MIMO非线性系统的多模型建模方法

针对实际工业过程中多变量系统存在着非线性、工况范围广的特点,本文提出了一种新的多模型建模方法.首先对系统调度变量进行满意模糊c均值聚类,在此基础上采用基于加权性能指标的多模型辨识算法辨识多模型系统,得到的模型在全局拟合与局部特性之间取得良好的权衡,同时能得到每个局部模型的适用域.以典型pH中和过程为对象,采用上述建模方法建立其系统多模型,仿真结果验证了该建模方法的有效性.     

一种基于加权性能指标的多模型辨识算法及其在热工过程中的应用

Most existing algorithms for identifying multi-model system are based on minimizing the square of bias between global outputs of the actual system and the identified model, but the resultant model lacks of robustness. In order to solve this problem, this paper considers some other algorithms in which local models are identified independently and presents a multi-model identification algorithm based on weighted cost function, which uses the idea of local weighted regression and local approximation while keeps the model structure of global identification algorithm. The result of application to a 300MW unit boiler superheater illustrates that the multi-model generated by the proposed algorithm has better trade-off between global fitting and local interpretation.     

基于减法聚类的多模型在线辨识算法

考虑到实际工业过程中复杂系统的工况变化往往具有不确定性的特点, 离线辨识的多模型系统难以自适应反映系统的非线性, 因此本文提出一种新的基于减法聚类的多模型在线辨识算法. 首先采用在线聚类算法辨识多模型系统中的局部模型个数与工况参数, 然后充分考虑聚类发生变化对局部模型参数辨识的影响, 给出相应的局部模型参数在线辨识算法. 最后以某电厂300MW锅炉--汽轮机的协调控制系统为对象, 采用上述辨识方法进行仿真研究, 结果验证了本文算法的有效性.     

非线性系统多模型控制方法的研究

本文对非线性系统控制的多模型方法进行了详尽的分析和论述,包括分解合成的基本原理、多模型建模与控制的主要方法以及所涉及到的系统分析方面,对非线性系统多模型控制的发展进行了展望。