ANFIS在局部板形控制中的建模与仿真

在轧制生产过程中，局部板形动态特性往往表现出非线性、多变量、强耦合和大惯性等特点，这使得难以对其建立比较精确的模型，从而难于精确表达轧制过程及实施优化控制．针对局部板形控制建模难的现状，为达到建立精确非线性模型的目的，采用自适应神经模糊系统（ANFIS）模糊建模方法．该方法通过对模糊系统的结构辨识和参数辨识，使神经模糊网络能够自主、迅速有效地收敛到要求的输入和输出关系，从而达到精确建模的目的．Matlab仿真结果表明，通过anfis训练及检验的模型是有效的，具有较高的控制精度．     

无稳态非线性系统线性变参数模型辨识

针对无稳态非线性系统,提出2种线性变参数(linear parameter varying,LPV)模型辨识方法.对于线性权重LPV模型,结合高斯牛顿法和最小二乘法对局部线性模型的参数寻优;对于高斯权重LPV模型,采用Narendra-Gallman算法并根据参数与优化目标之间的关系,将参数分为线性部分和非线性部分并进行交替迭代.通过对循环流化床锅炉实际工业系统的建模结果和实测结果对比验证了所提算法的有效性.与带稳态LPV模型相比,3个主要输出蒸汽压力、蒸汽温度和炉膛温度均获得较好的输出拟合效果,最优匹配率分别提高52.8%,21.1%和32.2%以上.验证了所提算法在复杂工业非线性对象建模上的有效性和实用性.     

基于改进RLM算法的横向控制过程的系统辨识

横向控制过程测量数据的稀疏性以及模型的高维性、强耦合和不确定性使得系统模型难以辨识.为快速、准确地辨识系统模型,文中提出了一种改进的递推LevenbergMarquart(RLM)算法.首先阐述了横向控制过程的二维参数化模型和辨识该模型的阶跃辨识方法,然后通过修正RLM算法的目标函数来改进RLM算法,并应用改进RLM算法实时递推辨识系统参数化模型的对位、稳态空间响应和动态响应.仿真实验与实际应用结果显示,该辨识方法不仅可以一致地辨识系统参数化模型的空间响应与动态响应,而且具有比传统RLM算法更快的收敛速度.     

近海可再生能源综合发电场的非机理等效建模

为了建立准确的近海可再生能源综合发电场等效模型,提出了非机理建模方法。基于传递函数建立非机理等效模型,描述输入、输出的非线性关系。提出解耦参数辨识方式,并运用蚁群算法进行参数辨识。在Matlab/Simulink中搭建由风力发电机组、潮流发电机组和波浪发电机组组成的近海可再生能源综合发电场的相量模型,采集发电场模型在风速、潮流流速、波浪以及电压扰动影响下的输入输出数据。根据输入、输出数据建立传递函数模型,辨识模型参数,根据所得参数计算等效模型输出。等效模型输出与仿真模型输出的误差较小,验证了非机理等效建模方法在近海可再生能源综合发电场建模中的可行性。     

基于动态分离的Hammerstein模型辨识法

针对工业大系统中的Hammerstein模型,提出一种基于动态分离的辨识方法。将设定点的阶跃信号作为输入辨识信号,对Hammerstein模型中的线性动态部分进行分离处理,通过辨识得到一个线性动态模型。具体过程是,首先在Hammerstein模型中输入阶跃信号,依据系统的测量输出重构系统的中间输入,最后由系统的测试输入和中间输入估计非线性部分的参数。这样的设计使得输入单位阶跃信号能有效地反映系统的线性动态特性,并将非线性部分的静态影响有效地分离掉,从而利用分散辨识得到系统的线性动态模型。据此给出了工业大系统中Hammerstein模型辨识的动态分离方法,应用动态分离方法得到稳态模型强一致性估计。仿真结果表明,该方法有效性较强且适用范围广、计算简单;模型紧凑,可进行多变量阶跃测试,从而节省时间和人力,提高经济效益。线性部分参数分散辨识法收敛速度较快,非线性的拟合精度受噪声强度影响时,可用去噪的方法提高辨识精度。     

基于演化参数辨识的流体网络建模

应用演化计算理论研究了热动力系统中热工流体网络的仿真建模问题.从基本物理规律出发,建立了热工流体网络的通用仿真数学模型;采用演化算法对流体网络的参数进行辨识,避免了以往采用经验值或者网络在理想状态下的试验数据作为建模参数所造成的偏差,在提高计算精度的同时使模型的动态特性更加符合实际.将该方法应用于某蒸汽动力装置新蒸汽系统的仿真建模中,通过仿真结果和实测值的对比,证明采用演化算法辨识后的流体网络模型具有较高的计算精度,能够很好地反映网络对象的特性,在工程上是实用的.     

制冷系统蒸发器动态过程数学模型模糊辨识

建立制冷系统动态过程数学模型是实现制冷装置优化控制的重要基础.制冷蒸发器是一类过程复杂的两相流动与换热系统,具有明显的非线性和不确定性,其精确的机理模型难以建立.该文通过熵方法和竞争学习算法对输入空间进行聚类,利用递推最小二乘辨识算法(RLS)确定模型的结论参数,实现了蒸发器动态过程数学模型的在线模糊辨识.通过仿真实例,验证了模糊辨识方法对于制冷系统蒸发器在线建模过程的有效性,所建立的模糊规则模型不仅具有较高的辨识精度,同时还具有较为理想的泛化性能和在线跟踪能力.     

基于大时滞特性预估补偿的模型辨识及模糊控制方法

对具有大迟延特性的对象采用径向基神经网络辨识其预测控制模型,在不需要知道被控对象的精确物理解析数学模型,也不需要知道对象的脉冲激励响应模型和阶跃激励响应模型的情况下,可以实现对系统响应特性的在线辨识.采用分级模糊建模的思想,设计一种分级模糊控制器,可以极大地减小模糊规则基的规模,在分级模糊控制器的设计中,采用共生进化遗传算法对参数寻优,提高了进化速度.仿真试验证明,该方法的效果很好.     

发电机励磁系统参数辨识方法综述

励磁系统具有保持发电机端或枢纽点电压稳定,控制并行发电机无功功率分配等功能,对发电机乃至电力系统影响很大,因此励磁系统的精确建模十分重要。依据试验结果采用参数辨识方法是确定励磁系统模型参数的主要方法,该方法能够很好地拟合现场试验结果,具有辨识结果精确性高、稳定性强等特点,已广泛应用于励磁系统建模中。目前,参数辨识算法众多,该文将常见辨识算法进行总结。     

用Hartley变换实现连续动力学系统参数模型直接辨识

针对大多数物理系统是由一组微分方程表示的连续时间系统,难以获得信号的各阶微分,连续动力学系统参数模型无法直接辨识的问题,借助Hartley正、逆变换及其微分性质,在频域对信号去噪,获得信号及其微分的估计值,建立参数模型直接估计的最小二乘算法。通过数字仿真分别辨识一个二阶系统和四阶系统,研究频率指数M和时间T与辨识精度的关系,给出辨识时参数选择的基本原则。此外,运用此方法对某冷轧机液压自动厚控系统参数模型进行辨识,结果表明:该方法对噪声具有较强的抑制能力,是一种简单实用的辨识方法。     

Application of FNN to the Modeling of FCCU

IntroductionThe Fluidized Catalytic Cracking ( FCC )process is stable under normal conditions,butsometimes the whole process deviates from theoptimal track due to environmentaldisturbances oraging of the equipment.The optimal productionconditions and the best profit can be found bystudying the stable optimization state.There iscurrently little research or state optimizationapplications due to the difficulties of oldmeasurement and control equipment,modelingdifficulties,formidable research an…     

基于残差修正的涡轮增压机组差异演化建模与降负荷特性分析

针对船用增压锅炉涡轮增压机组的建模与运行特性分析问题,提出了一种基于差异演化算法和残差修正的演化建模方法.在涡轮增压机组机理模型的基础上,采用差异演化算法辨识模型参数,利用原始数据和所建模型的残差进行修正,避免了采用经验值或理想状态下的实验数据作为模型参数所造成的偏差,在所建模型和已有增压锅炉涡轮增压机组模型的基础上进行仿真实验,研究了涡轮增压机组在快速降负荷过程中的动态特性,并通过仿真结果与原始数据的对比验证了其可靠性.结果表明:在给定的模型空间和参数范围内,采用残差修正的差异演化算法能够自动生成同时满足实时性和精度要求的显性模型;通过对仿真结果分析发现,相对于锅炉,涡轮增压机组在快速降负荷过程中出现了明显滞后的现象,甚至可能导致锅炉熄火.     

动态系统的演化建模

针对传统方法解决动态系统微分方程建模问题所遇到的困难和存在的不足,设计将方程进行串结构编码并用进化方法进行演化建模的算法,以串形结构表示结构,用进化算法优化结构和参数,成功地实现了动态系统的常微分方程组建模过程的自动化。计算实例表明:采用此算法能够在极短的时间内由计算机自动发现多个较优的常微分方程组模型,与原来GA和GP结合的方法相比较,它具有建模过程智能化、模型结构非常灵活多样、数据拟合和预测精度更高等优点。     

基于T-S模型的高炉煤气系统模糊建模

针对钢铁企业高炉煤气系统这一复杂非线性系统的建模问题,提出一种基于数据的高炉煤气系统模糊建模方法.基于T S模糊模型的高炉煤气系统辨识模型,考虑系统中煤气调节用户的人为干扰特性,采用条件模糊聚类的方法来对输入/输出空间进行划分.引入模糊思想,使模型能够更好地适应工业噪声的干扰.利用贝叶斯线性回归方法求解模糊模型的后件参数,避免了后件参数求解过程中常出现的异常解问题.通过对实际企业高炉煤气系统的实验验证,结果表明了所提出的高炉煤气系统模糊建模方法的有效性,可进一步用于实施高炉煤气系统的优化与调度工作.     

表面粗糙度在线识别的理论与实践

工件表面粗糙度,反映了加工设备的动态特性。通过观察加工中工件表面粗糙度的变化,可以用作在线识别设备工况的一种手段。根据时间序列分析理论所建立的系统的等价模型,是建立在输出等价原则上的,可以不管输入和输出的因果关系。所建模型能随时间的推移具有某些统计特性,能用于在线识别。对于自回归AR(n)时序模型的建模过程、模型阶次的确定、评定所建模型的适用性及被识别系统工况的特征参数均进行了讨论,试验结果证明,所建模型能快速、准确判别设备工况变化,达到了在线识别的目的。     

成捆特钢棒材端面字符识别算法研究

为实现特钢棒材生产信息的全流程可追溯,分析特钢棒材生产环境及形状特点,采用基于双标志点的标记方案进行标记并利用机器视觉技术实现成捆特钢端面字符的识别。首先,采用Hough变换将成捆特钢棒材端面图像分割成单根;其次,采用基于小波变换的图像增强算法完成单根特钢棒材端面图像的增强;再次,将MSER算法和边缘检测算法相结合完成单根特钢棒材字符区域的检测,并基于投影法完成字符的分割;最后,通过创建和训练SVM分类器完成每一根特钢棒材端面字符识别,并将成捆特钢棒材端面字符识别结果输出保存。结果表明,新算法可以满足成捆特钢棒材生产过程中字符识别要求,字符识别准确率可达到97.35%。新算法将Hough变换、基于小波变换的图像增强算法、MSER算法、边缘检测算法、投影法及SVM分类器等算法融合到特钢棒材端面字符识别过程中,为特钢棒材生产过程中的信息获取、信息传递及信息追溯的技术实现提供了参考。     

基于改进型辅助变量法的压力传感器建模

针对经典压力传感器建模方法存在适应性较差、难以准确获取压力传感器动态特性的问题,提出了一种基于改进型辅助变量法的压力传感器动态建模方法。首先运用粒子群算法预估计模型参数,将预估计的参数代入差分方程构造辅助变量。然后利用输入、输出数据用辅助变量法辨识模型的参数,进行压力传感器系统仿真,在不同噪声模型及信噪比下得到系统输出,分别用提出的方法和现有方法建模,比较建模结果的差异。最后用激波管动态校准实验平台对压力传感器进行动态校准。根据输入、输出数据构造信息矩阵并对其正交分解确定模型阶次,再次用提出的方法和现有方法建模,验证仿真结果。通过压力传感器系统仿真及实验数据验证表明：在压力传感器建模中,改进型辅助变量法的辨识精度明显高于现有方法。     

几种改进型RLS算法在自适应滤波系统中的应用

对用于信道估值(自适应模拟系统)和信道均衡(自适应逆模拟系统)的几种改进型RLS算法进行了比较。由于信道估值的最优解可以模拟出信道的传输函数，从而得到较为准确的信道参数，而信道均衡的最优解却受噪声功率谱密度的影响，因此提出了适用于时变信道的、基于信道估值的均衡方法，采用性能良好的信道估值算法将改善自适应均衡的性能。     

基于Gasa-BPNN的水轮机系统辨识与预测控制

Based on the characteristics of nonlinearity, multi-case, and multi-disturbance, it is difficult to establish an accurate parameter model on the hydraulic turbine system which is limited by the degree of fitting between parametric model and actual model, and the design of control algorithm has a certain degree of limitation. Aiming at the modeling and control problems of hydraulic turbine system, this paper proposes hydraulic turbine system identification and predictive control based on genetic algorithm-simulate anneal and back propagation neural network (GASA–BPNN), and the output value predicted by GASA–BPNN model is fed back to the nonlinear optimizer to output the control quantity. The results show that the output speed of the traditional control system increases greatly and the speed of regulation is slow, while the speed of GASA–BPNN predictive control system increases little and the regulation speed is obviously faster than that of the traditional control system. Compared with the output response of the traditional control of the hydraulic turbine governing system, the neural network predictive controller used in this paper has better effect and stronger robustness, solves the problem of poor generalization ability and identification accuracy of the turbine system under variable conditions, and achieves better control effect.     

氧乐果合成过程的PSO-回归BP网络建模方法

为了提高模型效率,更好地反映实际系统的动态特性,根据氧乐果合成过程特点确定了PSO-回归BP网络结构.采用惯性权重动态调整的粒子群算法进行初始寻优,并基于改进的BP算法对优化的网络权阈值进一步精确优化,建立了氧乐果合成过程的PSO-回归BP网络模型.仿真结果表明,所建模型误差小、收敛速度快、网络泛化能力强,能更好地反映实际对象特点.