摘要：目前支持向量机回归算法只适用于单输入单输出系统,在处理复杂多变量系统时多采用构造一系列单变量支持向量机模型的方法,增加了模型与控制的复杂性。针对这一问题,提出了面向多输入多输出系统的支持向量机线性回归和非线性回归方法,两种方法的不同在于映射到高维空间后的运算方法不同。与单变量支持向量机回归建模相比,采用该方法建立的多变量系统模型结构较为简单,且在小样本数的情况下,模型训练速度较快。最后将该方法应用到甲基丙烯酸甲脂的间歇聚合反应过程中,仿真结果表明该方法的有效性。

摘要：针对间歇聚合反应的质量控制问题,设计一种双层迭代学习的控制结构:外层面向批次间可测的终点质量指标采用基于在线式最小二乘支持向量机的终端质量学习控制,为内层控制提供最优的设定值;对于内层面向批次内可测的过程变量,提出基于去伪策略的自适应迭代学习控制方案,可以较好地解决批次间温度设定值发生改变的问题,提高内层控制鲁棒性。内层控制方法具体如下:首先给出基于共轭梯度法的改进去伪控制算法,然后将改进的去伪控制算法应用于迭代学习的控制框架中,利用去伪算法的实时自适应能力来调整内层迭代学习控制的控制器参数,并以闭环P型迭代学习控制算法为基础推导去伪迭代学习控制器参数自适应律的数学描述。最后,将本文的方法应用于典型的间歇聚合反应过程。仿真结果表明:该方法具有良好的控制效果,在一定程度上可以克服传统迭代学习算法要求参考曲线在迭代过程中保持一致的缺点,而且具有较快的收敛速度。

摘要：对分数维的分数阶系统的研究吸引了越来越多的研究者。分数阶PIλDμ控制器是整数阶PID控制器的一般形式,较整数阶PID控制器具有优越性,但对其整定方法的研究还很少。基于改进的随机搜索方法,实现了分数阶控制器包括积分次数、微分次数五个参数的优化整定,获得了良好的整定效果。仿真实验证明了提出的整定策略的有效性。同时通过比较说明在被控系统有非线形环节的情况下采取分数阶PIλDμ控制器往往能获得更好的控制效果。

摘要：针对工业过程中常见的多变量时滞输入输出系统,基于内模控制结构提出了一种解析解耦内模控制器矩阵的设计方法,该方法设计的内模控制器同时具有解耦器和控制器的作用。其优点是能够实现标称系统输出响应之间的近似或完全解耦,且用遗传算法对于解析模型进行降阶或近似处理,从而简化了推导解耦控制器矩阵的运算量;并可以通过调整内模控制器的滤波器时间常数来补偿被控过程的模型不确定性所导致的控制品质下降。用该方法对国产200 MW火电机组带汽—汽换换热器的多变量强耦合再热汽温控制系统进行了控制系统的设计和仿真研究,仿真结果证明了该方法的有效性。并且在过程模型和过程失配时显示了较强的鲁棒性和抗干扰能力。

摘要：以石油化学工业中某一典型环节的建模过程为例 ,通过比较SOGA(单目标遗传算法 )与MOGA(多目标遗传算法 )设计网络的性能 ,验证MOGA解决这一问题的优势。

摘要：对于工业控制过程中的大时滞和时变系统,利用Smith内模控制原理设计方法,建立了滤波器时间常数λ的自整定方法,并建立了滤波器时间常数λ的模糊整定规则;通过在线调整滤波器时间常数λ来改善其闭环特性。仿真结果表明,对于在控制过程中过程对象与过程模型失配时,通过内模控制器的滤波器时间常数λ自整定;既改善了系统的控制品质又能提高控制系统的鲁棒性。且易于工程实现。

摘要：对于工业控制过程中的时滞系统,采用内模控制的设计方法,建立了滤波器参数λ的优化自整定;并且研究了利用十进制编码的遗传算法及其具体的遗传操作过程,实现了滤波器参数λ的优化自整定,从而避免了二进制编码所导致的影射误差.仿真结果表明,对于在控制过程中过程模型变化或过程模型与预估模型失配时,通过优化调整内模控制器的滤波器参数λ;可改善系统的控制品质,提高控制系统的鲁棒性,且易于工程实现.

摘要：聚合物分子量分布(MWD)是反映产品性能最重要的指标之一,它是典型的二元建模对象,采用组合神经网络对MWD的空间和时间变量进行分解建模。首先利用离散正交多项式神经网络在链长空间上建立分布与链长的模型,然后将MWD与时间变量的关系转换为网络权向量与输入变量之间的函数,利用递归神经网络建立两者之间的模型,最后组合两个网络达到建模目标。分布函数的模型表达式可写成状态方程形式,为进一步设计控制策略提供了基础。在链长空间上建立模型时,实现了神经网络的权向量与MWD相应阶次矩值之间的等价关系,网络权向量由单纯的拟合数据转变为有意义的物理量,实现了神经网络模型的灰箱化,为精确预测网络隐层节点数问题提供了解决途径。提出的方法应用于实验室规模的苯乙烯聚合过程,证明了建模方法的可行性,同时网络权值与矩值的等价关系也得到验证。

摘要：间歇反应过程具有强非线性、非稳态和反应时间固定等特点。利用间歇反应操作时间可预先确定的性质,提出一种新的组合B样条神经网络的建模方法。被控对象输出f(u,t)往往是操纵变量和时间的函数,新方法把这两类函数关系的模拟分别交由两个神经网络承担,以确定变化区域的时间变量作为B样条神经网络的输入,让其分担描述对象随时间变化的动态特性部分,而输出变量与操作变量间的关系则由另一B样条神经网络表示,两个神经网络的组合输出建立间歇反应器的非线性动态模型。它不仅能够简化每个网络的结构,减少权值参数和训练时间,更重要的是可以方便控制策略的求解。本文介绍了建模方法的设计过程,并应用于苯乙烯悬浮聚合间歇反应建模中,仿真实验研究了方法的有效性。还推导了基于该模型的优化控制策略的算法。

摘要：针对化工过程中分子量分布的跟踪控制问题,提出了一种简单的广义状态反馈控制方法,实现给定分子量分布的跟踪.该方法充分利用复合动态支持向量机模型,实现分子量分布函数在时间域和空间域上的分离,从而将分布函数的跟踪问题转化为动态权值向量的时间域跟踪问题,并设计了状态反馈与积分器相结合的控制结构,采用线性矩阵不等式技术对闭环系统稳定性和跟踪性能进行分析.仿真结果表明该方法的可行性.