污水处理过程的多变量预测控制

提出了一种针对活性污泥法污水处理系统的多变量预测控制策略,并将该策略应用到污水处理的脱氮上,对污水中氨氮与硝酸氮浓度实施多变量预测控制。通过对国际水质协会活性污泥1号模型(A SM 1)的闭环计算机仿真表明,应用该算法可实现对污水中氮含量浓度的有效控制,减小系统输出的波动,稳定最终输出。     

多变量系统的广义预测控制

本文介绍一种针对多变量专家控制系统提出的预测解耦方法,该方法是用隐式递推广义预测方法预估出各变量之间的影响,然后加到控制中得以实现的。即使在系统结构未知或变化的情况下,仍可获得次优解,具有很强的鲁棒性。仿真结果表明,方法是有效的。     

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.     

基于混合多变量经验模态分解和极限学习机的非平稳过程预测

传感器布置不足和传感器数据缺失是风压实测研究中需要解决的重要问题,风压的空间预测可以恢复缺失数据和拓展风压空间信息,帮助建立结构表面的风压分布.为此提出一种基于多变量经验模态分解(MEMD)和极限学习机(ELM)的空间预测算法.采用MEMD分解非平稳信号,得到多组模态数目相同且频率匹配的固有模态函数和余项.对分解得到的数据按频率进行重组,作为输入数据,用ELM进行学习和预测.采用基于自回归滑动平均的模拟风速数据和实测非平稳风压数据来验证算法的有效性和精确度,同时引入基于径向基核函数的最小二乘支持向量机(RBF-LSSVM)和ELM方法作为对比.试验结果表明,MEMD-ELM方法的预测结果误差更小,与真实值更为接近.MEMD的多变量同时分解可以保留数据间的相关性,从而在非平稳过程空间预测时达到更好的效果,是一种稳定而有效的多变量预测方法.     

基于遗传算法的多变量增量型广义预测控制

针对多变量增量型广义预测控制算法增量系数难于根据系统特性选择的问题,提出基于遗传算法的多变量增量型广义预测控制算法.多变量增量型广义预测控制算法通过将求解出来的控制增量分别乘以相应的增量系数,来提高系统的鲁棒性和稳定性,同时采用阶梯式的控制策略降低多变量广义预测控制算法的计算量,运用改进的遗传算法优化整定多变量增量型广义预测控制的增量系数增强系统的跟踪特性.通过原油常压塔的侧线产品质量控制的仿真,验证了该方法有较好的鲁棒牲和抗干扰性.     

广义预测控制的改进算法

本文通过一种快速的广义预测控制算法避免了Diophantine方程的在线求解,并将复杂的大矩阵求逆问题简化为简单的对角阵求逆,大大减小了控制器的运算负荷,有利于广义预测控制在快速系统中的应用。     

基于Laguerre函数模型的多变量广义预测自适应控制

通过对Laguerre函数模型结构的分析 ,把多变量广义预测自适应控制方法应用于该模型中 ,利用Laguerre函数模型近似控制对象系统结构 ,将模型中间参量的辨识和模型的预测输出有效的统一了起来 ,克服了单纯基于参数化模型预测控制通常需要已知系统的时延和阶次的局限 ,为适合该类模型的工业对象应用提供一种有参考价值的控制方法。     

带中间状态反馈的多变量非线性预测控制

给出了基于神经网络的多变量非线性预测控制算法,提出了带中间状态反馈校正的基于神经网络的多变量非线性预测控制,以及反馈校正矩阵的设计方法．仿真结果表明,此算法大大地增强了系统的抗干扰能力,是一种有效和实用的控制方法．     

基于NLJ优化算法的多变量预测函数控制

基于差分方程模型推导了多变量预测函数控制算法,使其具有更加广泛的适用性.利用NLJ算法处理预测函数控制中的约束问题,简单明了,没有繁琐的数学公式推导,仿真结果证明了该算法的有效性,为预测控制约束问题的处理提供了一种新的途径.     

多变量时间序列的邻域预测法

在非线性动力系统中,邻域预测法已经很广泛地应用于单变量时间序列,本文将这些方法,特别是COM法和LL法,推广应用于多变量时间序列.当时间序列很短而同时有多个变量的时间序列可测量时,多个变量比单变量在长时间序列中更能提供有效信息从而获得更好的预测结果.     

多变量系统子子模型辨识

目前,对多变量系统辨识的研究已经越来越多,但是,基本上都属于子模型的辨识问题,不便于实际应用.本文采用子模型与子子模型技术,将一个有R个输入,m个输出的多变量系统分解为M个带R个输入的子模型,而每个子模型又可分解为R个子子模型(单输入单输出系统).在多变量系统中,只要做一次试验(同时加入月个输入信号),使用月个输入信号与M个输出信号的数据,可以自动辨识子模型的阶次与参数,再从子模型的有关数据,最终辨识出子子模型的阶次与参数.本文采用分块矩阵求逆公式,提出一种快速的自动定阶与估计参数的递推算法.     

基于频域的多变量广义预测控制（MIMO-GPC）稳定性分析

提出了基于频域的多变量广义预测控制（MIMO-GPC）稳定性分析方法，推导了MIMO-GPC的闭环反馈结构，给出了基于闭环特征多项式的MIMO-GPC的稳定性判据和奈奎斯特稳定性判据。这些判据可作为MIMO-GPC控制器参数设计的重要依据。     

模型结构分析方法在多变量预测控制中的应用

为了解决因在模型辨识阶段产生辨识误差而可能引起的稳态增益模型出现线性相关度增高的问题,研究了模型结构临界不稳定现象与多变量预测控制系统性能间的关系.首先,利用奇异值分解(SVD)和相对增益矩阵(RGA)等工具分析了稳态模型的线性相关度,从而给出了模型结构临界不稳定的判定方法.其次,给出了由建模误差引起的模型结构临界不稳...     

多变量时变系统的自适应控制算法

本文针对多变量时变未知系统提出了一种自适应控制算法，该算法对全封闭式循环系统是稳定的．同时给出了所提算法的性质，得到了该算法可优化系统动态、稳定系统及实现关于给定信号的全跟踪的结果．该算法避免了多项式算子矩阵的伪交换，且计算量小，很容易在实际系统中实现．     

随机多变量NARMAX模型的非线性递推最小二乘算法

针对随机多变量NARMAX模型存在的问题,基于线性滤波﹑谱分解定理及成型滤波器原理,将随机干扰等效在系统的输出端,提出改进的随机多变量NARMAX模型。基于辅助模型的原理,在参数估计的准则函数中加入待估参数的增量约束项和遗忘因子,并结合增广递推最小二乘算法和随机非线性递推最小二乘算法,将改进的多变量NARMAX模型转换为具有耦合的子系统,给出具有遗忘因子的,能克服算法病态的,适用于具有时变参数模型的改进随机多变量NARMAX模型的非线性递推最小二乘算法。应用在线修正参数预测滤波PID控制,仿真结果验证了算法的有效性。     

多变量系统自校正控制的研究

本文基于模型跟踪的思想,推导、分析多变量自校正调节器和控制器,得到有关结论。提出变权多变量自校正控制器。给出一种克服多变量自校正控制器输出对参考输入跟踪偏差的方法和一种克服递推最小二乘法P(t)阵不稳定的简单方法。大量仿真表明了上述结果的有效性。     

多变量系统的广义预测控制

本文提出一种多变量自校正广义预测控制算法,该法适用于输入输出不同维、各个通道时滞不等和开环不稳定、非最小相位的多变量系统,它更适合于过程控制,对时滞的变化和阶的不确定性均具有较强的鲁棒性,具有广泛的应用前景.     

确定性多变量非线性系统的在线修正参数预测滤波PID控制

针对确定性多变量NARMAX模型,分析了其可采用PID控制的约束条件。提出一种增量型预测滤波解耦PID控制算法,基于递推参数估计算法对系统模型进行参数估计,采用逐步迭代预报算法进行预测,结合一种可克服算法病态的直接极小化指标函数的自适应控制算法和Robbins-Monro算法,给出了确定性多变量NARMAX模型的具有在线修正参数的预测滤波PID控制算法,因指标函数中含有输出的预测值,故算法具有加快PID控制参数收敛到有效值速度的性能。仿真研究表明,因为所提出的PID算法具有在线修正参数和预测控制的性能,故系统具有较好的控制品质。     

基于多变量相重构的混沌时间序列预测

提出了一种基于多变量相重构的混沌时间序列预测方法.该预测方法从非线性动力学系统中获取与待预测时间序列相关的信息组成多变量时间序列,首先进行多变量相空间重构,然后利用局域多元线性回归模型在相空间中进行预测,最后从预测出的高维相点中分离出时间序列的预测值.由于考虑了动力学系统中多个变量之间相互耦合的关系,从而增加了重构相空间的系统信息量,使得相空间的相点轨迹更加逼近原系统的动力学行为.与采用单变量进行预测的方法相比,基于多变量相重构的预测方法无论是单步预测还是多步预测,都能有效地提高预测精度,且具有嵌入维数的选择对预测精度影响较小的优点.通过对Lorenz混沌信号进行预测,实验结果验证了方法的有效性.     

融合多因素的多实体政策网络链路预测算法

政策文本为社会的发展提供了权威性和原则性的方向和指导,但由于政策文本间关系错综复杂、政策实体间潜在连接关系隐性等,导致政策信息准确获取困难、理解不全面等.针对上述特点以及现有研究大多集中于单一类型政策实体及关系分析,难以全面准确地刻画政策间多类实体潜在关系的不足,提出了一种融合节点相似和属性偏好的多实体政策网络链路预测算法LP-NA.LP-NA综合考虑了节点之间的相似性、节点属性偏好对预测概率的贡献和预测偏差对链接预测的影响,采用反映局部信息的链接聚类系数和全局信息的接近中心性计算节点相似度,构建原始权重矩阵,并将政策网络的节点属性偏好和预测偏离值加入矩阵分解框架中,对网络中已知连边信息进行综合计算,提升了实体间链路预测精度.在7个真实多实体政策网络数据集上的实验结果表明：与现有算法相比,提出的LP-NA算法将AUC最大分别提升了4.76%、4.20%、2.81%、3.08%、3.25%、4.59%、3.03%.