过程不确定性下丙烯精馏过程多变量预测控制技术应用

以丙烯精馏塔的多变量预测控制为研究对象,将卡尔曼(Kalman)滤波方法与动态反馈预测控制技术相结合,提出了一种带有积分输入补偿的Kalman滤波方法对系统不确定性干扰进行估计,然后将滤波后的输出、控制作用及状态信息动态反馈给多变量预测控制器以增强系统的抗干扰能力,提高控制系统的性能,并构建出丙烯精馏塔过程机理模型及仿真平台。仿真结果对比表明,采用本文改进的Kalman滤波方法使得多变量预测控制系统的控制性能和鲁棒性明显增强,生产过程更加平稳。     

多变量生物发酵过程的解耦控制

把非线性系统的逆系统方法与神经网络非线性辨识技术相结合 ,提出了一种基于神经网络逆系统的发酵过程多变量解耦控制策略 .当过程模型缺乏足够的先验知识时 ,所提出的解耦控制策略对多变量非线性连续发酵过程取得了良好的控制性能 .仿真结果表明 ,提出的解耦控制方法能够适应过程模型的不确定性和参数的时变性 ,具有较强的鲁棒性 .克服了基于微分几何理论的逆系统解耦控制方案依赖于过程模型和对模型参数变化很敏感的缺点 .     

多变量生物发酵过程的解耦控制

把非线性系统的逆系统方法与神经网络非线性辨识技术相结合，提出了一种基于神经网络逆系统的发酵过程多变量解耦控制策略．当过程模型缺乏足够的先验知识时，所提出的解耦控制策略对多变量非线性连续发酵过程取得了良好的控制性能．仿真结果表明，提出的解耦控制方法能够适应过程模型的不确定性和参数的时变性，具有较强的鲁棒性．克服了基于微分几何理论的逆系统解耦控制方案依赖于过程模型和对模型参数变化很敏感的缺点．     

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     

数据驱动的变速变桨风能转换系统恒功率控制

为了实现风能转换系统在额定风速以上的恒功率控制,必须同时控制桨距角和电磁转矩。针对变速变桨风能转换系统具有强非线性和不确定性难于建立精确模型的问题,将数据驱动的最优控制理论和多变量控制策略相结合,根据变速变桨风能转换系统的输入输出数据得出系统的马尔可夫参数,据此构造一个基于数据的状态观测控制器,并通过差分Riccati方程的闭合解来设计多变量最优反馈控制器。在MATLAB/Simulink的仿真结果表明:在不建立模型的基础上设计的数据驱动的多变量最优控制器能够有效地实现系统的恒功率输出控制。     

时变遗忘因子的子空间辨识及预测控制器设计

针对线性时变多变量系统,在存在不可测干扰及系统动态特性变化较大的情况下,不需要已知系统先验结构信息,不需要辨识出系统参数矩阵,提出一种完全数据驱动的具有变遗忘因子子空间辨识的预测控制器设计方法.预测控制是一种基于模型的控制方法,为了更好地建立被控系统模型,在已有的在线辨识基础上,根据实测输出值与预测输出值的误差构造变遗忘因子,以调整采集数据的权重,提高辨识灵敏度和控制效果.最后通过实例仿真验证算法的有效性.     

微生物间歇发酵比生长速率辨识及优化算法

根据微生物间歇发酵甘油生产1,3-丙二醇过程的特征及动态行为,建立了能够更好地描述微生物间歇发酵过程的含控制函数和参数的动力系统,证明了该系统的一些性质.以实验数据和计算值之间误差平方和最小为性能指标,建立了系统辨识模型.根据微生物生长特点,采用离散化方法将系统辨识模型转化为一个参数辨识问题.最后,构造了改进的粒子群算法求解.数值结果表明实验观测值和计算值之间的相对误差比已有研究结果降低了6%~16%,该系统能更好地模拟间歇发酵过程.     

基于最小二乘改进算法的时变系统参数辨识

在系统辨识领域,常规最小二乘法是一种最基本的辨识方法之一.然而,随着观测数据的不断增加,会出现“数据饱和”的现象,造成新观测数据对估计值起不到修正的作用.由于新观测值对未知参数估计的影响要比旧观测值大,采用了渐消记忆和限定记忆最小二乘改进算法,来实现时变过程的参数辨识,并进行了仿真实验.仿真结果表明,它们能够克服“数据饱和”现象,从而改善参数辨识结果     

基于多模型在线辨识的滑模变结构控制

为了改善复杂非线性系统中传统滑模变结构控制系统的控制效果,提出了一种将多模型在线建模与滑模变结构控制结合的方案.首先,根据输入输出数据利用在线数据聚类的方法建立多个局部模型,实时对局部模型进行更新,并通过加权综合获得非线性系统的在线辨识模型;然后,针对系统的辨识模型设计基于趋近律的滑模变结构控制器.仿真结果表明,控制方案对系统模型的不确定性具有良好的鲁棒性.     

应用多变量系统辨识建立浮选回路在线模型

浮选回路的在线模型是实现浮选回路计算机高级控制的基础.本文将多变量系统辨识理论和方法应用于浮选回路在线模型的建立,以带外生可观测干扰变量的多变量受控自回归滑动平均模型作为浮选回路在线时间序列模型的基本形式.在IBM-PC/XT微型机上建立了通用的多变量递推辨识程序包MVRIMPB,用以估计模型的阶和参数.最后用仿真方法考查了程序包的实用性.     

电液伺服系统多模型鲁棒自适应控制

针对电液伺服系统中存在不确定非线性和强参数不确定性的问题,提出一种多模型鲁棒自适应控制算法。根据系统参数不确定性范围建立了多个辨识模型,在辨识模型中设计非线性鲁棒项,以抑制干扰、未建模动态等不确定非线性的影响,提高系统的鲁棒性。基于辨识模型设计相应的控制器,采用基于辨识误差的性能指标函数作为切换依据,选取最佳控制器作为当前控制器,解决了传统自适应控制对参数自适应初值敏感的问题。该方法能够克服不确定非线性和强参数不确定性的影响,使系统得到渐进跟踪的性能,提高系统的瞬态响应性能。实验结果表明,该算法能抑制建模不确定性的影响,系统期望跟踪指令幅值为10mm时,跟踪误差大约为0.038 6mm,相对跟踪误差约为0.386%,系统跟踪精度得到了提高。     

基于现场数据热工对象建模的可辨识性

为克服现有机理建模和试验建模方法的不足,从基本建模理论出发,研究了利用现场数据对热工对象进行建模的问题。基于现场数据建模需要对热工过程输入信号的可激励性、控制系统闭环可辨识性、多变量系统输入信号的无关性等进行判断。结果表明:在较大的机组负荷波动过程中采集的运行数据能够满足输入信号的可激励性;热工过程的大滞后现象对保证热工控制系统的闭环可辨识性有利;含有噪声的实测信号能够保证多变量系统的可辨识性。在满足以上条件的情况下,可以基于现场数据对热工对象进行建模研究。     

逆系统方法在制导系统中的应用

利用非线性控制折逆系统方法原理，在多变量辨识基础上建立一种远程反坦克导弹制导系统的逆系统控制器，通过改变伪线性系统控制器输入以参数，减少辨识模型的差异和降低由于输入限幅对控制快速性的影响。     

非自衡时滞过程的一种闭环辨识方法

非自衡时滞过程作为一个开环不稳定过程，开环辨识测试过程中的外界扰动将产生不确定性影响。为此，提出一种闭环频域辨识方法，该方法由两部分构成：（1）采用双通道继电反馈方法（Two-channel Relay Feedback Test,TRFT)以闭环的方式提取非自衡时滞过程多点频率特性，该方法在保证系统的稳定性的同时，能够克服扰动对这种开环不稳定过程的不确定性影响；（2）一种非自衡时滞过程的频域辨识算法，用以估计系统带有的传递函数模型。仿真结果验证了所提出方法的有效性。该方法可与非自衡过程控制器设计方法相结合，改善大时滞非自衡过程的控制问题。     

原油产量自适应预测方法的研究

基于现代时间序列分析原理及系统辨识方法，建立了多变量自适应预测模型，并用该模型对某注水油田的原油产量进行了实际预测。结果表明，预测精度比传统的预测方法大大提高，该方法可为油田编制原油稳产计划提供科学依据。     

原油产量自适应预测方法的研究

基于现代时间序列分析原理及系统辨识方法，建立了多变量自适应预测模型，并用该模型对某注水油田的原油产量进行了实际预测，结果表明，预测精度比传统的预测方法大大提高，该方法可为油田编制原油稳产计划提供科学依据。     

ChemCAD软件在模拟石油分离过程中的应用

原油蒸馏过程设备投资大、能耗高,影响产品质量因素较多,对控制要求较高。研究利用流程模拟软件(ChemCAD),应用Tower Plus模块,采用Grayson-Streed热力学模型,绘制了原油实沸点曲线。建立了石油分离过程模拟流程。考察了设备参数和操作条件。模拟了精馏塔内的温度分布及塔内汽液相流量分布。精馏塔内在机理比较复杂,可控参数较多,但在模拟的基础上进行系统的调节和控制,减少了实际操作的盲目性,降低了生产成本,缩短了生产周期。模拟结果对工业过程的设计和改造具有一定的指导意义。     

基于滑动时间窗口加权MPCA的间歇过程监测方法

针对间歇过程的时段划分问题,提出了一种滑动时间窗加权MPCA方法,利用了相邻观测数据所蕴含过程信息的相关性,降低了过程扰动、观测噪声以及多阶段间过渡过程等不确定性因素对时段划分的影响,进而改善了间歇过程的监测效果。将所提出的方法应用于青霉素发酵过程阶段划分和监测,实验结果表明,所提出方法与常规MPCA相比,能够得到更好的效果。     

多变量ARMAX模型结构和参数的辨识

本文讨论了多变量ARMAX模型结构和参数的辨识问题。根据[1]的论述,采用BIC准则判定模型的阶;并用递推的极大似然法辨识参数。根据估计参数的渐近正态性进一步确定模型的子阶和时滞。由于采用了BIC准则,避免了F检验定阶的主观性。因此本方法比文献[2]、[3]中的方法优越。仿真算例证明了本方法的有效性。     

基于子空间方法的非均匀多采样率系统辨识

针对非均匀多采样率系统的建模问题,根据因果关系,建立了非均匀多采样率系统的状态空间模型.对于含有提升变量的状态空间模型,提出基于子空间技术的辨识方法.首先,由系统的输入输出数据建立由Hankel矩阵组成的扩展状态空间方程;其次,利用斜交投影的原理,以及奇异值分解,通过子空间辨识算法确定增广观测矩阵和状态向量;最后,通过最小二乘方法确定模型的参数矩阵.该方法简单有效且对初值具有鲁棒性.仿真实例验证了方法的有效性.