基于图像特征的铜粗选过程病态工况识别

泡沫图像特征是指泡沫图像中与浮选性能相关的局部黑色水化区域大小,即局部光谱特征.针对这一局部光谱特征形状、大小无规则性,提出了一种基于多维主元分析的特征提取方法,并将提取的特征应用于铜浮选粗选过程病态工况识别.首先,描述了铜浮选粗选过程,分析了影响粗选过程的主要因素和黑色水化区域形成机理;然后,提出一种基于多维主元分析的图像局部光谱特征提取方法;最后,将基于多维主元分析的图像局部光谱特征提取算法应用于铜浮选粗选泡沫图像,并将所提取的图像特征用于铜粗选病态工况识别.工业现场数据验证了所提方法的有效性.     

基于遗传神经网络模型的蔗糖结晶过程预测控制

针对蔗糖结晶过程控制中存在的模型复杂性和检测困难等问题,建立了蔗糖结晶过程的遗传神经网络模型,该模型用一种改进的实数编码提高了遗传算法的搜索能力,并根据该模型建立了结晶过程的预测控制系统,仿真和实验的结果表明,该方法在确定成糖时间和浓度方面是有效的。     

蒸发过程的非线性模型预测控制

针对蒸发过程的六效逆流蒸发系统存在着多变量、非线性且回路间具有较强耦合等特点,基于物料衡算和热量衡算在其稳态工作点附近建立了动态模型,并应用非线性模型预测控制策略进行了仿真研究.为了更好地解决非线性模型预测控制中的优化问题,采用遗传算法来计算其控制序列,并将输出变量的约束作为惩罚项加到目标函数中,以保证求出的控制量可行.与常规PID控制结果比较表明,非线性模型预测控制在控制性能上有了较大改善并起到了节能降耗的作用.     

基于有界干扰Hammerstein 模型的化工过程的预测控制

为了控制一类由Hammerstein模型描述的合有输入约束和有界干扰的非线性化工过程,提出一种鲁棒预测控制策略.该策略分为两步,第一步考虑系统状态不可测的情况,对无约束受干扰的线性模型采用鲁棒输出反馈预测控制方法计算中间变量,其中为了处理干扰,采用二次有界技术设计出能够在线更新的估计误差集合的方法使得系统有界收敛.第二步通过中间变量求解非线性代数方程和采用解饱和的方法得到满足约束的实际控制输入.为了验证方法的有效性,对聚丙烯牌号切换过程进行控制仿真.结果 表明,应用本文的控制策略,不仅能够保证优化问题的递推可行性也能保证闭环系统的鲁棒稳定性.     

基于RBF-ARX模型的预测控制

基于RBF-ARX模型的预测控制是针对非线性系统而提出的一种控制方法。本文介绍了基于RBF-ARX模型的预测控制器的结构和预测控制策略,证明了该方法在非线性系统建模和辨识中的有效性。     

基于GM模型的铜市场供需预测分析

铜作为重要的工业原材料,随着全球经济的复苏,铜市场供需趋势备受关注。以历史数据为依据,对全球铜资源分布特点以及铜市场供需形势进行分析。基于灰色系统预测模型,对我国及全球2014~2020年铜的市场需求量及供应量进行预测。结果表明,全球铜资源供需量在不断增加,其中又以中国铜资源消费量最大,国内市场供应不足,到2020年中国精炼铜消费量将占全球消费量的80%,而精炼铜和铜精矿产量分别占全球的65%和15%,市场缺口高达400万t。铜市场供不应求的局面严重制约着我国铜行业的发展,铜资源对外依赖度将进一步加剧。     

基于预测偏差的模型算法控制

提出了一种基于预测偏差的模型算法控制方法。计算了系统的预测稳态差和产生稳 态差的参考轨迹。这种算法的计算量与单步ＭＡＣ相当，但不经修改就可直接用于非最 小相位系统及迟延系统，并具有良好的控制特性。     

基于神经网络的预测控制模型研究

本文研究基于生产过程输入输出数据建立的神经网络模型问题。训练好的神经网络可作为预测模型，实现非线性系统预测控制；这对一大类过程控制系统的建模与控制具有启发意义。     

基于BLS-Lasso组合模型的火电厂蒸汽量预测

在火力发电过程中,蒸汽量的准确测量,对于汽轮机机组的经济稳定运行具有重要的意义。针对传统蒸汽量测量方法精度低的问题,提出了一种基于宽度学习系统(broad learning system, BLS)和Lasso (least absolute shrinkage and selection operator)回归模型的组合预测模型。首先利用One-class SVM (one-class support vector machines)算法对样本进行异常值检测,将检测得到的异常值剔除。然后,采用最大信息系数(maximal informationcoefficient, MIC)对特征变量和蒸汽量进行非线性关联性分析,确定宽度学习系统和Lasso回归模型的输入变量,通过训练得出各自的预测结果。最后,通过最优加权组合法确定两单一模型的权重系数,将它们所得的预测结果线性组合,得到最终的预测结果。实例表明,所建立的组合模型有效地缓解了单一模型在变化剧烈的峰值和谷值预测偏差大的问题,能够准确地预测蒸汽量。     

基于神经网络的预测控制模型研究

本文研究基于生产过程输入输出数据建立系统的神经网络模型问题，训练好的神经网络可作为预测模型，实现非线性系统的预测控制；这对一大类过程控制系统的建模与控制具有启发意义。     

基于特征模型的预测函数控制

传统的预测函数控制通常采用一阶的预测模型,该预测模型不能完全表征被控对象,因此使得传统的预测函数控制的鲁棒性受到一定限制．特征模型是一种比动力学模型简单,但能表征被控对象特征的模型．该文针对预测函数控制算法的缺陷,提出利用二阶特征模型来构成预测模型．通过工程建模获取了被控对象的特征模型,实现了基于特征模型的新型预测函数控制,并通过与采用一阶预测模型的预测函数控制进行比较．理论分析与实验结果均表明,采用特征模型的预测函数控制具有比一阶预测模型更好的控制效果,该算法在SUPCON-JX300X集散控制系统上实现．     

基于灰色马尔可夫模型的专利申请量增长率预测

由于专利申请量年平均增长率受多种因素的影响,本文把专利申请量年平均增长率的变化过程视为一随机过程,将灰色系统理论与离散状态的马尔可夫链相结合,提出了专利申请量年平均增长率变化过程的灰色马尔可夫预测模型。在状态划分过程中,采用均值一标准差分级法进行指标分级与状态划分,在实例分析中,把11年的专利申请量年平均增长率资料划分成五种状态。预测分析结果表明,利用灰色马尔可夫预测模型进行专利申请量年平均增长率的变化过程预测是可行的。     

基于PDF模型的泥沙起悬概率

该文基于动理学理论的方法,研究了明渠紊流中均匀泥沙的起悬概率。首先通过对颗粒受力特征的分析,得到了相空间中颗粒运动概率密度函数(probability densityfunction,PDF)所满足的输运方程。然后通过对PDF输运方程进行无量纲化,分析比较各物理量的大小,进而用摄动法解得了PDF的近似解。最后对得到的PDF在一定的速度范围内积分,得到了泥沙的起悬概率。该文得到的PDF近似解描述了颗粒在紊流中的随机运动特征,可以反映颗粒受的外力、浓度梯度及紊流强度梯度对颗粒运动的影响,基于此得到的起悬概率与实验资料符合较好。     

基于功能尺寸的车身尺寸质量控制

在现代汽车制造中,为了提升白车身关键尺寸对整车匹配的影响,在三坐标常规监控的过程中,引入功能尺寸的概念并付诸实施,该文主要讨论针对批量生产的车型,如何在三坐标单点测量的基础上,建立功能尺寸,包括测点的选取,公差的设置,最终将功能尺寸投入正常使用.     

基于Prophet-LSTM-PSO组合模型的医院住院量预测研究

针对医院住院量预测问题,首先利用先知模型（Prophet）与长短期记忆循环神经网络（LSTM）预测方法对2015年1月到2019年12月上海市东方医院呼吸内科住院量的时序数据进行建模分析,然后利用粒子群算法（PSO）求出两种模型对应的组合系数,从而得到最终的Prophet-LSTM-PSO组合模型,并通过RMSE和MA...     

基于灰色新陈代谢模型的煤矿瓦斯涌出量预测

针对煤矿井下瓦斯涌出量的特殊影响因素和灰色系统建模的特点,以煤矿瓦斯动态监测数据为基础,通过灰色系统建模、关联度分析及残差辨识,建立了灰色系统新陈代谢动态模型,并将该模型应用到某矿瓦斯涌出量预测分析中,由事中及事后检验结果可知:原始数据一次累加后进行的GM(1,1)预测中,新陈代谢动态模型预测矿井瓦斯涌出量的拟合精度高,结果准确可靠,克服了一般模型对井下瓦斯涌出量数据采集、模型建立的困难,实现了瓦斯涌出量的动态预测,可为煤矿安全管理的正确决策提供科学依据.     

基于性能触发的双层结构模型预测控制

双层控制结构广泛应用于工业过程控制,针对实际系统中不确定性导致的性能下降和控制不可行的问题,提出一种事件触发的动态实时优化(Dynamic Real-Time Optimization,D-RTO)与模型预测控制(Model Predictive Control,MPC)双层结构.上层采用经济模型预测控制(Economic MPC,EMPC)对目标函数进行优化,计算最优参考轨迹并传给下层;下层采用MPC使系统跟踪上层轨迹;通过构建基于性能指标的事件触发条件来及时补偿不确定性造成的系统性能损失,无需等到D-RTO的下一次优化.当实际系统性能指标与上层优化的性能指标之差超出阈值时,需要重新求解EMPC,并基于当前状态更新参考轨迹.在此基础上,进一步分析了事件触发的D-RTO与MPC双层控制结构的可行性和闭环稳定性.数值模拟实验验证了方法的有效性.     

基于人工神经元网络模型的预测控制研究

研究了基于人工神经元网络模型的非线性预测控制，所采用的网络为一种将线性模型与多层前向网络相结合的ＤＬＦ网络，仿真结果表明，该“混合网络”易训练，收敛速度可大大加快，在ＤＬＦ模型的基础上，本文研究了一种非线性预测控制算法，它的显著特点是在线计算量小。对于一非线性过程－球形罐液位的仿真结果表明，基于ＤＬＦ的非线性预测控制效果颇佳。     

基于模型预测控制的电动轮车辆横摆控制

为提高电动轮驱动车辆对不同路面的适应能力,基于模型预测控制提出一种将驱动电机的饱和输出力矩作为控制输入约束、将质心侧偏角作为输出约束的汽车横摆控制方法。建立2自由度的车辆状态空间模型作为预测模型,在线计算出跟踪理想横摆角速度所需的附加横摆力矩,通过调节相应驱动轮的驱动力来完成高效、简易的直接横摆力矩分配。将本文算法应用于四轮驱动的8自由度整车模型进行控制仿真,结果表明,该方法能够保证车辆在良好路面及湿滑路面上紧急转向和换道的操作稳定性,并能改善车辆循迹能力。     

基于预测的模型参考自适应逆控制

由于纯延迟离散系统仅存在延时的逆模型,因而对该系统进行自适应逆控制时,扰动消除会产生一定的延迟误差。为此,提出了一种基于非线性预测的模型参考自适应逆控制方法,实现了扰动的实时消除,从而无延迟误差,使系统控制性能得到改善。仿真结果表明了新方法的有效性。