基于LSSVM-GPC的流化床锅炉多变量协调控制方法

为了获得良好的流化床锅炉控制品质,提出了一种基于最小二乘支持向量机广义预测控制(LSSVM-GPC)的多变量协调控制方法,以适应流化床锅炉多变量、强耦合、大滞后的动力学特性.在研究流化床机理模型的基础上,采用LSSVM算法辨识流化床模型,并将所得的决策函数转化为广义预测模型.对比结果显示,LSSVM预测模型能够准确描述对象输出特性,并有效去除测量噪声.为了解决FBC多变量预测控制中易出现的病态矩阵以及调节量动作频繁等问题,进一步利用关联分析法,设计了基于LSSVM-GPC的流化床协调控制方法.仿真结果表明,结合该方法能使锅炉负荷响应具有良好的快速性和稳定性,同时能保持床温基本稳定,并有效避免调节量的频繁变化,达到了节能优化控制的目的.     

质量控制中的统计相关分析与建模

介绍了统计相关分析方法及其在连续过程产品质量相关因素分析和质量指标的建模与估计中的应用。描述了多元统计分析中的主元素分析和部分最小二乘两种方法,并将这些方法用于连续过程的质量控制,进行炼油过程油品质量相关因素的分析和质量指标的统计建模与预测,对不同条件下的模型预测结果进行了分析比较。结果表明,统计分析是一种收集、整理、分析数据的有效方法,模型预测精度很高,它将为连续过程质量控制开辟新的途径。     

基于偏最小二乘回归模型的带钢热镀锌质量监控方法

提出了基于偏最小二乘回归模型的带钢热镀锌质量监控方法. 以带钢热镀锌生产中带钢力学性能和锌层质量的质量监控为研究对象,用偏最小二乘方法建立了生产过程参数与质量结果之间的回归模型,对生产过程控制能力进行了分析,并给出了产品质量的预测方法. 用鞍钢股份有限公司带钢热镀锌的实际生产数据进行验证. 结果表明,偏最小二乘法比传统的多元线性回归方法具有更好的预测精度,基于偏最小二乘回归的锌层质量预测模型,其相对预测误差可达到5.93%.     

基于PLS模型的自适应间歇过程质量预测

间歇生产过程中,很多质量指标不能在线测量,导致过程很难控制。该文应用部分最小二乘(PLS)方法建立软测量模型,通过批次初期在线测量的过程变量对最后的产品质量进行预测。同时,利用过程中得到的中间质量测量值对最后的预测结果进行修正。为了解决过程参数随时间变化的问题,在每个批次结束后利用新数据对原模型进行更新。将该法用于异丁烯酸甲酯(MMA)聚合反应过程,仿真结果显示,该法能够克服过程参数变化的影响,有效地预测最后的产品质量。     

基于偏最小二乘法回归的工序质量建模

针对制造工序质量控制问题,应用多元统计分析中的偏最小二乘回归法建立了质量模型.利用该模型可以定量分析加工工序与最终成品率之间的关系,进而通过将大量的工序影响因子约简得到主要影响因子子集.根据在线生产的相关质量数据,采用非线性迭代偏最小二乘法获得影响因子的权重.得到偏最小二乘因子权重可以在线预测成品质量变化,避免离线测试.在半导体制造实例研究中,以工序质量水平为自变量,成品质量水平为因变量,建立了质量水平传递模型,应用该方法可实现多工序质量异常的在线诊断和预测,为质量控制提供了定量依据.     

一种多向CPLS方法及其在间歇过程监控中的应用

将并行偏最小二乘（CPLS）算法引入到间歇过程监控中,提出一种多向并行偏最小二乘（MCPLS）监控方法.CPLS算法可以提取过程变量与质量变量的相关信息,也能对彼此不相关的信息进行主元提取.与基于PLS的监控方法不同,基于CPLS的过程监控方法提供了一个完整的监控框架,不仅能够监控过程变量,而且也能监控质量变量的信息,更好地反映了过程的运行状态.文中首先将间歇过程三维数据转换为二维数据,然后应用CPLS算法建立过程监控模型,构建T2c,T2x,Qx,T2y,Qy监控指标,并通过间歇过程批次间的统计特性计算出监控指标控制限,分别监控过程变量与质量变量的相关信息、彼此无关信息以及残差信号等.最后将MCPLS算法应用到青霉素发酵过程的监控中,应用结果表明了该方法在间歇过程监控中的有效性和优越性.     

基于递阶偏最小二乘回归的数据分析

针对最小二乘法难以克服因子多重共线性对回归模型精度影响的不足和大坝观测数据分析中因变量较多的特征,引进递阶偏最小二乘法,对大坝安全监测变量及其影响因子进行递阶偏最小二乘回归分析,将建模预测分析方法通过递阶分层处理,可同时实现回归建模和数据结构简化,所建立的大坝安全监控模型精度可通过交叉有效性检验来控制.工程应用实例和模型对比分析研究表明,递阶偏最小二乘回归模型能有效克服由于各类因子变量问的多重共线性和因子变量数目较多而对模型拟合精度及其预测能力的影响,相对于传统回归模型有更好的解释能力,因而具有一定的实用价值.     

基于小波网络的非线性多变量约束预测控制

为了解决非线性多变量系统的建模、控制和优化问题 ,论文扩展基于小波神经网络的单变量系统辨识到多变量系统辨识 ,并用它实现非线性预测控制。对开环稳定过程 ,引入一个具有输入约束的基于小波神经网络模型的区域预测控制方案 ,它的闭环稳定性能够通过适当选择它的预测水平来保证。基于上述动态控制方案 ,提出了一个稳态状态优化方案。通过对一个聚酯生产过程的仿真研究 ,证实了上述方法的有效性。由于能够通过线性最小二乘 (L S)估计方法来辨识 ,该模型易于实现并可用作通用模型。仿真研究的结果表明了该模型的通用性、辨识和控制方法的简单性 ,所提出方案能够被用于过程工业的非线性系统的建模和控制     

基于偏最小二乘回归的粮食产量模型分析

利用偏最小二乘回归方法对我国的粮食产量建立模型.在此基础上通过构造符合F分布的统计量,绘制T2椭圆图检测样本点中是否存在的异常点;通过构造变量投影指标反映每个自变量对因变量的影响程度,以此来提出提高因变量产量.     

气体分馏装置多变量预测函数控制方法

针对气体分馏工业过程中存在的多变量、强耦合、大滞后等系统特性,设计了一种预测时域可调的多变量预测函数控制算法.该方法结合单变量预测函数控制及Simith预估器的特点,通过对预测时域进行分段设定,以期达到较好的快速性和稳定性.以气体分馏装置的脱丙烷塔为例,依托现场的实测模型,对提出的算法进行了验证.结果表明,所提出预测时域可调的多变量预测函数控制算法调节时间短,跟踪效果好.     

具有混合约束的多变量系统的优化控制

给出了多变量预测控制的算法描述 ,解决了工业生产中存在的混合约束问题。并运用协调优化的原则对带有硬约束的操作变量进行了协调。当找不到满足所有约束条件的可行解时 ,对被控变量进行约束软化处理。采取线性和二次型相结合的惩罚函数 ,对预测时域上每个时刻的激活值进行惩罚 ,不仅可以保证可行解的存在 ,而且改进了控制系统的性能。理论分析证明 ,该算法能够保证闭环系统的稳定性 ,并具有较强的鲁棒性。仿真结果也证实了算法的有效性。     

基于潜变量模型的复杂过程生产设计方法

针对工业品生产过程控制中输入变量的确定及零空间问题求解等复杂过程的生产设计问题,在现有的多元潜变量建模及生产设计等相关问题研究成果的基础上,深入研究了主元回归方法的应用策略和生产设计问题,提出了一种基于潜变量模型的复杂过程生产设计方法.通过与基于标准回归模型生产设计方法对比,展示了该方法的优越性.该生产设计方法的操作条件不仅能够满足工业生产过程产品质量的要求,而且与历史工况的关联结构和范围保持一致,为零空间问题的解决提供了可行方案.最后通过仿真验证了该类方法求解含有零空间的生产设计问题的有效性.     

自相关过程质量控制图的最优经济设计

正确设计质量控制图参数,对降低生产成本、保证产品质量具有重要意义 提出了基于控制图的ARL,并应用蒙特卡罗随机模拟进行控制图参数的最优经济设计方法 该方法也可以用于其他控制图的参数最优经济设计     

操作变量与前馈变量转换对模型预测控制可行域影响机制

模型预测控制因其解耦性和强鲁棒性得以在过程控制中广泛使用.在实际生产过程中,因操作需要常常放开控制器对部分操作变量的控制,此部分操作变量则转化为前馈变量.变量之间的转换将使系统的结构在方系统、胖系统和瘦系统之间发生转换.对于瘦系统,操作变量的维数少于被控变量,其控制效果往往低于其他结构的系统.同时,原操作变量不被控制器控制后,转换为前馈变量,也会影响对系统的控制效果.可行域能直接反映系统控制效果.在对状态空间模型进行多步预测推导的基础上,将部分控制变量与前馈变量进行转换,用空间几何映射表示变量转换,并分析转换对系统可行域的影响.最后,针对实际生产过程中放开部分控制变量的情况,提出预判机制,以保证系统可控.     

一种基于核ridge回归的解耦控制系统

提出了一种新的基于核ridge回归的解耦方法。该方法具有传统径向基(RBF)神经网络解耦方法对被控对象数学模型依赖性小的特点，同时又能有效地克服RBF神经网络解耦方法对训练样本要求高、噪声敏感和解耦速度慢的缺点，经核ridge解耦器补偿后的控制系统具有被调节量和调节量之间耦合作用小、动态特性好、稳定性强的优点。补偿后的控制系统具有很强的校正能力，对外界各种干扰也有较强的解耦效果和控制质量。仿真试验表明，采用核ridge解耦器的多变量控制系统能够有效地解除系统各变量之间的耦合作用，且结构简单、易于实现，大大增强了解耦控制系统的实用性能。     

基于改进GA-PLS算法的最优辅助变量选择及其在软测量建模中的应用

提出了改进的遗传算法与部分最小二乘回归相结合的最优辅助变量的选择方法。用遗传算法来选择变量时，编码方法简单，染色体的长度为候选变量的个数，每一位的取值（0或1）表示某个变量是否被选中，具有全局搜索性能的遗传算法与传统的变量选择方法相比可以比较准确地找到最（次）优解；同时部分最小二乘回归能够克服多元回归中常见的多重共线性问题，在样本点个数少于变量个数的争件下也能进行回归建模分析。用文中提出的方法建立了催化重整过程中稳定油组分的软测量模型，结果表明了本文提出的辅助变量选择方法的优越性和实用性。     

卷取张力控制过程的故障诊断

在冶金工业生产中,带材的卷取过程会直接影响产品的最终质量.卷取张力是保证卷取过程稳定的重要因素.因此卷取张力控制过程的故障诊断具有现实意义.采用偏最小二乘（Partial Least Squares,PLS）对卷取张力控制过程的故障进行诊断.PLS是一种利用统计原理提取过程数据中的有用信息建立过程模型的降维技术.它不仅可以完成数据降维和特征提取,还考虑了输入、输出数据之间的回归关系.通过PLS分解可以降低空间的维数,使提取的主元具有变化度和可区分性,最后根据T²和Q统计量实现故障检测,通过累计贡献图实现故障识别.仿真结果验证了方法的可行性.     

组合惩罚下联合均值与方差模型的变量选择

在生产实践和计量经济领域中,控制产品质量的方差就能保证产品的合格品数相对稳定,所以当前学者对联合均值与方差模型的研究倍感兴趣.基于解释变量经常是具有相关关系的实际情况,提出了一种由SCAD惩罚和岭回归混合在一起的组合惩罚,该惩罚充分利用了岭回归能克服解释变量相关性过高对估计效果的影响,同时也证明了这样的惩罚具有相合性和Oracle性质.使用该组合惩罚对联合均值与方差模型进行了变量选择.最后的随机模拟结果表明该模型和方法是有效的.     

基于路径图的多元统计过程诊断

针对多元统计过程控制图中失控信号的诊断问题，提出了基于路径图的多元统计过程诊断方法.利用路径图给出的变量之间定量化的因果关系，对所有变量分别建立对应的线性回归方程，以得到联立方程模型.通过联立方程模型建立了统一的T2统计量分解方式，并构建了分解式中所有分解项的判定界限，将其作为判定引起失控信号产生的根本原因的标准.通过对三元系统仿真，验证了其有效性.