热风加热沥青路面的湍流共轭传热与温度场预测

为了揭示沥青路面传热机理，研究了热风冲击射流对流换热和沥青路面内部导热的共轭传热过程，建立了热风加热沥青路面的冲击射流湍流共轭传热理论模型，采用大涡模拟研究了沥青路面温度场分布，获得了沥青路面温度场样本数据.利用本征正交分解法(POD)对温度场样本数据进行降阶处理，选取径向基函数插值方法，预测出了沥青路面温度场分布.仿真和实验结果表明：热风加热沥青路面冲击射流的湍流模型计算结果与实验温度的平均误差为5.4%;温度场预测精度随着选取模态阶数的增大而增强，采用POD分解与径向基函数插值方法计算温度场耗时仅为数值计算时间的0.63%,实现了沥青路面温度场快速且高精度的预测.     

基于小波递归神经网络的间歇过程迭代学习优化控制

针对间歇过程提出了基于小波神经网络的迭代学习优化控制算法,实现产品终点质量指标的控制。小波递归神经网络用于建立提供长期预测的间歇过程模型。由于模型误差以及未知干扰的影响,基于预测模型得到的控制变量在实际应用中得不到期望的终点质量指标。利用间歇过程的重复特性,采用迭代学习优化控制改善批次间的产品质量,根据以前批次的模型预...     

基于Q学习的有限时间随机线性二次最优控制

针对系统状态和控制均依赖于噪声的随机线性离散时间系统,采用基于值迭代的Q学习迭代算法求解模型参数部分未知的有限时间随机线性二次(SLQ)最优控制问题。首先给出SLQ最优控制问题可达性条件和适应性条件,并通过矩阵拉格朗日乘子算法得到最优控制增益矩阵序列以及相应的随机代数Riccati方程(SARE)。其次,以值迭代算法为基础定义Q函数,利用Q学习迭代算法获得每个最优控制增益矩阵所对应的迭代控制增益矩阵序列和H矩阵序列。该算法依赖于系统状态信息,摆脱了系统模型参数部分未知的限制,并证明控制增益矩阵序列收敛到各自的最优控制增益矩阵,H矩阵序列收敛到各自的最优H矩阵。最后通过一个仿真实例说明了Q学习迭代算法的有效性。     

一类非线性广义系统的状态反馈控制

针对状态空间为非最小相位的非线性广义系统的控制问题,首先利用算法求得非线性广义系统的状态空间实现,构建一个等价于原输出函数的综合输出函数,由此可任意配置非线性广义系统的状态空间实现的传输零点,使该状态空间实现为最小相位的;再对所得到的最小相位系统实施状态反馈控制,实现对非线性广义系统的状态反馈控制.并将此法应用到Logistic增长的SIR传染病模型上,以达到最终消除该传染病的目的.仿真结果表明所提方法可行有效.     

线性广义系统的D型迭代学习控制

根据误差收敛准则,提出了线性广义系统的迭代学习控制算法,利用矩阵理论及不等式技巧给出了线性定常广义系统在D型学习律作用下的迭代控制收敛性结果,这一结果是全新的,其对时变系统也成立;另外,针对线性定常广义离散时间系统,给出了一种通过最优化目标函数确定控制器参数的设计方法.     

执行器故障输出时滞双率采样系统的鲁棒迭代学习容错控制

为了提升一类具有执行器故障和输出端外部有界扰动的输出时滞双率采样系统的可靠性,该文提出了一种鲁棒迭代学习容错控制方法。通过提升技术将带有输出时滞的双率采样系统转化为形式上无时滞的慢速率采样的扩展状态空间模型;基于二维系统理论设计容错控制律,将迭代学习控制过程转化为等价二维Roesser故障模型;分析并优化了系统在时间和批次轴上的容错性能,同时以线性矩阵不等式形式给出系统满足这些性能的充分条件以及鲁棒容错控制器设计方法。最后,三层液位贮槽系统的液位控制仿真验证了所提方法的可行性和有效性。     

火焰清理工艺中平行多孔射流非预混燃烧的研究

建立了远程控制燃烧试验台,研究了天然气和氧气的非预混燃烧过程,利用间接测温法分析了多孔射流燃烧火焰的温度分布规律.利用Realizable k-ε湍流模型研究平行多孔射流的流场特性,采用平衡化学反应模型研究射流的非预混燃烧过程,数值计算得出的火焰结果与试验数据吻合较好.结果表明:多孔射流的卷吸与合并能够加快气体的混合与燃烧;平行分布的45股射流在喷嘴出口附近趋于形成双孔合并,随着流动发展会发生再合并,最终表现为3股强射流火焰形态.     

带有遗忘因子的滤波器型迭代学习直线伺服系统

针对永磁直线同步电机伺服系统,提出开闭环迭代学习控制器,实现期望直线位置的跟踪控制.分析了永磁直线同步电机的2-D模型及迭代学习直线伺服系统的收敛性.通过减小系统输入误差协方差矩阵迹的方式得到优化的遗忘因子,来修正控制输入的迭代学习律,同时采用零相位FIR数字滤波器对前馈学习控制器中的误差信号进行滤波处理.实验结果表明,带有遗忘因子的滤波器型迭代学习控制器能够保证直线伺服系统在不断的迭代学习中提高性能,有效抑制端部推力波动,系统具有很好的学习收敛速度、动态响应及控制精度.     

基于策略迭代和遗传算法的 SMDP鲁棒控制策略求解

半马尔可夫决策过程(SMDP)描述的一类受控半Markov系统,其模型参数在实际中常常不确定或不可知,可能导致随机过程的性能函数和系统参数(即嵌入链转移概率和状态逗留时间分布)皆不确定。该文针对参数不相关的情况,给出求解鲁棒控制策略的迭代算法,并在迭代过程中引入遗传算法,以提高全局优化能力。数值例子表明,基于遗传算法的策略迭代应用于鲁棒决策问题中具有较好的优化效果。     

混合高斯分布的变分贝叶斯学习参数估计

针对常用于非高斯信号或系统建模的包含隐变量的混合高斯分布模型,提出利用一种变分贝叶斯学习算法进行模型的参数估计.该方法采用一个形式较为简单的自由分布,通过不断最大化边缘似然函数的下界,迭代地更新变分参数,直至近似分布足够逼近参数真实的后验分布,从而实现混合高斯分布的参数估计.文中推导了该方法对混合高斯模型参数学习过程.实验表明,变分贝叶斯学习可以有效实现高斯混合模型的多参数估计,相比采样方法更有工程应用前景.     

间歇过程复合迭代学习容错保性能控制器设计

针对具有执行器故障和状态时滞的间歇过程,主要考虑输出反馈与迭代学习控制相结合,即复合迭代学习可靠保性能控制器设计问题,将具有时滞的故障系统转化为等价的2D-FM模型的时滞系统,在等价模型基础上,提出了基于2D动态输出反馈的鲁棒迭代学习可靠保性能控制策略,建立了依赖于时滞、确保系统稳定且具有最优性能的充分条件,并提出具有拓展学习信息的鲁棒迭代学习容错保性能控制的优化设计算法,同时,考虑了时滞对系统稳定性及性能的影响,实现了当系统发生执行器失效故障且在故障允许范围内时闭环系统的平稳运行,并具有最优的控制性能.另外,以注射成型过程保压段的喷嘴压力设计控制律为例验证了所提方法的有效性.     

基于变增益迭代学习算法的多元间歇精馏控制

面对多元间歇精馏过程的多阶段操作和非稳态运行特点以及高稳定性和高精度的控制需求,传统的反馈控制一般难以确定最优的回流比操作方案.针对该问题,在传统P(比例)型迭代学习控制(itecative learning control,ILC)算法的基础上,提出了一种学习增益沿批次指标自适应调整的变增益P型ILC算法.该算法能够保证间歇精馏过程在不同的操作时刻沿批次指标具有平衡的学习效率,从而提高过程控制性能沿批次指标的收敛速度.以Aspen Batch Distillation(ABD)软件系统中的一个三元间歇精馏模型为实际控制对象,对所提出的变增益P型ILC和传统PID控制以及P型ILC 3种控制方案进行了控制性能的仿真和比较,仿真结果证明了该控制算法不仅计算简单,同时比传统P型ILC算法具有更快的收敛速度.     

分批重复过程迭代学习广义预测控制

针对一类分批重复操作过程,提出迭代学习广义预测控制(ILGPC)算法·该算法利用以前的过程输入输出信息,在GPC结构中增加干扰预测估计的迭代学习前馈回路,通过对部分可重复干扰的估计和学习,提高了分批重复操作过程的控制品质,减小了跟踪误差·对算法的稳定性做了分析,并以间歇聚合反应过程为仿真对象,研究了算法的稳定性和鲁棒性·     

基于神经网络参数优化的迭代学习控制算法

针对迭代学习控制用于轨迹跟踪时存在收敛速度慢的问题,提出用RBF网络优化迭代控制器参数的算法.在每一次迭代学习过程之后利用RBF网络对当次输出的数据进行优化计算,拟合出最优的学习增益,使迭代学习算法具有较快的收敛速度,在单关节机器人中进行仿真验证了方法的有效性.     

一类时变系统模型参考自适应迭代学习控制

针对一类有限时间区间上可重复运行的有界输入有界输出稳定的一阶线性时变系统,其高频增益和惯性参数均时变,为使之能够跟踪不同的参考轨迹,将模型参考自适应控制方法与迭代学习方法相结合,提出了模型参考自适应迭代学习控制算法.基于类李雅普诺夫(Lyapunov-like)函数证明了当迭代次数趋于无穷时,跟踪误差在有限时间区间上一致收敛到零,并证明了闭环系统中参数估计和控制信号有界.系统仿真验证了所提控制算法的有效性.     

基于自构建RBF神经网络的内模控制

针对复杂的非线性被控过程,本文提出一种基于自构建RBF神经网络的内模控制方法。该方法中,神经网络的自构建学习算法包括结构学习和参数学习。结构学习采用最近邻聚类法使网络能够自适应地在线增加和删减神经元以达到理想的网络结构。神经网络的参数学习采用梯度下降法。将该神经网络用于内模控制,使得辨识被控远程内部模型和控制器模型的神经网络的神经元个数可以根据激励强度动态改变,进而改善了控制系统的动态性能和鲁棒性。仿真结果表明了所提方法的有效性。     

燃油连续加热炉数学模型

本文包括:(1)炉膛内钢坯加热数学模型;(2)最佳炉温及最低燃耗在线模型。 采用一维模型,应用Hottel多层无限大气层间的辐射热交换计算方法,把各火焰射流的作用,当量地看作是夹在上下炉气层之间的一个火焰层。它的平均温度t_f可以根据Ricou-Spalding射流吸入经验公式,计算火焰和周围炉气间的质量交换,再按热平衡方程把t_f计算出来。钢坯内部传热按一维导热问题,用差分求解。 还建立了一个较简单的炉膛传热仿真模型,据此求出各炉段单位炉温对出钢平均温度及中心温度的变化率θ_m/Ti及θ_s/Ti。还可确定最小燃耗函数P的各炉段加权系数W_i。 令各段在线炉温调节量ΔTi=(T_(i,max)—T_(i,o))—ΔT_i′,这就能在线性规划中用ΔT_i′代替ΔTi作为未知量以满足非负条件。这时目标函数P_(min)=-sum (W_iT_i′)。文中还附有一个说明各段炉温按上述线性规划进行最佳控制的例题。     

不确定条件下外协生产库存系统控制策略与参数优化

针对协作企业生产能力和运输时间不确定条件下的外协生产库存系统优化控制问题,提出了一种基于生产点和生产批量的生产库存控制策略。用统计概率分布对协作企业生产能力和运输时间的不确定性进行描述,以库存成本、生产准备成本和协作企业生产能力损失成本最小为目标,建立了生产能力和运输时间随机变动条件下生产库存系统控制策略的参数优化模型,设计了一种基于仿真的控制参数优化算法,通过实例对生产库存系统控制策略及控制参数优化算法进行了验证,并分析了生产点和生产批量等参数变化对与外协生产库存系统性能的影响。     

迭代学习控制在T-S模糊系统终端控制问题中的应用

针对T-S模糊系统的终端控制问题,提出了一种基于正交多项式的迭代学习算法.该算法把待求控制量表示为一组正交多项式的线性组合,将求控制量问题转化为求正交多项式系数问题.在此基础上,用迭代学习的方式来修正控制量的正交多项式系数,并采用LMI方法求解学习增益矩阵.最后,以单关节机器人为例说明了所提算法的有效性.     

小型吊舱式无人艇航向控制

针对小型吊舱式无人艇航向控制系统精度问题,考虑模型中的不确定性和风、浪干扰等未知项,设计一种基于RBF神经网络和迭代滑模算法的自适应控制器.在建立吊舱式无人艇运动数学模型基础上,采用迭代滑模算法提高收敛时间,并通过RBF神经网络权值逼近模型参数不确定项和未知扰动,最终将该算法与迭代滑模算法进行仿真比较.结果表明,所提出...