端边云协同的复杂工业过程运行控制智能系统

针对难以建立数学模型的复杂工业运行控制过程,利用可获得的过程控制系统设定值和运行指标以及相关变量的工业大数据和运行控制过程特性,将系统辨识与深度学习相结合,建立以实际运行指标以及相关变量为输入,以实际过程控制系统设定值为输出的运行控制过程数字孪生模型,提出云-边协同的过程控制系统设定值智能控制方法.所提出方法由云-运行控制过程数字孪生模型、边-过程控制系统设定值智能控制模型和自校正机制组成.将工业互联网与工业过程控制系统相结合,提出端边云协同的工业运行控制智能系统的架构和功能,采用所提出控制系统设定值智能控制方法,研制工业过程运行控制智能系统,并在选矿关键设备—–高压辊磨成功应用.所提出系统安全、可靠和优化运行,取得了显著的节能减排效果.     

基于数字孪生和强化学习的低空智联网协同认知干扰

针对低空智联网协同认知干扰决策过程中,多架电子干扰无人机对抗多部多功能雷达的干扰资源分配问题,提出了一种基于数字孪生和深度强化学习的认知干扰决策方法。首先,将协同电子干扰问题建模为马尔可夫决策问题,建立认知干扰决策系统模型,综合考虑干扰对象、干扰功率和干扰样式选择约束,构建智能体动作空间、状态空间和奖励函数。其次,在近端策略优化（Proximal policy optimization, PPO）深度强化学习算法的基础上,提出了自适应学习率近端策略优化（Adaptive learning rate proximal policy optimization, APPO）算法。同时,为了以高保真的方式提高深度强化学习算法的训练速度,提出了一种基于数字孪生的协同电子干扰决策模型训练方法。仿真结果表明,与已有的深度强化学习算法相比,APPO算法干扰效能提升30%以上,所提训练方法能够提高50%以上的模型训练速度。     

端边云协同的氧化铝生产过程苛性碱浓度智能预报方法

苛性碱溶液浓度是氧化铝生产过程中的重要运行指标,由于苛性碱溶液的温度和浓度频繁波动,导致目前的浓度检测仪表检测精度低,只能采用人工化验获得苛性碱浓度值,化验结果的严重滞后导致无法实现苛性碱浓度的自动控制,影响氧化铝产品质量.在分析苛性碱溶液浓度控制过程动态特性的基础上建立了由线性模型和未知非线性动态系统描述的苛性碱浓度预报模型,将参数辨识与自适应深度学习相结合,提出端边云协同的氧化铝生产过程苛性碱浓度智能预报方法,并采用氧化铝生产企业的实际生产数据对本文所提方法进行应用验证.应用结果表明,所提的苛性碱浓度智能预报方法可以实时、准确预报苛性碱浓度,为实现苛性碱浓度的闭环运行优化控制创造了条件.     

面向智能矿山与新工科的数字孪生技术研究

将数字孪生与人工智能(AI)技术相结合,提出了基于数字孪生+AI的智能矿山建设新思路。探索了智能矿山技术发展路径,研究了数字孪生技术的特征、应用领域及发展趋势,指出数字孪生是数字化矿山发展的必然趋势。提出了基于数字孪生+AI的智能矿山理论架构,构建了矿山数字孪生模型,模型自下而上分别为矿山全要素物理实体、矿山信息物理融合层、矿山数字孪生模型、矿山孪生数据交互层、矿山应用智能服务层,据此实现智能矿山的泛在感知、协同控制和智能决策与优化。从应用实际需求出发,探讨了智能矿山模型构建技术、智能开采数字孪生体技术、矿山智能控制技术、矿山设备故障预测、基于数字孪生的人机交互等关键技术。通过研究数字孪生在智能矿山中的应用,为AI技术在智能矿山应用落地提供思路,为未来智能矿山新工科建设提供理论借鉴。     

支持向量机在PID控制器参数整定中的仿真研究

PID控制是应用最为广泛的控制方法,由于系统中存在非线性和时变性,影响建立精确的模型,系统性能.为了解决控制参数整定,改善系统性能,提出一种基于支持向量机的PID控制器参数整定方法.通过将支持向量机和PID控制器相结合建立支持向量机的参数整定模型,在控制过程中将PID控制的参数作为支持向量机的输入,构造参数自适应学习的PID控制器,在控制过程中动态调整PID的三个控制参数,进行仿真的在线整定.仿真结果表明,支持向量机的PID控制方法在处理非线性和时变系统时,提高了实时性能,增强系统稳定性,并获得更好的控制效果,为通用非线性PID控制器设计提供了依据.     

深度确定性策略梯度与模糊PID的协同温度控制

针对现有温度控制系统控温时间长、误差大的问题, 本文提出了一种基于深度确定性策略梯度(DDPG)和模糊自整定PID的协同温度控制. 首先, 模糊PID在控制大滞后系统时, 控制器不能立刻对产生的干扰起抑制作用, 且无法保证大滞后系统的稳定性等问题, 本文建立了模糊PID和DDPG算法相结合的温度控制模型, 该模型将模糊PID作为主控制器, DDPG算法作为辅助控制, 利用双控制器模型实现温度协同控制. 接着, 利用遗传算法对模糊PID的隶属函数和模糊规则进行寻优, 获得模型参数最优解. 最后, 在仿真实验中验证所提方法的有效性. 仿真实验结果表明, 本文提出的算法可有效减少噪声干扰, 减小控制系统的响应时间、误差和超调量.     

基于规则与优化方法相结合的PID整定

现有的PID整定方法在水电控制等系统中难以获得令人满意的效果。提出基于规则与优化相结合的PID整定方法 (RO) ,对于模型未知的被控对象 ,首先对其进行辨识 ,得到其参数模型 ,在整定规则的基础上 ,通过优化计算使该PID控制器直接满足一组频域性能指标要求 ,能为某一运行工况提供最佳PID参数 ,改善控制系统的动态品质。     

搜寻者优化算法与卡尔曼滤波相结合的PID控制

针对传统PID控制器的参数整定依靠经验调整,且在控制过程中,系统易受多种噪声影响的问题,提出搜寻者优化算法与卡尔曼滤波相结合的PID控制方法。利用搜寻者优化算法对PID参数进行智能优化,利用卡尔曼滤波器实现对控制噪声和测量噪声的有效抑制。对二阶延迟系统进行仿真试验,结果表明,与传统PID控制方法相比,该方法可以智能地获得较优的PID参数,有效剔除了控制过程中的噪声干扰,实现了调节速度快、稳态误差低、抗干扰能力强的智能PID控制。     

智能电网中两阶段网络切片资源分配技术

为满足网络切片在智能电网中的多样化需求,提出了一个在智能电网中基于云-边协同的切片资源分配模型。为优化网络切片分配,提出一种两阶段的切片分配模型：在第一阶段中,以用户体验最优为目标,建立了本地边缘网络的资源分配问题的优化模型,并采用拉格朗日乘子法对此最优问题进行了求解;在第二阶段中,首先将网络切片资源分配系统建模成Markov决策过程,然后提出使用深度增强学习方法对核心云的切片自适应地进行资源分配。实验结果表明所提的两阶段切片资源优化分配模型可有效减少网络延迟,提高用户满意度。     

智能PID参数自整定技术在伺服系统中的应用

针对常规PID控制参数整定困难,且受时变、非线性等因素影响而不能达到预期控制效果的实际情况,提出了RBF网络动态辨识的BP神经网络PID参数自整定算法.此算法可实现PID控制参数的在线自整定和优化;同时,将算法应用于伺服控制系统中,以VC++6.0和Matlab为开发和仿真工具,对动态辨识神经网络智能PID参数自整定方法进行仿真研究.仿真结果表明,控制算法鲁棒性强、响应速度快,可用于控制参数时变的非线性系统.     

基于强化学习的参数自整定及优化算法

传统PID控制算法在非线性时滞系统的应用中,存在参数整定及性能优化过程繁琐、控制效果不理想的问题。针对该问题,提出了一种基于强化学习的控制器参数自整定及优化算法。该算法引入系统动态性能指标计算奖励函数,通过学习周期性阶跃响应的经验数据,无需辨识被控对象模型的具体数据,即可实现控制器参数的在线自整定及优化。以水箱液位控制系统为实验对象,对不同类型的PID控制器使用该算法进行参数整定及优化的对比实验。实验结果表明,相比于传统的参数整定方法,所提出的算法能省去繁琐的人工调参过程,有效优化控制器参数,减少被控量的超调量,提升控制器动态响应性能。     

Memory-saving memetic computing for path-following mobile robots

In this paper, a recently proposed single-solution memetic computing optimization method, namely three stage optimization memetic exploration (3SOME), is used to implement a self-tuning PID controller on board of a mobile robot. More specifically, the optimal PID parameters minimizing a measure of the following error on a path-following operation are found, in real-time, during the execution of the control loop. The proposed approach separates the control and the optimization tasks, and uses simple operating system primitives to share data. The system is able to react to modifications of the trajectory, thus endowing the robot with intelligent learning and self-configuration capabilities. A popular commercial robotic tool, i.e. the Lego Mindstorms robot, has been used for testing and implementing this system. Tests have been performed both in simulations and in a real Lego robot. Experimental results show that, compared to other online optimization techniques and to empiric PID tuning procedures, 3SOME guarantees a robust and efficient control behaviour, thus representing a valid alternative for self-tuning control systems.     

基于智能水滴算法的空调水温二阶时滞PID控制

为提高中央空调系统使用过程中的能耗利用效率,实现更加有效的回水水温控制,提出基于不确定IWD-PID整定的中央空调系统回水水温控制方法。首先对中央空调系统冷回水水温模型进行研究,用二阶时滞惯性模型对回水水温模型进行描述,获得其控制对象数学模型形式;其次引入智能水滴算法(IWD)对PID控制器进行优化整定,并利用不确定方式对IWD算法进行性能提升,最后据此对中央空调系统回水水温模型的PID控制器进行参数整定,实现回水水温有效控制。实验结果表明,采用该控制策略在满足室内负荷需求的前提下能够更有效地降低冷冻水泵的运行频率,节能效果与控制质量更佳。     

基于CARLA-PSO组合模型的智能控制器参数学习优化

对连续动作强化学习自动机（CARLA）进行了改进,应用改进后的CARLA结合粒子群优化算法（PSO）优化PID参数。以CARLA为基础,建立了CARLA和PSO的组合优化学习模型CARLA-PSO,该模型包含CARLA学习环路和PSO学习环路两个部分,通过优化策略选择器进行学习环路的选择,通过与环境进行相互作用,获得最优控制。本文对连铸结晶器液位控制进行了仿真实验,实验结果表明,CARLA-PSO在进行PID参数优化时寻优效率高,全局搜索能力强,能够达到理想的控制效果。具有较好的应用前景。     

基于控制器与辨识器的转台系统设计

为改善三轴转台系统性能.结合传统控制方法与神经网络控制,提出一种基于RBF辨识转台系统的CMAC神经网络与PID并行的复合控制算法.算法采用RBF辨识对象模型,CMAC实现前馈控制,并实现PID控制参数的在线整定和优化.也给出了CMAC控制器算法和系统辨识的RBF网络算法.以某转台模型为对象,仿真结果表明算法具有了传统控制的优点,进一步也证明了算法的可行性和优越性,且具有了更强的适应性和鲁棒性,能更为有效地应用于转台系统中.     

Incremental Q-learning strategy for adaptive PID control of mobile robots

Expert and intelligent systems are being developed to control many technological systems including mobile robots. However, the PID (Proportional-Integral-Derivative) controller is a fast low-level control strategy widely used in many control engineering tasks. Classic control theory has contributed with different tuning methods to obtain the gains of PID controllers for specific operation conditions. Nevertheless, when the system is not fully known and the operative conditions are variable and not previously known, classical techniques are not entirely suitable for the PID tuning. To overcome these drawbacks many adaptive approaches have been arisen, mainly from the field of artificial intelligent. In this work, we propose an incremental Q-learning strategy for adaptive PID control. In order to improve the learning efficiency we define a temporal memory into the learning process. While the memory remains invariant, a non-uniform specialization process is carried out generating new limited subspaces of learning. An implementation on a real mobile robot demonstrates the applicability of the proposed approach for a real-time simultaneous tuning of multiples adaptive PID controllers for a real system operating under variable conditions in a real environment.     

车载发射转塔高性能随动系统智能控制策略研究

现代战争对车载防空武器的低空高速目标的快速跟踪能力提出了很高的要求;为实现某车载发射转塔随动系统的高速高精度控制任务,抑制系统中齿隙引起的极限环振荡,提出了一种将智能分区PID反馈控制与前馈控制相结合的位置随动控制策略,并给出了易于工程实现的PID参数调整规则;设计了以嵌入式计算机PC104为核心的车载发射转塔数字交流随动系统;应用机理分析与实验相结合的方法建立了该系统的数学模型;系统仿真和实际控制结果表明,采用本文所提控制策略,可有效解决随动系统设计中快速性和稳态精度的矛盾,使系统在获得良好动、静态性能的同时,避免了极限环振荡;该方法具有较好的实用性。     

基于LabVIEW和MATLAB的数字孪生供热系统平台的设计与仿真

数字孪生技术充分利用物理结构、传感器更新、设备运行历史等数据通过集成多领域、多物理量、多可能性的模拟过程，在虚拟空间中进行镜像，以此表达相对应的实物装置的整个生命周期过程。从智慧供热的发展历史来看，依托现代工业系统理念，提出了基于"数字孪生"的智能供热系统结构。首先介绍了数字孪生的基本结构，给出了数字孪生的构建方式基于虚拟仪器Labview的大数据采集、处理、归档、仿真；然后以采集的数据为基础，得到供热系统的孪生模型，叙述了数字孪生技术解决的关键问题；最后，通过Labview仿真平台调用Matlab中神经网络智能算法，得到基于大数据采集以及经过智能算法优化后的参数，同时系统将参数反馈给物理实体设备，从而完成孪生模型的仿真、优化、反馈过程。通过热网系统优化仿真案例验证了Labview和Matlab混合编程在建立的孪生供热平台上、应用的有效性。