一类分数阶超混沌系统的有限时间同步

研究了一个四维的分数阶超混沌系统有限时间同步问题。通过分数阶微积分有限时间同步的相关定义,设计了一个新的非线性控制器,该控制器使得四维分数阶超混沌系统的同步误差在有限时间内渐近趋于零。同时分析了分数阶混沌系统在有限时间内达到同步的控制器的存在性。理论推导过程和数值仿真结果表明:该同步方法可使四维分数阶超混沌系统在有限时间内具有良好的同步效果。     

间歇过程生产调度与用水网络同步优化

与分步优化相比,间歇过程生产调度和用水网络同步优化解空间更完备,能更好地权衡生产与用水费用。但两者时空间维度高度耦合导致问题规模组合爆炸式增长,选择恰当的时间表达方式成为控制模型复杂度的关键。首先,为了克服以往单一采用全局连续时间模型复杂度大和特定单元事件点模型解空间丢失的缺陷,提出了混合时间表达方式,即分别用特定单元事件点和非均匀离散时间描述调度模型与用水网络模型,再用辅助约束关联两个时间维度。然后,基于状态任务网络和用水网络超级结构构建混合整数非线性模型(MINLP)并采用分步法(MILP-NLP)和随机扰动相结合的初值策略进行求解。两个算例结果表明:与分步法相比,同步优化大大降低了用水量,且所提方法避免了解空间丢失,有效缩减了模型复杂度。     

考虑多对耦合源阱的氢网络优化方法及其应用

在氢网络中,氢源氢阱通常连接于同一个耗氢反应器,为耦合源阱;反应器操作参数的改变影响该耦合源阱参数。在同一个氢网络中可能存在多对耦合源阱,考虑多对耦合源阱的氢网络优化能够进一步为炼厂降低氢耗,提高经济效益。通过分析氢网络的公用工程与多对耦合源阱的关系,推导确定了公用工程迁量与反应器耗氢以及耦合源阱之间的方程。据此建立了耗氢反应器参数和氢网络图像集成优化方法。案例研究表明,该方法简单、容易理解,能够直观给出公用工程迁量与反应器进口温度之间的关系。     

永磁同步电机多电机同步控制策略

针对永磁同步电机提出基于单神经元PID的偏差耦合多电机同步控制策略。建立了数学模型,设计了自适应能力强、结构简单的单神经元PID控制器,并采用S函数编写单神经元学习模型。在交叉耦合控制方式的基础上提出了改进的偏差耦合控制,将各个电机转速反馈值经MUX和DEMUX环节进行整合后,通过转速补偿对电机转速进行调节。仿真实验表明有监督Hebb学习算法的单神经元PID运用到偏差耦合多电机同步控制系统中,使系统不仅具有良好的自适应能力,还能够有效地减小超调甚至无超调,提高系统响应能力,增加系统的鲁棒性。     

考虑多对耦合源阱的氢网络优化方法及其应用

在氢网络中,氢源氢阱通常连接于同一个耗氢反应器,为耦合源阱;反应器操作参数的改变影响该耦合源阱参数。在同一个氢网络中可能存在多对耦合源阱,考虑多对耦合源阱的氢网络优化能够进一步为炼厂降低氢耗,提高经济效益。通过分析氢网络的公用工程与多对耦合源阱的关系,推导确定了公用工程迁量与反应器耗氢以及耦合源阱之间的方程。据此建立了耗氢反应器参数和氢网络图像集成优化方法。案例研究表明,该方法简单、容易理解,能够直观给出公用工程迁量与反应器进口温度之间的关系。     

基于永磁同步电动机模型的自适应混沌控制

基于永磁同步电动机的系统模型,运用简单的线性状态反馈方法,在系统参数给定和未给定的情况下针对系统的混沌现象提出了一种简单快速的混沌控制方法。当系统参数给定时使混沌系统的指数趋于稳定并给出反馈增益的范围,在系统参数未给定的时候设计一种自适应控制器,该控制器克服了以往一般自适应控制器中空置率不连续的缺点。最后通过Matlab进行仿真证明了所设计方法的可行性。     

基于自适应神经网络的芳烃异构化过程建模

针对芳烃异构化过程(AHIP)中影响对二甲苯(PX)产率的因素众多且复杂等特点,提出一种自适应神经网络(Adaptive ANN)以建立AHIP的各因素与PX产率的关联模型.Adaptive ANN将样本分成训练样本和校验样本,并设计过拟合判据参数.通过训练样本对网络进行训练,训练过程中以模型对校验样本的预测性能为指标,通过过拟合判据参数的计算自适应地在获得具有最佳预测性能模型时终止网络训练,克服了传统的神经网络以模型的拟合精度为指标,造成训练时间过长和过拟合等缺点.     

基于粒子群优化算法的球磨机制粉系统PID-ANN解耦控制器

球团厂钢球磨煤制粉系统是多变量强耦合、时滞、非线性以及生产工况变化大的复杂对象,其自动控制问题一直是控制界关注的热点。基于粒子群算法具有对整个参数空间进行高效并行搜索的特点以及PID神经网络的自调节和自适应特性,设计了具有PID结构的多变量自适应神经网络控制器。PID神经网络解耦控制方法被用来消除回路之间的耦合,神经网络连接权值由粒子群算法进行学习优化。仿真研究表明所建模型和所提控制方法具有较好的控制品质、良好的自适应解耦能力和自学习功能。该控制策略可在大范围内克服系统的非线性和强耦合问题,具有很高的工程实用价值。     

二维火箭发动机燃烧室化学反应粘性流场的数值模拟与实验验证

采用耦合显式格式的MacCormack的时间推进预测－校正两步有限差分格式求解Navier-Stokes方程，化学反应采用17种组分、12个反应的有限速率的化学反应模型，得到了流场参数在燃烧室中的分布情况，其结果同理论分析相一致，最后用实验验证了利用数值模拟方法的可行性及可信性，研究结果对火箭发动机的设计，性能预测，理论研究和数值计算具有重要的实际意义和参考价值。     

一类永磁同步电机的自适应混沌同步

给出了一类永磁同步电机（PMSM）混沌系统的自适应同步控制方法.通过仿射变换和时间尺度变换,将转子磁场定向坐标系下的PMSM模型,变换成一种简单的无量纲模型,分析了PMSM的混沌动态行为.在此基础上,采用Lyapunov稳定性方法,设计控制器和参数估计器对未知参数的PMSM混沌系统进行同步控制,证明了自适应控制器是渐近稳定的.数字仿真结果表明该方法可实现未知参数PMSM混沌系统的同步.     

Modeling the rheology of gelatin gels for finite deformations. Part 2. Viscoelastic solid model

The viscoelastic solid model proposed in this work can predict the rheological responses of gelatin gels for finite deformations. This rheological model considers a degree of physical cross-links at a given maturation time, which is partially attained from those links totally available when a pure elastic network is achieved. Thus, both an elastic network formed by permanent links on the average and a viscoelastic network composed of the remaining adaptive links are described at each maturation time. This model for gelatin gels considers appropriately the interplay between the networks involving: (a) viscoelastic relaxation as a consequence of an imposed mechanical history, (b) average degree of physical cross-links in the partially generated permanent network acting in the short-term mechanical response. In this context of analysis the standard viscoelastic solid is obtained asymptotically for small deformations. Also the effect of shear rate on the shear test is studied and the braking phenomenon is analysed in relation to the formation of microstructure by considering viscoelastic parameters.     

抄纸过程模型参考自适应内模控制仿真研究

针对强耦合、大时滞、非线性对抄纸过程控制性能的影响,提出一种模型参考自适应内模控制算法,通过建立控制器模型,设计自适应调节律和控制算法来实现对增益和时滞的在线自调整,使系统在模型参数失配的情况下,仍具有良好的鲁棒性和跟踪性,表现出较强的解耦能力和自适应能力。通过与常规内模控制仿真结果对比,表明该控制算法改善控制品质的有效性。     

潜油电泵智能节电装置的研制

在进入高含水期的油田开发中,潜油电泵得到广泛应用,而如何提高其采油系统效率,降低电泵采油井耗电量,成为油田节能减排工作的重点。本文设计了一种新型智能潜油电泵有载调压变压器,给出了结构组成及工作流程,进行了室内外的现场实验,结果表明,该装置可以有效地选择最佳电压,节电效果显著。     

Neural network based adaptive control via temporal pattern recognition

This paper presents a neural network approach to adaptive control through pattern recognition techniques. Two interconnected backpropagation networks are trained to translate error patterns resulting from sustained set point changes into predictions of mismatch between current internal model parameters, model gain and model time constant, and those which restore desired performance. The network predictions are then used to update a model based PI controller. The strategy is demonstrated on two simulations and a pilot scale process which are undergoing severe changes in model gain and time constant. The strategy compares favorably against a more traditional rule based pattern recognition approach.     

An Adaptive Approach to Finite Element Modeling of Drying Problems

This study presents me development of an efficient adaptive finite element methodology for the analysis of drying problems. The propsed technique first uses an unified error estimator to assess the accuracy and reliability of the finite element solution. It then employs an automatic and adaptive finite element refinement strategy to reduce the errors to acceptable values. A new adaptive strategy applied to transient problems is also presented. The performance of the proposed methodology is evaluated by applying it to timber and clay brick drying problems. The estimated error agreed with the expected behavior: greater in regions of steeper gradients and lower in regions of smaller gradients. In addition, the proposed new adaptive strategy avoids unnecessary remeshing, i.e., remeshing when the error is decreasing with time at a reasonable rate.     

一种生化反应器智能自适应学习和预测神经元网络系统

The adaptive learning and prediction of a highly nonlinear and time-varying bioreactor benchmark process is studied using Neur-On-Line, a graphical tool kit for developing and deploying neural networks in the G2 real time intelligent environment,and a new modified Broyden, Fletcher, Goldfarb, and Shanno （BFGS） quasi-Newton algorithm. The modified BFGS algorithm for the adaptive learning of back propagation （BP） neural networks is developed and embedded into NeurOn-Line by introducing a new search method of learning rate to the full memory BFGS algorithm. Simulation results show that the adaptive learning and prediction neural network system can quicklv track the time-varving and nonlinear behavior of the bioreactor.     

An Adaptive Approach to Finite Element Modeling of Drying Problems

ABSTRACT

This study presents me development of an efficient adaptive finite element methodology for the analysis of drying problems. The propsed technique first uses an unified error estimator to assess the accuracy and reliability of the finite element solution. It then employs an automatic and adaptive finite element refinement strategy to reduce the errors to acceptable values. A new adaptive strategy applied to transient problems is also presented. The performance of the proposed methodology is evaluated by applying it to timber and clay brick drying problems. The estimated error agreed with the expected behavior: greater in regions of steeper gradients and lower in regions of smaller gradients. In addition, the proposed new adaptive strategy avoids unnecessary remeshing, i.e., remeshing when the error is decreasing with time at a reasonable rate.     

基于神经网络和多模型的非线性自适应PID控制及应用

针对一类未知的单输入单输出离散非线性系统,提出了基于神经网络和多模型的非线性自适应PID控制方法。该方法由线性自适应PID控制器、神经网络非线性自适应PID控制器以及切换机构组成。采用线性自适应PID控制器可保证闭环系统所有信号有界;采用神经网络非线性自适应PID控制器可改善系统性能;通过引入合理的切换机制,能够在保证闭环系统稳定的同时,提高系统性能。理论分析表明,该方法能够保证闭环系统所有信号有界,如果适当地选择神经网络的结构和参数,系统的跟踪误差将收敛于任意给定的紧集。将所提出的方法应用于连续搅拌反应釜,仿真结果验证了所提出方法的有效性。由于该方法基于增量式数字PID控制器,在工业过程中有着广阔的应用前景。     

单螺杆挤出机中非牛顿流体层流混合停留时间表征

基于有限差分数值模拟技术,提出了计算非牛顿流体在单螺杆挤出机内停留时间分布的半解析方法,得到了不同操作参数下的停留时间分布,该分布可用来表征聚合物熔体在加工过程中的混合情况.结果表明：半解析方法能够反映由流体的非牛顿性所导致的耦合流场及压力反流对混合的影响,能更真实地反映聚合物熔体在单螺杆挤出机内的混合程度.