基于子空间辨识的焦炉集气管压力控制

针对焦炉集气管压力具有多变量、耦合、时变性等特点,设计焦炉集气管压力增量式在线子空间多变量预测控制策略.在增量式子空间预测控制的基础上,引入滚动窗口子空间辨识方法,设计子空间预估器模型的更新策略,实现了在线子空间自适应预测控制.应用在线子空间辨识方法对焦炉集气系统现场数据进行辨识,取得了较好的预测精度;利用子空间预估器模型进一步建立焦炉集气系统的状态空间模型,在考虑输入约束、模型时变和干扰的情况下,该模型表现出了很好的控制精度和性能.     

子空间预测控制方法在线性变参数系统中的应用

提出了一种针对线性变参数系统的新型子空间预测控制方法。该方法首先通过子空间辨识算法获得线性变参数系统的子空间预测输出。然后,对构造的输入输出矩阵进行QR分解得到子空间预估器,将子空间预估器用于设计模型预测控制器。该控制器包含了积分作用,可消除稳态误差。最后,通过风机扑翼动力学系统的仿真实验,证明了该方法的有效性。     

一类非线性网络控制系统的控制器设计

针对一类非线性网络控制系统,提出了一种新型自适应模糊滑模预测控制方法,采用带有时间超前非线性状态预估器的新型的滑模控制(SMC)方案,补偿网络诱导时延,而后利用模糊自适应系统来逼近非线性环节,并基于Lyapunov稳定性理论设计自适应律,保证系统的稳定性. 以网络环境下空间飞行器的姿态控制为例进行仿真,结果表明,所提出的方法不仅实现了高精度的姿态稳定控制,且系统对不确定参数、网络诱导延时及外界干扰带来的影响具有很好的鲁棒性.     

废杂铜冶炼过程子空间预测控制器的设计

针对废杂铜冶炼过程的非线性时变、动态特性突变显著等特点,提出一种基于机理分析的自适应子空间预测控制方法。该方法将机理分析与数据驱动方法相结合,通过比较预测误差在线更新预测模型,增强了控制器对非线性时变特征的适应能力,使控制器的物理意义更加明确。最后对废杂铜冶炼过程的实际运行数据进行仿真研究,验证了方法的有效性。     

基于自适应Smith预估器的炉温控制系统

针对目前工业炉控制系统中存在的大纯滞后现象,提出一种基于自适应Smith预估器的炉温控制系统,具体介绍了控制系统的结构与算法。常规的PID控制,Smith预估控制和自适应smith预估控制在计算机上仿真结果表明自适应Smith预估控制具有超调量更小,调整时间更快,精度更高等特点。     

基于滚动优化的离散事件系统控制

将预测控制的广义原理应用到离散事件系统（Discrete Event System,DES)的控制理论中，得出了DES基于滚动窗口监控的一般方法。根据系统行动 描述定义了受控DES的行为模型，并提出了DES的预测模型集、子预测模型集和基于滚动窗口的监控算法。     

广义预测控制在监控AGC系统中的应用

根据广义预测控制的预测模型、滚动优化和在线反馈校正等特征,设计一种基于广义预测控制器的监控AGC系统,并以某冷轧实验轧机为对象,对其控制性能进行仿真。研究结果表明:在模型匹配时,常规Smith预估器响应时间比广泛预测控制的少,稳态精度上比广义预测控制器的高;在轧件塑性系数或系统滞后时间计算不准确导致模型不匹配时,常规Smith预估器出现了系统超调或振荡现象,而广义预测控制器基本不受模型参数变化的影响。     

可变纯滞后时变系统模型参考自适应预估控制

基于Smith预估控制和参数最优化理论,提出了可变纯滞后时变系统的模型参考自适应预估控制(MRAPC)。MRAPC由自适应预估器,自适应过程模型,自适应机构及常规控制器所组成。它大大地减少了系统中时变参数和可变纯滞后的影响,控制性能明显地强于Smith预估控制。其后给出的仿真结果证实了MRAPC的有效性。     

一种具有大纯滞后系统的自适应Smith控制方法

运用李雅普诺夫稳定性原理,设计了自适应预估器,提出了一种大滞后系统的自适应Smith预估控制方法。它有效的克服了Smith预估控制方法对被控对象数学模型要求精确的主要弱点,能够应用于一些参数易变且变动较大的工业对象,特别是对大纯滞后且滞后时间变动大的工业对象能获得很好的效果。数字仿真结果令人满意。     

基于鲁棒自适应预估器的电阻炉温切换控制

针对炉温设定值改变等原因引起的对象模型参数变化问题,提出了BangBang--积分切换控制器和鲁棒自适应Smith预估器.根据炉温静特性设计的切换控制器,有效减小了系统的超调和调节时间,同时降低了控制性能对设定温度变化的敏感性.自适应预估器中鲁棒项的引入,提高了预估器自适应律对纯迟延参数精度的鲁棒性.仿真结果表明,在纯迟延时间失配的情况下,鲁棒自适应Smith预估器能够保证预估误差收敛于零;在设定值大幅变化的情况下,切换控制系统的性能比PID(Proportion Integration Differ-entiation)控制更稳定.     

不确定时滞系统的自适应支持向量机Smith预估控制

针对不确定时滞系统提出了一种自适应支持向量机Smith预估控制新方法．首先采用支持向量机对被控对象进行建模,然后设计了一个自适应支持向量机Smith智能预估器,解决了传统Smith预估控制需要预先知道被控对象精确数学模型的问题,克服了基于神经网络的Smith预估控制的不足．仿真实验结果表明,自适应支持向量机Smith预估控制方法充分利用了支持向量机的非线性映射能力,在被控对象数学模型未知的情况下对不确定时滞对象进行控制,具有良好的控制品质,特别是当对象特性发生变化时,还具有良好的适应性。     

模糊内模预估控制在烟叶复烤中的应用

烟叶复烤过程是一个不确定的时滞系统,为了对时滞性进行有效的控制,本文提出了一种新的模糊内模预估控制方法。它的最大特点是采用智能化的模糊模型预估器作为被控过程的内部模型,对实际输出起预测作用,从而克服时滞对系统带来的不利影响。同时,根据预测误差建立模糊内模控制器,在线修正、补偿被控过程的模型失配。数字仿真显示,这种控制方法优于常规控制方法,在烟叶复烤过程有广泛的应用前景。     

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.     

基于减法聚类的带钢厚度数据驱动建模

针对轧钢生产中大批过程数据没有被用于提高厚度质量的现象,提出了一种基于减法聚类的带钢厚度数据驱动在线建模方法.首先通过减法聚类将输入空间划分为一些小的局部空间,在每个局部空间中用最小二乘支持向量机建立子模型,子模型加权输出作为带钢厚度的离线模型;然后当在线数据不断增加时,通过在线减法聚类算法实时调整局部空间,子模型的参数采用最小二乘支持向量机的递推算法进行相应的在线辨识,子模型的预测输出作为模型的最后输出.实验结果表明,该方法具有良好的预测精度和较强的在线学习能力.     

含随机参数的偏微分方程的自适应高斯过程求解器

对于数值求解含随机参数的偏微分方程的问题,本文基于以高斯过程为核心的求解器提出了一种自适应挑选训练数据的求解模型.该模型从极少的初始训练数据集出发训练高斯过程求解器,将参数池中预测方差指示变量最大的参数及其对应的偏微分方程的高精度解加入训练数据集中,然后重复上述过程,直到所训练出来的高斯过程求解器在测试数据集上达到所要求的精度.此外,本文还将该自适应模型在带有二维随机参数的扩散方程上进行测试,结果表明所提出的自适应选点策略有效,模型的预测准确度随着训练数据的增加而迅速提高,最终只需要40个训练数据即可在测试数据集上达到要求的精度.     

基于T-S模型的模糊预测控制在列车速度控制器中的应用研究

针对列车的速度控制特点,提出了基于Takagi-Sugeno(T-S)模型的模糊预测函数控制方法.设计了一种列车速度模糊预测函数控制器,并针对不同运行状况以及列车在启动、停止以及运行过程中的特点采取相应的控制策略,将整个控制过程分为多个子空间,每个子空间对应一个线性预测模型,通过仿真研究,验证了该控制器具有良好特性曲线跟踪能力.     

任意视点电视系统中深度数据的自适应非均匀量化方法

为了降低现有任意视点电视系统中深度数据量化所带来的量化失真,提出一种自适应非均匀深度量化方法.首先根据深度数据的统计特性,选取有效深度子空间;然后对有效深度子空间重新进行精细划分,得到对应的自适应量化表;最后使用该自适应量化表对原深度数据进行自适应量化.实验结果表明,与现有的均匀量化和普通非均匀量化方法相比,使用所提出的方法可使深度数据的量化信噪比平均提高20 dB.因此,自适应非均匀量化方法能够显著降低深度数据量化误差,有助于在任意视点电视系统的接收端获得高精度深度数据,从而得到主观效果更好的虚拟视图.     

利用特征子空间评价与多分类器融合的高光谱图像分类

为应对高光谱图像分类中的特征高维度问题,提出一种基于多分类器融合的高光谱图像分类方法.利用高光谱数据相邻波段的高相关性,通过自适应子空间分解产生多个特征子空间,进而训练生成子分类器;利用ReliefF-S算法,对各特征子空间进行评价并生成各子分类器的权重,最终通过加权表决融合实现分类决策.实验表明,所提方法可有效规避高维特征问题并提升分类性能.     

非线性系统神经自适应最优预估控制器

基于一种简化的神经网络结构及其相应的快速辨识算法,提出了控制非线性系统的自适应预估方法.它综合了自适应预估控制在控制线性系统中的良好特性和神经网络在辨识、控制非线性系统中的高精确性.大量实验表明该控制器设计简单,适应力强,鲁棒性好,能有效控制一类非线性对象.     

一种数据驱动的预测控制器性能监控方法

提出一种数据驱动的预测控制器性能监控方法.基于马氏距离的综合性能指标,推导了性能指标的基准,以实现对预测控制器性能下降的及时检测.考虑导致预测控制器性能下降的4种常见原因,提出了基于马氏距离性能指标的性能诊断方法,即通过提取过程变量中主元和误差子空间的马氏统计量作为性能特征,利用支持向量机构造分类器,实现了预测控制器的性能诊断.最后,通过Wood Berry过程仿真,验证了所提方法在预测控制器性能监控中的有效性.