一种基于ETSK模糊模型的模糊控制算法

基于扩张原理的ＴＳＫ模型（ＥＴＳＫ模型）,推导出一种ＥＴＳＫ模型的等价表达形式（变权ＴＳＫ模型）。该模型将规则后件中的模糊数及其扩展运算转化为普通数的运算。进而给出一种基于ＥＴＳＫ模型的模糊控制算法（ＭＢＦＣ）。仿真结果表明,该算法具有较好的控制效果。     

基于神经网络多步时序预测的非线性系统故障诊断

提出一种新的基于神经网络多步时序预测的非线性系统故障诊断方法。该方法先利用回归神经网络对多个传感器检测序列并进行多步预测,再由多步预测序列和传感器检测序列生成历史残差序列和预测残差序列。最后,根据统计定义的几个决策指标进行故障检测与诊断。与其它方法相比,本文方法所需信息较少、可诊断的故障较多。仿真表明该方法是有效的,可有效地增强故障信息、抑制非故障信息。     

基于LabVIEW的辨识仿真实验平台

论文介绍了用LabVIEW软件设计一种新的辨识仿真实验平台的原理、方法及其结构和功能特点。文中所开发的实验平台是集软件、硬件一体，能实现实时采样、数据处理、辨识、仿真等功能的实验系统。LabVIEW是开发虚拟仪器的一个常用软件。通过LabVIEW设计了程序的主要逻辑流程、与实际系统的硬件I／O接口和辨识仿真平台的用户界面；利用MATLAB语言设计辨识、仿真算法；并设计了远程访问等功能。利用该平台所作实验、仿真和分析结果证明了该平台是进行辨识实验研究的一种实用有效的工具，可供给工程研究和教学实验之用。     

基于COM的铝电解槽健康诊断系统软件平台

引入组件对象模型，阐述了组件的结构及实现，对多传感器数据融合系统体系结构进行了分析，基于COM技术，以一种新的体系结构对铝电解槽健康诊断系统软件平台进行设计与实现。通过引入COM技术，简化了铝电解槽健康诊断软件平台的设计和实现。     

非均匀周期采样多率系统的一种辨识方法

本文利用提升技术,推导了非均匀采样多率系统的提升状态空间模型.对于状态可测量的多率系统,利用最小二乘原理,给出了模型参数矩阵辨识方法;对于状态不可测的未知参数多率系统,利用递阶辨识原理,在考虑提升模型的因果约束下,将提升系统分解为子系统进行辨识,形成了状态空间模型递阶辨识方法.仿真例子表明,本文提出的递阶辨识方法是有效的.     

基于Agent的流程工业制造执行系统结构研究

随着集成技术的发展，流程工业综合自动化系统采用了ERP／MES／PCS三层体系结构。本文针对流程工业的特点，分析了现有制造执行系统的结构特征，对流程工业制造执行系统的功能模块进行分类，并构造出对应的Agent模块，以此提出一种基于Agent的分布流程工业制造执行系统结构，这种结构非常有利于分布式流程工业制造执行系统的管理和控制，具有较好的柔性和扩展性，在此基础上，研究了流程工业制造执行系统中每个Agent的运作机制和多Agent之间的交互协调机制，为实现流程工业制造执行系统功能的合理调度打下了基础。     

衰减激励条件下最小均方算法的收敛性

给出了衰减激励信号的定义,并在衰减激励条件下,利用随机过程理论,研究了随机系统最小均方算法的收敛速率,阐述了参数估计误差收敛时,衰减指数和算法中设计参变量 (收敛因子或步长 )的选择方法.分析表明:在衰减激励条件下,最小均方算法也具有良好的性能:当衰减指数和设计参变量满足一定条件时,则参数估计误差一致收敛于零.     

流程工业CIMS体系结构的探讨

在参考Ｐｕｒｄｕｅ企业参考模型和ＣＩＭＯＳＡ的基础上,本文结合生命周期和集成平台的思想提出了流程工业ＣＩＭＳ的体系结构,并在分析其特点的同时介绍了模型驱动的集成方法。     

多变量系统状态空间模型的递阶辨识

研究多变量系统状态空间模型的递阶辨识问题,推广了作者提出的标量系统状态和参数联合辨识算法.当状态可量测时,利用最小二乘原理直接辨识状态空间模型的参数矩阵;当状态不可测时,利用递阶辨识原理提出了状态空间模型递阶辨识方法,使用系统输入输出数据来估计系统的未知状态和参数.状态空间模型递阶辨识方法分为两步:首先假设系统状态是已知的(即参数估计算法中的未知系统状态用其估计代替),基于状态估计和系统输入输出数据递归计算系统参数估计;然后基于系统输入输出数据和获得的参数估计,递归计算系统的状态估计.     

基于集成神经网络的CSTR状态预测

针对连续搅拌反应釜(CSTR)具有的多重稳态性质,提出使用多个相同拓扑结构的神经网络模块组成的集成神经网络对CSTR的状态进行预测的方法。对集成神经网络的所有网络模块使用多目标粒子群优化算法进行同步训练,使训练结果收敛于参数空间内最优的Pareto面。避免了单一神经网络训练收敛到某一最优点可能产生的过拟和的问题;解决了使用传统训练方法对集成神经网络的子网络进行独立训练时增加学习算法复杂度的问题。对CSTR浓度预测的测试结果证明集成神经网络比同等规模的单一神经网络更适用于CSTR的状态参数预测。