摘要：为降低鲁棒非线性模型预测控制方法中优化问题的实时求解难度,提出一种基于深度学习的近似鲁棒控制器方法。利用复杂的鲁棒非线性模型预测控制算法作为训练数据的生成器,以当前时刻的过程状态作为网络的输入,复杂控制算法计算的最优控制输入作为网络的输出,基于深度神经网络学习复杂的非线性模型预测控制策略。通过一个工业半间歇聚合反应器模型案例验证了所提方法的有效性,深层网络与浅层网络相比具有更好的效果。

摘要：半间歇聚合反应具有强非线性、时滞、时变的特点,反应机理复杂,其温度控制一直是难点。应用传统的串级PID控制结构,无法保证温度控制在允许的误差范围内。为保证产品质量,设计了一个非线性控制器来提高温度控制精度。根据Chylla-Haase反应器模型,利用非线性微分几何理论,通过微分同胚和状态反馈,实现输入-输出精确线性化,在此基础上引入误差渐近跟踪项和积分器,设计出温度渐近跟踪控制器,通过调整控制器参数,可达到误差快速指数衰减。仿真结果表明该控制器在设定值跟踪和抗干扰方面明显优于串级PID控制器及模糊串级PID。

摘要：提出了一种新的基于多智能体的分布式化工过程故障诊断方法。通过定义化工过程的诊断本体论和功能-行为本体论,系统在提高诊断系统性能的同时,能够显著降低整个系统构造的复杂程度。采用本文给出的化工过程诊断本体论后,整个多智能体故障诊断系统的开发任务从智能体的结构设计转移到对诊断本体论属性的应用上。

摘要：为了进一步提高非线性模型预测控制的计算速度、控制精度和抗干扰能力,该文提出了一种基于无迹卡尔曼滤波和快速阶梯预测控制结合的控制器设计方法。该方法在快速阶梯预测控制器的基础上,加入了基于奇异值分解的无迹卡尔曼滤波算法(Singular value decomposition unscented Kalman filter),在反馈校正之前先通过滤波降低噪声干扰,从而降低控制误差。通过三容水箱液位控制模型对该控制器设计方法进行了仿真验证,从仿真结果中可以看出该控制器能够在计算速度达标的前提下,提高系统的控制精度和稳定性。该结果证明了改进后的控制器能进一步有效克服噪声、模型失配等情况,很好地提升了控制器的可靠性。

摘要：在皮层神经元放电活动模型的基础上进行单关节自发运动的研究,从控制理论的角度分析闭环脑机接口的工作原理.使用卡尔曼滤波器和人工神经网络设计系统的解码器替代原系统的脊髓电流,并且比较这两种解码器的优劣.由于在无感知反馈的信号下,解码器的性能下降得比较明显,使用强化学习中Actor-Critic算法结合人工神经网络设计PID控制器,用以产生刺激信号来刺激大脑皮层神经元,使其能够跟踪有感知反馈信号时皮层神经元的放电活动,从而恢复解码器的性能.最后,通过与其他控制算法对比,验证了基于强化学习算法的人工感知反馈信号设计的有效性.

摘要：为满足煤矿矿井的井下排水泵自动化控制需要,设计了一种基于ARM和WinCE的井下排水控制系统。系统加载智能控制算法,可根据水仓水位、用电的避峰填谷等因素科学调度排水水泵运行。当水泵发生故障时,可自动切换备用水泵,实现了水泵监测、控制的自动化。仿真表明,系统结构简单、控制方便、自动化程度高、运行稳定可靠。多台水泵的无人值守控制,降低了工人的工作强度,节约了能源,提高了煤矿生产的安全和效率。

摘要：基于神经元峰电位的植入式脑机接口开展相关研究,通过搭建大脑皮层仿真模型,并在控制理论分析的基础上进行自发单关节运动任务。使用自适应维纳滤波器完成神经元放电活动的线性解码器设计。通过分析发现在视觉反馈信息缺失时,解码器性能严重下降。针对此问题,使用基于数据驱动算法的紧格式无模型控制算法产生刺激信号来刺激仿真大脑皮层感觉区神经元,使其跟踪存在感官反馈时感觉区神经元的放电活动。由于感觉区神经元放电信息的恢复,解码器在感觉反馈信息缺失时的性能也得到了恢复。最后,通过仿真验证了基于数据驱动算法的人工感官反馈有效性,并与整定的PID控制算法对比,结果验证了本文设计的闭环系统的有效性。

摘要：针对半间歇聚合反应强非线性,模型参数的不确定性以及过程存在路径约束和终端约束等特点,将多阶非线性模型预测控制方法应用于半间歇聚合反应控制器的设计。该方法使用离散的场景树表示不确定量对系统的影响,使得未来的控制输入取决于先前的不确定量实现,从而构成闭环的鲁棒性控制方法。为了提高求解效率,使用基于有限元正交配置的联立法对问题求解,通过选取合适的radau配置点对控制变量和状态变量同时离散化,将动态优化问题转化为NLP问题,并使用内点法求解器IPOPT求解。在BASF SE公司提供的半间歇聚合反应模型上验证了提出方法的有效性。

摘要：脑机接口系统通过大脑—计算机接口技术和控制理论的组合来弥补由于肌体的受损部分而造成的信息缺失.本研究基于心理生理皮质神经元放电率电路模型,在脑机接口控制理论分析的基础上进行自发单关节运动任务,采用自适应ESN(echo state network)设计非线性解码器,并引入FORCE(First Order Reduced and Contrdled Error learning)算法更新网络输出权值,通过仿真有无自然本体反馈信息情况下的解码器的性能来验证所设计的解码器的有效性.最后,通过基于遗传算法LS-SVM(least squares support vector machine)的直接逆模型框架,设计近似大脑皮层感觉区神经元放电率的最佳人工本体反馈去刺激大脑皮层感觉区神经元.仿真结果发现,所设计的闭环脑机接口(BMI)系统框架能够很好地恢复在线自发单关节自然运动任务性能,这也为当系统模型未知时,根据对象的输入输出数据恢复闭环系统的性能提供了新的研究思路.

摘要：PID控制和基于模型的先进控制广泛应用于工业过程中,为了很好的设计PID控制器或基于模型的先进控制器,确保取得较好的控制效果,需要准确的获取被控过程的临界信息及模型参数。本文采用继电反馈方法,对可以近似为一阶惯性纯滞后环节的工业对象施加继电激励信号,根据对象的振荡输出曲线,进行模型参数和临界信息的辨识。依据数学推理和大量仿真实验观察,本文改进了模型参数的辨识公式。仿真数据表明,相比理想继电反馈,饱和继电反馈对临界信息的辨识精度更高;在临界信息精确的情况下,依据改进的模型参数辨识公式,饱和继电反馈能够很好的辨识出被控对象的模型参数,从而为PID控制器或基于模型的先进控制器的设计提供了一个定量的参考依据。