基于Wiener结构的软测量模型及辨识算法

Wiener模型结构能有效地表征系统的动态和静态特性, 因此这里首先基于这一结构建立软测量模型, 利用动态与静态子模型分别建立辅助变量与主导变量间的动态与静态关系, 并说明该软测量模型的可行性, 给出模型具体表达式. 其次, 针对所提模型, 提出分步辨识方式获得最优模型参数, 说明其可行性. 再次, 为了减少计算和实现模型在线更新, 这里提出参数辨识递推算法, 并给出软测量模型参数的收敛性结论. 通过实例仿真, 可以看出本文提出模型的可行性, 以及分步辨识方式与递推算法的有效性.     

云南永昌铅锌公司全员参与辨识危险源

目前，云南永昌铅锌股份有限公司电锌厂对全厂各生产环节进行危险源辨识，全厂职工积极参与，并对辨识出来的100余项危险源进行了分级管理，使之得到了有效控制。     

基于双阶跃信号输入的Volterra模型辨识

Volterra模型作为非线性领域的一种非线性模型,由于其对工业过程可以以任意精度逼近,使得该模型有很广泛的应用研究意义。在将该模型运用到实际控制系统中之前,模型的高精度辨识显得尤为重要。在以往针对Volterra模型的辨识算法中,基本上主要是采用通用辨识算法识别模型参数,比如最小二乘法及各种改进的最小二乘法。这些通用的辨识算法在辨识Volterra模型时,不能充分考虑其非线性特点,同样不能在辨识过程中充分利用该特点。本文在充分考虑Volterra模型非线性的前提下,提出了一种基于双阶跃信号输入的Volterra模型辨识算法,该算法辨识原理简单,计算量较小,论文最后将该辨识算法应用到典型非线性CSTR系统的的辨识中,辨识结果证明了算法的有效性。     

基于容差关系的不完备信息系统的属性约简

粗糙集理论是一种处理不确定性知识的有效工具,属性约简是其核心内容之一,然而对于属性值有缺省的不完备信息系统,基于等价关系的经典粗糙集理论已经不再适用。由于容差关系下的不完备信息系统的属性约简的定义与经典粗糙集的属性约简定义相似,可以用容差关系对粗糙集理论进行扩充。文中通过定义容差关系下的可辨识矩阵,运用可辨识方法,得到了一种属性约简算法;接着分析了算法的不足之处,并且在此基础上提出了增加约简效率的改进型算法;最后通过一个数值例子,说明了该算法是合理的和有效的。     

含氮天然气液化脱氮精馏塔液位控制模型和仿真

提出了用精馏塔对含氮天然气脱除N2生产液化天然气（LNG）,精馏塔塔釜液位的一种控制方法。该方法以脱氮分离效率和稳定的产品（LNG）出料温度为控制目标,建立了塔釜液位控制模型并仿真。整个闭环控制模型包括被控对象传递函数,调节阀传递函数,PID控制传递函数和检测传递函数。其中调节阀传递函数的建立,采用先计算阀位-Cv值（流量系数）曲线;然后通过系统辨识法[1]求得数学模型;最后利用泰勒级数把非线性化转化为线性化并求得传递函数。通过Matlab软件[2]的仿真,在阶跃干扰下,得到了合适的液位变化曲线和合适的阀位变化[3]。     

具有谐波减速器的柔性关节参数辨识

为了辨识具有谐波减速器的柔性关节模型的关键参数,设计了一套基于多传感器融合的离线辨识方法,根据电机的位置传感器、电流传感器和关节力矩传感器的实验数据完成柔性关节模型关键参数的辨识.首先,建立采用谐波减速器柔轮输出的柔性关节模型;然后,使用正反转加载力矩的方法辨识出电机的力矩系数;并在空载的情况下,由关节力矩和电机输出力矩分别辨识出关节端和电机端的摩擦力;最后,采用敲击法初步辨识出关节的刚度和阻尼后,在关节位置受限条件下,逐渐增加电机输出力矩,得到柔性关节刚度和关节力矩的非线性关系.多次实验的结果显示,辨识出的参数具有较高的重复性,验证了该方法的有效性.     

三氧化二锑生产神经网络辨识应用研究

研究了三氧化二锑火法冶金反应炉前向多层神经网络的模型建立,及其BP算法,并利用此网络设计实时在线辨识器和神经网络控制器。通过BP算法的学习机构应用于三氧化二锑火法冶金炉,解决了多变量耦合、非线性的系统控制问题。实现了工艺过程的最优化控制。     

烧劣质低挥发分燃料700t/d预分解窑的综合优化改造

七里岗水泥厂700t／d预分解窑使用劣质低挥发分煤时，熟料产量仅619t/d。对窑系统热工检测和诊断后，对预热预分解系统进行了个性化技改，72h达标考核期间熟料平均产最达到918t／d。     

开滦冶炼精煤特性初探

阐述了开滦冶炼精煤的主要性质及其强粘结性和结焦性 ,分析了开滦精煤单种煤的炼焦特性和配入开滦煤炼焦对焦炭性质的影响。     

基于支持向量回归的动力电池参数辨识

根据铅酸蓄电池在放电过程中内部电化学反应导致外部电特性变化的特点,提出一种基于支持向量机原理的电解液密度辨识模型。利用支持向量机理论非线性回归的特性,简化测量电解液密度的过程,在恶劣环境下检测动力电池的电解液密度更显其优越性。预测实验表明,采用改进的交叉验证预测模型具有泛化能力强、稳定性好的特点,并且在小样本的条件下能达到预期的辨识精度。