粗铜冶炼中铜锍品位的动态预测模式 —AR（p）与指数平滑最优组合法

提出了一种对铜锍品位进行预测的新方法 ,即以采集的现场数据为基础 ,采用系统辨识动态地建立了AR(p)模型与三次指数平滑模型 .AR(p)模型要求数据对象是平稳时间序列 ,而三次指数平滑模型的数据对象具有随机性 ,考虑到铜锍品位的波动性 ,将 2种模型按最小二乘原理 ,以组合预测误差平方和为目标函数 ,通过使误差平方和极小化来确定 2种预测方法的最优加权系数 ,建立了一种新的组合模型 ,其预测误差最小 .结果表明 ,在当时数据条件下 ,AR(p)与指数平滑组合模型比AR(p)与指数平滑模型单独使用时精确度都要高 ,这对指导生产具有实用意义 .     

方差已知条件下平稳AR模型的贝叶斯分析

当方差已知时,分别对无信息先验和共轭先验条件下的平稳AR(p)模型进行了贝叶斯分析,并给出了平稳AR(1)模型回归系数的贝叶斯估计和预报分布的解析式.结果表明,两种先验分布下,回归系数的后验分布均服从平稳域内的截断正态分布.无信息先验分布下,后验均值与经典OLS估计值一致;在共轭先验分布下,后验均值是先验均值和经典OLS估计值的加权平均.     

基于RBF神经网络预测的MMSE控制

为了降低过程干扰造成的生产过程波动,研究了一种基于径向基(RBF)神经网络预测的MMSE控制器.首先,采用基于k-聚类学习算法的3层优化径向基网络结构,预测过程干扰时间序列,在此基础上设计MMSE控制器,将其作为EPC过程调整策略,应用于一个化工生产过程的SPC与EPC集成控制系统.然后,采用SPC控制图监测经上述MMSE控制器调整后过程输出并与传统MMSE控制器调整后的过程输出作比较.结果表明,径向基(RBF)神经网络可提高过程干扰预测精度,改进MMSE控制器的控制性能,减小过程波动,提升SPC与EPC集成控制的能力.     

变转速轴向柱塞泵恒流量控制的建模与仿真

以变输入转速下泵控马达恒速系统为对象,分析轴向柱塞泵变量控制机构的控制机制和斜盘变量机构力矩特性,建立了变输入转速情况下泵的流量控制模型,针对泵转速扰动提出了扰动乘积补偿和PI控制综合抑制方法.并在仿真软件EASY5上建立了泵控马达系统和变量泵排量控制仿真模型,对变量泵变量时间和转速扰动抑制进行了系列仿真.结果表明,在剧烈输入转速扰动和负载压力扰动下泵输出流量依然能保持恒定.     

早期火灾CO气体的时间序列建模

通过傅里叶变换红外光谱探测技术,对火灾燃烧过程中产生的CO气体体积分数进行探测和定量分析,并对现场实测数据的非平稳时间序列进行平稳化处理和AR(p)模型(自回归模型)建模.通过对模型参数在相平面上的分析,提取早期火灾发生过程中的特征信息,建立一种及时的火灾探测、报警的方法.     

具有负顾客的M/M/1排队系统驱动流模型

为了研究带有负顾客的马尔科夫到达排队系统驱动的流模型,流体的输入率和输出率由驱动系统中的状态过程控制.给出无穷小生成元,发现库存量与队长过程状态联合分布的Laplace变换(LT)具有一种矩阵几何结构,利用矩阵几何解方法,得到了库存量平稳分布的Laplace-Stieltjes变换(LST)及平均库存量的简洁表达式.通过数值例子分析了系统的参数.     

基于逼近理论的线性/非线性建模

针对ARMA模型(包括AR、MA模型)不适用于非线性、非平稳系统的问题,分析了Weierstrass逼近定理,并指出了其工程应用的可行性.在传统系统辨识的基础上,对照典型的输入/输出模型,针对不同的输入形式提出了3种不同的模型表达式,由数据可以直接计算模型参数,而无需用模拟方法先求传递函数,这对工程应用具有十分重要的意义.然后,针对模型定阶,分析了传统AIC准则存在的问题,提出了DIC准则.DIC准则不仅适用于线性/非线性建模,也可用于随机过程的建模.最后,将GNPAX模型应用于钢板冲击信号的建模.结果表明,通过模型参数的变化,GNPAX模型能准确识别钢板的结构损伤,识别精度高于AR,GNPA和ARX模型.     

基于Durbin-levinson估计的多维AR(p)过程的实证分析

基于Durbin-levinson算法对多维AR(p)过程的系数进行了推断,通过求解多维AR(p)过程的Yule-walker方程,给出了模型系数的矩估计,并介绍了模型定阶过程中的AICC准则,最后,利用ITSM2000程序对实际问题做了相关分析.     

AR(p)序列的一种判定方法

对实际应用中常见的时间序列——AR(p)序列,运用零均值平稳序列偏自相关系数的递推公式、差分方程以及代数学的相关知识,从序列的偏自相关系数层面给出了判定时间序列为AR(p)序列的一种理论方法,在此基础上可用成熟的AR(p)序列的分析方法预测该序列未来走势.     

基于神经模糊系统的自适应前馈-反馈控制系统设计

在前馈控制器设计思想的启发下,提出了一种基于神经模糊系统的自适应前馈-反馈控制系统。该控制系统首先把非线性过程近似为一个线性的ARX模型和一个基于神经模糊系统的线性化误差模型(FNNM)组成的合成模型,把线性化误差模型的输出看作可测量的"扰动",然后再引入前馈控制器,利用被控制过程的输入、误差模型的输出、线性ARX模型输出和系统输出值之间的误差以及被控制过程的合成模型的梯度信息对控制器参数进行在线调节,从而获得较好的控制结果。将提出的基于线性化误差模型的自适应控制系统用于简单不可逆放热反应的连续搅拌型化学反应器CSTR中,并与传统的PID控制器进行比较。仿真结果表明:这种基于神经模糊系统的自适应前馈-反馈控制器和PID控制器相比,能得到更快、更好的控制效果。     

多变量系统的最优预报控制

以完整的最小二乘递推算法和以约束最优化方法为基础,提出了p-输入q-输出多变量系统的最优预报控制(OPC)方法。数字仿真和实时控制实验表明OPC具有很高的控制精度以及理想的解耦和抗干扰能力。     

Trajectory tracking control based on linear active disturbance rejection controller for 6-DOF robot manipulator

The trajectory tracking control for a 6-DOF robot manipulator with multiple inputs and outputs, non-linearity and strong coupling is studied. Firstly, a dynamical model for the 6-DOF robot manipulator is designed. From the view point of practical engineering, considering the model uncertainties and external disturbances, the robot manipulator is divided into 6 independent joint subsystems, and a linear active disturbance rejection controller(LADRC) is developed to track trajectory for each subsystem respectively. LADRC has few parameters that are easy to be adjusted in engineering. Linear expansion state observer(LESO) as the uncertainty observer is able to estimate the general uncertainties effectively. Eventually, the validity and robustness of the proposed method adopted in 6-DOF robot manipulator are demonstrated via numerical simulations and 6-DOF robot manipulator experiments, which is of practical value in engineering application.     

基于未知输入观测器的不匹配干扰系统滑模控制

针对具有不匹配未知干扰的非线性系统,研究基于状态估计和未知输入重构的控制问题.在状态可测和未知干扰已知假设下,提出了一种新滑模控制器设计方法,以达到输出渐近稳定;通过设计一种未知输入观测器,对系统的时变未知输入进行重构;基于高增益滑模观测器对未知干扰的微分和系统的输出微分信息进行了有限时间内的精确估计;设计了一种新的基于观测器的控制策略,并论证其可行性.利用一个实际模型验证该控制器的有效性.     

带非线性输入的不确定系统的鲁棒L2-gain控制设计

作者对一类具有扇形非线性输入的不确定系统,在一定条件下,给出了一种鲁棒L2-gain控制设计,它保证了系统存在一类不确定性参数干扰时,闭环系统仍然满足给定的性能指标。     

基于广义回归神经网络的上肢关节角度预测

针对人体上肢运动意图识别问题,基于上肢表面肌电信号,提出广义回归神经网络(general regression neural network,GRNN)预测受试者的上肢关节角度.GRNN预测模型的输入为处理后的表面肌电信号,预测的3个关节角作为输出,将GRNN预测结果和径向基函数(radial basis function,RBF)神经网络的预测结果对比,并用均方根误差对上肢关节角度的预测结果做评估,验证GRNN模型预测上肢关节角度的可行性.结果表明,GRNN模型能较好地估计人体关节角度.     

基于概率理论和AR/GARCH模型的非线性损伤识别

为了解决在不确定因素干扰下的结构非线性损伤识别问题,提出了基于概率理论和自回归/广义自回归条件异方差(AR/GARCH,autoregressive/generalized autoregressive conditional heteroskedasticity)混合模型的非线性损伤识别方法。描述了AR/GARCH模型的组合理论及其相应的组合公式,给出了模型参数估计和定阶方法。利用损伤前后的加速度响应信号构造AR/GARCH模型,并进一步提取出非线性损伤特征因子。采用概率理论和置信区间方法获取相应的损伤存在概率,并建立基于层间刚度的基本概率损伤指标。在此基础上,基于权化技术提出了改进概率损伤指标以提高识别可靠性。数值计算和实验验证结果表明,基于概率理论和AR/GARCH模型的损伤技术可以较好地解决不确定因素干扰下的非线性损伤问题,改进概率指标的识别效果明显优于基本概率指标。     

捷联式三轴稳定跟踪系统的运动学建模与仿真

建立捷联式三轴稳定跟踪系统的正、逆运动学数学模型。由三轴稳定跟踪系统跟踪动目标的原理,在机构上建立了系统的各级坐标系及相应的齐次变换阵,利用方向余弦阵建立运动学方程,由矩阵对应元素相等解出３个独立关节变量,完成逆运动学解算。将解算的关节变量代入正运动学方程,得到系统实际输出量。在稳定及自动跟踪等状态下的仿真实验表明,模型的输出复现了输入跟踪信号,验证了数学模型的正确性。     

基于定性指标价值位置概率估计的效率模型

为克服CKS-DEA(Cook Kress Seiford-Data Envelopment Analysis)模型所采用的价值排序结构没有能力合理界定和控制决策单元之间的价值差异的缺陷,通过引入对决策单元定性指标偏好及其所处价值排序位置的概率估计,提出了一种测度决策单元相对效率的模型方法.在定性指标价值排序上,该方法采取等距价值结构,改进了CKS-DEA模型所依赖的非等距价值结构.等距价值结构的引入,使决策者或有关专家对决策单元定性指标价值偏好位置进行概率估计成为了可能;更有助于分析者通过价值位置的概率估计,构造出约束DEA权重取值的合理置信域,从而提高决策单元相对效率评价的分辨性.对10个决策单元进行效率评价的实例应用表明,利用该模型评价出的效率单元只有4个,而若用CKS-DEA模型进行评价则会有9个单元被评为效率单元,从而证实了提出的新模型方法具有比CKS-DEA模型更好的相对效率评价分辨能力.     

模型预测控制性能评价的一种改进方法

历史性能指标和设计性能指标的残差控制图可用于模型预测控制的性能评价,但是当外界干扰和模型变化很小或性能指标存在严重的自相关现象时,残差的-X-图很难检测出性能的变化。提出用残差的累积和控制图对模型预测控制性能进行监视,在Shell塔模型上的仿真实验表明了该方法解决问题的有效性。     

基于输出的供应链分销阶段绩效改进方法

总结了标杆学习中目标企业选择和学习途径确定的方法·研究了基于输出的绩效评价和改进的标杆方法,给出了特定输出增长等定义和有关数据包络分析(C2GS2)的扩展模型·模型中所有被评价企业均视为具有相同输入、输出的决策单元·指出最小特定输出增长为绩效改进的最短路径,所对应企业为最佳标杆学习对象·在供应链分销阶段,该方法更易于操作,企业可保持现有投入,通过提高输出元素水平改进绩效·