基于斜度指标的混合流水车间调度方法

针对混合流水车间（Hybrid Folwshop,HFS)最小化工件全部完成作业时间（Makespan)调度问题，提出混合整数规划模型，基于斜度指标的方法来对工件进行排序，采用最先空闲设备（FAM）算法来分配设备，并给出其最优值的下界以检验该算法。仿真结果表明，该方法能够较好地解决混合HFS的调度问题。     

基于改进模式提取变异算子的遗传算法

在经典遗传算法的基础上，提出了一种基于改进模式提取（Algorithm of pattern extraction,Alopex)，种群个体的连续进化方向作为当前代个体的变异方向，并利用自适应来调整变异步长，通过控制参数来控制变异方向的概率从而跳过局部最优值。对几种典型函数的测试结果表明，基于该变异算子的遗传算法能较好地避免收敛到局部最优，收敛性能优于经典遗传算法。     

一种新的软测量方法及其工业应用

软测量是一门新兴的工业技术，它通过数学模型计算得到工程上难以检测的变量值．本文提出了一种基于模糊神经网络的软测量新方法，运用模糊集合论的知识对非线性对象进行局部模型的划分，并采用趋化性网络进行建模和模型校正．经在某炼油厂精密精馏塔的推断控制系统中的应用，表明该方法能够比较精确地建立过程模型，有效地进行模型的在线校正，而且具有灵活、简明的特点．     

模糊聚类学习算法在连续搅拌反应釜(CSTR)系统动态建模中的应用

针对化工生产过程中一类强非线性对象的动态建模问题,采用模糊最近邻聚类学习算法对这类对象中有代表性的ＣＳＴＲ系统进行了模拟动态建模．仿真结果表明效果良好,且从算法的简便性、收敛性及运算速度上来说,优于一般的模糊辨识和神经网络辨识算法．从模型简化的思想出发,文中还对传统算法进行了适当的改进,使模型和模型的泛化特性得到了进一步简化和加强     

不确定离散系统的输出反馈鲁棒镇定

研究了一类具有范数有界时变不确定性的不确定离散系统的输出反馈鲁棒镇定问题．系统不仅存在状态矩阵不确定性,而且存在控制矩阵和输出矩阵不确定性．得到的动态输出反馈补偿器确保对于所有容许不确定性可以镇定被控对象．给出动态输出反馈补偿器存在的充分条件．最后通过求解一个等价的线性时不变离散系统的标准Ｈ∞输出反馈控制问题,构造出线性时变不确定离散系统的动态输出反馈补偿器的系统矩阵     

一种非线性稳态自适应优化方法

结合系统优化和参数估计的修改二步法(MTS),提出了单参数在线修正模型的非线性优化控制自适应方法。根据Lyapunov稳定性定理,给出了MTS法稳定收敛的最优协调增益K的在线计算方法,大大加快了算法的收敛速度,以甲醇制甲醛生产优化控制为例,仿真结果表明,该方法是有效的。     

工业大系统递阶多目标优化的分解协调方法

研究了工业大系统递阶多目标优化问题,将其归纳为三种基本形式,并提出了三种相应的新算法。这些方法的基本思想是利用分解协调原理和多目标优化技术,将原问题化为一个二级优化问题。第一级求解一系列低维数的多目标子问题,第二级进行协调。这样大大节省了所需的计算机内存容量,加快了算法的收敛速度。这些算法还具有简单、实用等优点。数值例子证明了以上的结论。     

一种新的基于相位裕度PID参数最优整定方法

提出了一种ＰＩＤ参数最优整定方法,两次采用线搜索分别整定出Ｋｐ和Ｔｉ、Ｔｄ,根据裕度的概念推导出的参数整定公式与基于几何图形推导出的参数整定公式一致,介更容易理解,为了消除一个多余的自由度,规定Ｔｉ与Ｔｄ间成比例关系,并通过参数寻优来寻找Ｔｉ与Ｔｄ间的最佳比例系数,与其他最优整一方法相比,该方法有一个突出的特点,它不需要建立被控对象的数学模型,几乎无需任何有关被控对象的先验知识,仿真实验证明了该方     

投影寻踪学习网络及其在控制系统中的应用展望

介绍了投影寻踪学习网络（ＰＰＬＮ）的结构原理，给出了其基本学习算法．讨论了ＰＰＬＮ算法结构改进及优缺点，分析了它对多变量控制系统建模、软测量及控制器设计问题的适用性，并展望了ＰＰＬＮ良好的应用前景．     

基于小波去噪核主元分析和邻近支持向量机的性能监控和故障诊断

针对化工过程数据中包含噪声和强非线性的特点,提出了基于小波去噪核主元分析(De-ncdsed Kerntel Principal Component Analysis,DKPCA)和邻近支持向量机(Proximal SupportVector Machine,PSVM)的性能监控和故障诊断新方法.将样本数据用小波方法进行去噪处理,去除数据所包含的噪声,通过KPCA将降噪后的数据进行变换,在特征空间里构建T2和Q统计量来监测是否有故障发生;若发生故障,则计算数据的非线性主元得分向量,并将其作为PSVM的输入值,通过PSVM分类来确定故障的具体类型.流化催化裂化装置(FCCU)仿真试验验证了小波去噪的必要性和利用DKPCA-PSVM进行监控和故障诊断的有效性.