精确在线支持向量回归及其在热工过程在线建模中的应用

热工过程往往具有非线性和不确定性,传统描述热工过程动态数学模型的方法难以建立非线性模型,从而难于精确实施热工过程优化控制。文章提出了一种基于精确在线支持向量回归算法的热工过程自校正辨识方法,并与基于最小资源分配网络的非线性模型进行比较分析。仿真研究结果验证了建模方法的有效性,且所得模型精度高,可直接应用于基于模型的控制算法。     

基于T-S模型的自适应神经模糊推理系统及其在热工过程建模中的应用

在工业热工过程控制中,被控对象动态特性往往表现出非线性、时变性、大迟延和大惯性等特点,这使得难以对其建立比较精确的模型,从而难于精确表达热工过程及实施整体优化控制。针对热工过程建模难的现状,为达到建立精确非线性模型的目的,提出1种基于T-S模型的自适应神经模糊系统(ANFIS)模糊建模方法。该方法通过对模糊系统的结构辨识和参数辨识,使神经模糊网络能够自主、迅速有效地收敛到要求的输入和输出关系,从而达到精确建模的目的。仿真结果验证了所提出的算法的有效性,将其应用到热工过程建模中可获得高精度的非线性模型。     

基于递阶G-K聚类的热工过程多模型建模方法

针对热工过程分段线性化的特点,本文提出一种新的基于递阶模糊聚类的热工过程多模型建模方法。首先基于递阶G-K模糊聚类对系统输入／输出数据空间进行快速聚类分解,避免了聚类数确定的盲目性;然后在每个子空间中利用最小二乘法辨识出相应的线性子模型,再将各子模型通过模糊加权求和以得到精确的系统全局模型。同时,为保证各聚类子空间内样本的“线性化度”,采用新的综合聚类指标,并利用免疫遗传算法来求解该聚类问题,以克服迭代算法易陷入局部极小和对聚类初始化敏感的缺点。该方法能充分利用运行数据中所包涵的对象动态特性信息,以描述过程的全局非线性。最后通过几个典型实例验证了该方法的有效性、准确性。     

混沌系统的一种模糊变结构控制方案

研究了复杂非线性系统（如混沌非线性系统）的稳定控制问题。采用T－S模糊动态模型描述非线性系统，将将非线性系统模糊化为局部线性模型。用Lyapunov稳定性理论设计出确保模糊动态模型全局渐近稳定的变结构控制器，将模糊控制与成熟的线性系统变结构控制相结合，来解决非线性系统控制问题。应用到两类混沌系统的稳定控制中，验证了方案的有效性。     

基于T-S模糊模型的球磨机负荷控制系统

球磨机负荷控制系统通过调节给煤机的转速控制存煤量在给定值附近。针对其存在非线性、参数时变和大延迟等难以控制的特性,提出基于T-S模糊模型的预测函数控制新方法。用T-S模糊模型描述对象的非线性动态特性,根据模糊规则将非线性模型分解为若干个局部线性模型,并依据球磨机负荷对象的特性,将线性模型简化为一阶纯滞后环节。对辨识后得到的每个局部线性模型采用预测函数控制算法。仿真研究结果表明:系统响应速度变快、超调量较小,表现出较好的动态响应特性,同时还避免了PID控制器3个参数难以整定的困难。     

一种新的动态聚类算法及其在热工过程模糊建模中的应用

文中提出的新型动态进化聚类算法克服了传统模糊聚类建模算法须事先确定规则数的缺陷。它通过改进的遗传策略来优化染色体长度，以实现对聚类个数进行全局寻优；同时，利用FCM算法加快了聚类中心参数的收敛：此外，通过引入免疫系统的记忆功能和疫苗接种机理，新算法得以快速稳定地收敛到最优解。利用这种高效的动态聚类算法辨识模糊模型，可以同时得到合适的模糊规则数和准确的前提参数。仿真实例验证了文中动态模糊聚类建模算法的有效性，将其应用于热工过程可获得高精度的非线性模糊模型。     

基于RBF神经网络的热工过程在线自适应建模算法研究

传统的各种神经网络建模方法由于自身的局限性不能很好地应用于复杂的热工过程建模。该文提出了一种新型的基于RBF网络的热工过程在线自适应建模算法：近似相关性网络(ACN）建模和阶层补偿式网络结构（HCN）建模。文中与资源分配网络（RAN)进行了详细的算例比较，并进一步计算了实际的热工非线性模型。计算结果表明：该文提出的建模算法不仅能提高模型的输出精度，而且也可有效地减小网络的规模，较好地解决了神经网络超界空间的自适应构造问题，为热工过程全局非线性模型的建立提供了一个新的解决方法。     

Lorenz与Rossler混沌系统的跟踪控制

研究了Lorenz与Rossler两混沌系统的跟踪控制问题，采用模糊动态模型逼近混沌非线性系统，将混沌非线性系统模糊化为局部线性模型，设计出一种模糊渐近跟踪控制器，控制器结构简单，规则少，仿真验证了方案的有效性。     

广义动态模糊神经网络及其在热工辨识中的应用

针对热工过程难以建立精确数学模型的特点,将广义动态模糊神经网络应用于热工复杂系统的辨识。该算法以模糊完备性作为高斯函数宽度的确定准则,避免初始化选择的随机性。同时,该算法不仅能对模糊规则而且能对输入变量的重要性做出评价,从而使得每个输入变量和模糊规则都可以根据误差减少率进行修正。通过对某电厂一次风量和平均床温实测数据的仿真实验结果表明,该方法具有较高的辨识精度和效率。     

机炉协调系统的模糊增益调度预测控制

多变量锅炉-汽机协调系统的动态特性随着工况而变化，文中提出了一种新型的模糊增益调度预测控制策略来控制这个非线性过程。基于模糊集合理论建立了机炉协调系统的非线性离散全局模糊模型，并设计了一种基于全局模糊模型的新型扩展状态空间预测控制器。它能方便地处理控制作用的受限优化问题，同时它卓越的滚动优化能力又确保了机炉协调系统在全工况范围内的最优控制品质。仿真试验表明：文中所提出的全局非线性预测控制器在控制作用幅值、速率均受限的情况下仍具有满意的全工况负荷跟踪性能。