提出了一种基于队列敏感性的无线接入网络拥塞控制算法,并利用单神经网络对其参数进行了优化。最后,通过NS2仿真平台对所提算法与REM、PI算法进行对比,实验表明所提算法拥有队列收敛快、鲁棒性强的优点。     

一种基于参数稳定域的PI~λD~μ控制器整定方法

在PI~λD~μ控制器的研究中,对于参数稳定域的研究取得了一定的成果,而对于如何在稳定域内确定满足系统性能要求的最优控制器则未给出具体方法。为此,本文提出了一种在参数稳定域内整定控制器参数的方法。首先根据D分割原理求得满足一定相角裕度要求的控制器K_p,K_i参数稳定区域,然后根据该区域边界确定K_p,K_i参数的上下界,并采用遗传算法,以时间乘以误差绝对值积分(ITAE)为性能指标求出在该区域中K_p,K_i参数的最优值。最后,分别以整数阶滞后系统和分数阶滞后系统为被控对象进行仿真。结果表明,由该方法整定的PI~λD~μ控制器可以实现对整数阶或分数阶滞后系统的有效控制。     

一种基于高斯核化有效性指标的自适应优选聚类数的FKCM

针对传统的模糊核聚类算法(FKCM)需给出聚类个数,且对初始值敏感、易陷入局部最优的缺点,本文提出了一种基于高斯核化有效性指标的自适应优选聚类数的模糊核聚类算法(GKVI-AOCN-FKCM)。利用基于密度和距离的方法选取初始聚类中心,克服了对初始值的敏感,提高了聚类效率。然后用高斯核函数核化后的有效性指标评价聚类效果并自动确定最佳分类数,从而无监督地实现对数据集的模糊划分。对Iris数据集的仿真实验及石脑油属性数据分类的应用验证了算法的可行性和有效性。     

考虑新能源出力不确定性的微网社区双阶段调度策略

针对新能源出力存在不确定性的情况,提出了一种基于多代理技术的微网社区双阶段能量调度策略,分为日前调度和实时调度两个阶段。在日前调度阶段,微网间调度代理(Dispatch Agent)运用蒙特卡洛模拟技术生成场景,通过引入微网之间能量互传模式,计算对应的能量调度矩阵,运用粒子群算法代理(PSOAgent)求解该场景下最优日前调度计划。在实时调度阶段,微网i代理(MGi Agent)基于日前最优期望调度计划,接收新能源t时刻出力数据并与预测期望值进行比较,快速制定t时刻实时调度计划,满足微网i的t时刻供需平衡且运行成本最小,实现微网社区的经济运行。通过与传统多时间尺度方法的对比实验,仿真结果表明所提出的方法在实时调度环节比传统方法具有更小的调度偏差,并且可以有效减少微网社区的弃风弃光现象。     

异步切换多智能体系统的协同输出调节

研究了一类控制器模态和系统模态不匹配的异步切换多智能体系统的输出调节问题.利用平均驻留时间和联合切换信号相结合的方法来处理由控制器与系统模态的切换存在时延引起的系统不稳定问题.提出一种基于输出反馈的切换控制策略,给出了异步切换多智能体输出调节问题可解的充分条件.最后,通过仿真实例验证结果的有效性.     

基于混合差分进化和alpha约束支配处理的多目标优化算法

针对约束多目标优化问题, 提出了一种基于混合差分进化和alpha约束支配处理的优化算法. 算法在用约束水平度对个体满足约束条件的程度进行定量化表达的同时融入支配关系. 在初期放宽约束水平度, 利用不可行解所携带的有用信息, 增加种群多样性, 在后期紧缩约束水平度, 控制不可行解的比例, 朝可行域方向进化. 同时, 将动态单纯形交叉算子和差分进化结合起来构成一种混合差分进化算法, 提高算法的探索和开发能力. 对6个典型测试函数求解的结果显示, 本文算法无论是在收敛性方面还是解集分散性方面, 与其它算法相比具有很大的优势.     

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。