火缘难解少林寺

火缘难解少林寺○李晓理十三棍僧救唐王因火得福少林寺嵩山少林寺，“天下第一名刹”也。殊不知其因善惹火，因火得福。公元６１７年，太原留守李渊听从次子李世民之劝起兵反隋，于１１月攻入长安。李世民时任尚书令，被封为秦王。在进入长安的第六天，探兵来报，郑兵在王...     

基于LMI方法的网络闭环控制系统离散鲁棒模糊控制

针对网络闭环控制系统中时延和不同步等不确定因素,将时延的不确定性转换为系统状态方程系数矩阵的不确定性,提出了一种新的网络闭环控制系统建模方法--具有时滞的不确定离散模糊T-S模型并在此模型的基础上,利用并行分布补偿原理和Lyapunov理论及LMI方法,证明了通过状态的静态反馈模糊控制,使闭环系统稳定的充分条件等价于求解一组LMI.仿真示例验证了该控制方法的有效性.     

基于CPS框架的微粉生产过程多模型自适应控制

针对矿渣微粉（Ground granulated blast-furnace slag,GGBS）生产这一多变量、强耦合、多工况的复杂非线性过程,本文根据大量生产数据,提炼出矿渣微粉生产过程的三个典型工况.求解多工况多目标优化问题以求得最优设定值.建立多工况下的递归神经网数据驱动模型,并采用自适应动态规划方法,建立多个控制器,结合加权多模型控制,实现矿渣微粉生产过程在多工况切换情况下的自适应控制.通过过程运行优化、跟踪控制优化、通讯、工业以太网等信息资源与矿渣微粉生产物理资源之间的融合,构建基于信息物理系统（Cyber-physical system,CPS）的矿渣微粉生产优化控制系统.实验分析表明,本文提出的基于CPS的多模型自适应控制器,能够有效实现多工况条件下矿渣微粉生产过程的自适应控制,减小超调量,提高控制品质.     

高炉布料设定值优化控制

高炉炼铁是钢铁生产中的重要能耗因素.为了实现生产的节能降耗,布料策略显得极为重要.本文针对某钢铁厂高炉的无料钟布料系统,基于现场采集的数据,建立了以铁水质量和经济效益为变量的指标效益评价函数,给出了最优设定料面的推理机制.针对不同运行环境,建立不同的料面优化设定值,构成多模型集合.当工况环境发生大的变化时,采用切换机制,对比多模型集合,选择最优料面设定值,并在此基础上对布料进行自适应控制,计算布料矩阵,提高布料过程的快速性和准确性.最后对整个高炉动态优化控制系统做了总体分析,基于现场数据,对高炉布料模型进行了仿真和验证.     

多分辨率小波极限学习机

针对一类具有空间不均匀性的辨识和回归问题,提出了基于小波分析的极限学习机方法.从多分辨率分析的思想出发,构造一簇紧支撑正交小波作为隐层激活函数,并利用改进的误差最小化极限学习机训练输出层权重,避免了新加入高分辨率子网络后的重新训练.同时,由一维多分辨分析的张量积构造了二维多分辨小波极限学习机.进而通过脊波变换将小波学习机扩展到高维空间,对脊波函数的伸缩、方向和位置参数进行优化计算.对具有奇异性的函数仿真结果证明,与标准极限学习机相比,小波极限学习机由于其聚微性能在极短的训练时间内更好地逼近目标.一些实际基准回归问题上的测试验证了脊波极限学习机在其中大部分问题上达到更高的训练和泛化精度.      

基于遗传算法的多模型自适应控制

利用多个固定模型（或元素模型）来逼近含未知参数的被控系统,基于每一个元素模型建立最优控制器,并由各局部模型控制器的加权和构成被控系统的控制器。对于这种多模型自适应控制器,在每一个采样时刻,每一个元素模型的权值将由遗传算法计算得出。仿真结果表明,采用该文提出的控制器,当被控对象的模型参数剧烈变化时系统输出依然可以很好地跟踪设定值。     

数据驱动的浮选过程建模、控制与优化研究进展

矿物浮选是存在动态性和不确定性的复杂过程,精矿品位、金属回收率等关键指标的精确软测量和优化控制是浮选过程急需解决的难题.随着技术的进步,针对矿物浮选过程中建模、控制及优化研究取得了重要进展,特别是数据驱动的智能方法.该文梳理了基于数据的浮选过程建模、控制和优化方面的研究进展.首先,介绍矿物浮选过程并描述相关控制问题;其次,分别概述基于运行数据和泡沫图像的浮选工况识别与指标预测方法;之后,从基于模型控制和无模型控制角度综述浮选过程的智能控制策略;然后,讨论浮选过程中针对单目标和多目标的设定值优化算法;最后,展望浮选过程智能控制的未来研究方向.     

基于图像混合核的列生成PM2.5预测

传统PM_2.5预测方法获取污染物浓度数据需要大型精密仪器，成本较高。本文尝试利用图像数据进行PM_2.5浓度预测。大气PM_2.5浓度的变化与图像的暗通道强度、对比度和HSI（Hue-saturation-intensity）颜色差异有密切联系。大气中PM_2.5浓度的升高会导致非天空区域的暗通道强度值下降，图像对比度下降和HSI空间颜色差异变小。通过分析PM_2.5浓度与图像特征的关系，提出了一种基于图像混合核的列生成空气质量PM_2.5预测模型。首先，以1 h为采样周期，每日8:00～17:00为采样范围，采集多种天气条件下的景物图像，提取图像的对比度、暗通道强度和HSI颜色差异共5个图像特征。其次，数据存在样本规模大、样本不平坦分布等特点，单个核函数构成的预测模型难以满足预测精度需求，因此本文按照核结构从简单到复杂的原则，选择线性核函数、多项式核函数和高斯核函数三种核函数建立组合模型。然后计算每个核基于训练样本的Gram矩阵，并将所有Gram矩阵并列成一个混合核矩阵。利用列生成算法和混合核矩阵建立预测模型，求解模型参数。最后，进行仿真实验，实验结果表明本文提出的可满足预测精度要求，与单核预测模型相比，该预测模型预测精度更高，模型稳定性更好。计算复杂度分析结果显示基于图像混合核的列生成模型与单核预测模型相比计算量无明显增加。