基于大规模严格机理模型的数据校正

实时优化要求准确的过程模型与过程数据,然而通过仪表测量获取过程数据不仅存在随机误差而且有时还存在过失误差,直接影响实时优化的准确性.根据流程工业过程系统的特点,提出了基于大规模严格机理模型的数据校正,构造了随机误差与过失误差的隶属函数并根据它们的隶属度大小来诊断过失误差.当测量信息丰富时,可同时对进料的流量、组分及压力等多种测量数据同时进行数据校正.将基于大规模严格机理模型的数据校正应用于大规模乙烯分离系统进行仿真模拟,测量值仅存在随机误差时,经过数据校正后,满足严格机理模型.测量值引入过失误差时,可准确地诊断出过失误差.模拟计算结果证实了基于大规模严格机理模型的数据校正与过失误差诊断方法的有效性.     

基于渐近理论的两阶段过程辨识方法

提出了一种基于渐近理论的两阶段过程辨识方法：先用高阶模型得到无偏估计和频域方差;然后通过OE模型与MDL定阶法进行降阶处理。它将多变量模型结构辨识转换为易于实现的单变量问题,同时通过模型频域方差进行模型验证,解决了传统多变量辨识方法的阶次估计及模型验证难的问题。采用多通道测试信号,测试时间短,对装置生产影响小。应用实例表明了算法的有效性。     

带路径约束的聚烯烃牌号切换操作优化方法

产品多样化需求使得聚烯烃生产过程中经常需要进行牌号切换操作。以往关于牌号切换优化的研究大多只关心切换过程结束后聚合物质量指标是否达到目标牌号值,对过渡过程中质量指标及状态变量的波动情况缺少关注,而过程的波动会影响到最终产物的质量性质和操作平稳性。为此,本文以聚乙烯气相流化床反应器为对象,通过在牌号切换优化命题中加入关于熔融指数等的路径约束,防止过渡过程中的状态变量剧烈波动影响聚合物树脂质量。为求解此类带路径约束的动态优化问题,对常规的控制变量参数化方法进行了改进,通过求解微分代数方程(DAE方程)将路径约束转化为控制变量约束。仿真结果表明,加入路径约束可以有效避免牌号切换中变量的剧烈波动,增强过程平稳性。     

抄造过程控制策略研究及其实现

讨论了抄造过程计算机控制系统的控制策略及其实现；介绍了抄造过程定量、水分计算机控制系统的发展现状；对抄造过程的生产工艺特点进行了分析，给出了控制策略;详细讨论了控制系统的实现问题；并通过实验对控制系统进行了评价。     

SVM在车牌字符识别中的应用

采用支持向量机方法实现车牌字符识别.根据车牌字符排列特征,构造了汉字、数字、字母、数字 字母4个最佳分类器,通过车牌字符的序号对每个字符进行对应识别,再将识别结果组合得到车牌号码.实验结果表明该方法具有较高的车牌字符整体识别率,达到了98.33%,识别时间仅为15ms,能够满足实际应用.     

一种新颖的鲁棒PID控制器设计方法

提出一种新颖的鲁棒PID控制器设计方法,基于最小最大原理寻找一组合理的PID控制器参数,使得闭环系统在一定模型变化范围内仍具有满意的控制品质,降低对模型不确定的敏感程度,提高系统的鲁棒性。鉴于直接求解min-max问题的困难,首先推导出不确定性最坏情况下性能指标的上界,然后将min-max问题转化为最坏性能指标上界的min问题,计算量小且求解容易。同时,证明了该算法的鲁棒稳定性。CSTR仿真例子表明了算法的有效性。