网络环境下不敏感系统的分布式区域预测控制方法

针对二分图网络结构下的不敏感系统的可控性比较差的问题,本文提出了带有区域控制的分布式模型预测控制方法.该方法首先利用分支定界法对分布式控制系统结构进行最优设计;然后,结合区域控制提高控制系统的动态性能指标;最后,依据回路之间的关联性的强弱选择每个回路的控制方式(精确控制或区域控制).仿真结果显示带有区域控制的分布式预测控制系统的调节时间比没有带区域控制的分布式控制系统明显缩短;同时,通过对回路控制方式的选择增加了精确控制的智能体数量.仿真结果证明了利用分布式区域预测控制方法可以提高系统的容错性,通过对系统的可控性和关联性进行分析,可以在精确控制和区域控制之间寻找到最优组合,从而达到快速精确的控制效果.     

蒸汽管网流量测量误差的在线修正方法与应用

针对蒸汽管网中蒸汽流量的测量误差较大,导致蒸汽在管理和调度中容易造成能源浪费的问题,提出了一种基于主元分析(principal component analysis,PCA)的蒸汽流量测量误差在线修正方法,首先,利用主元分析法对蒸汽管网中各节点的流量测量值进行滤波,去除随机性误差;其次,利用基于主元分析模型的平方预报误差(squared prediction error,SPE)判断蒸汽管网的负荷工况;然后,综合考虑流量的大小和方差,采用Lagrange乘子法对仪表的测量偏差进行数据协调;最后,利用残差矩阵对下一个统计周期内的数据进行在线修正.将该算法应用到钢铁企业的蒸汽管网中,实验结果表明,基于所提算法的误差修正软件对蒸汽流量测量误差修正后,累积误差比原来减少了99.09％.有效地消除部分检测误差,使蒸汽管网流量在总体上趋于供需平衡.     

选择性融合多尺度筒体振动频谱的磨机负荷参数建模

针对目前采用经验模态分解(empirical model decomposition,EMD)得到的系列子信号构建的磨机负荷参数软测量模型泛化性能差、难以进行清晰物理解释,以及EMD算法存在的模态混叠等问题,本文提出了基于选择性融合多尺度筒体振动频谱的建模方法.首先采用EMD、集合EMD(ensemble EMD,EEMD)、希尔伯特振动分解(Hilbert vibration decomposition,HVD)共3种多组分信号自适应分解算法获得磨机筒体振动多尺度子信号的集合,接着通过相关性分析剔除虚假无关部分,然后再将与原始信号相关性强的那部分多尺度子信号变换至频域,进而更有利于构建这些多尺度频谱与磨机负荷参数间的映射模型,最后通过改进分支定界选择性集成(improved branch and bound based selective ensemble,IBBSEN)算法建立软测量模型,实现对多源多尺度筒体振动频谱的最优选择性信息融合.基于实验球磨机运行数据的仿真实验表明所提方法在模型可解释性和泛化性能上均优于之前研究所提出方法.     

基于EMD和选择性集成学习算法的磨机负荷参数软测量

针对磨机筒体振动和振声信号组成复杂难以解释、蕴含信息存在冗余性和互补性、与磨机负 荷参数映射关系难以描述等问题,提出了基于经验模态分解（Empirical mode decomposition,EMD）技术和选择性集成学习算法分析 筒体振动与振声信号组成,建立磨机负荷参数软测量模型的新方法.首先从机理上定性分析了筒 体振动及振声信号组成的复杂性;然后采用EMD技术将原始信号自适应分解为具有不同时间尺度的系列组 成成分,即本征模态函数（Intrinsic mode function,IMF）;接着在频域内基于互信息（Mutual information,MI）方法分析并选择IMF频谱特征;最后采用基 于核偏最小二乘（Kernel partial least square,KPLS）建模方法、分支定界优化算法的选择性集成学习方法建立磨机负荷参数软测量模型,实现了多源多尺度频谱特征的选择性信息融合.基于实验球磨机的实际运行数据仿真验证了该方法的有效性.     

基于RELS的乙炔法VCM精馏过程的自适应MPC方法

为抑制非平稳扰动对具有积分特性的乙炔法VCM精馏过程的影响,提出了一种有效的自适应MPC方法。由于高沸塔塔釜中会不断沉积高沸物,表现出很强的积分特性,因此,将高沸塔塔釜液位作为积分变量进行控制;同时,针对VCM进料温度等因素对高沸塔塔釜液位产生的非平稳扰动,首先,利用RELS算法实时的估计影响高沸塔塔釜液位的扰动,然后,计算扰动在预测误差中所占的比例,最后,通过实时更新旋转因子的数值实现对积分过程的自适应MPC。工业试验结果表明:提出的自适应MPC方法能够有效克服非平稳扰动,高沸塔塔釜液位的标准差为2.6616,比采用自适应MPC方法之前减少了60.7%,验证了该方法的有效性。     

基于稳定Hammerstein模型的在线软测量建模方法及应用

针对复杂工业过程中由于存在未建模动态和不确定干扰,导致关键变量的软测量精度下降的问题,提出了一种基于稳定Hammerstein模型(H模型)的在线软测量建模方法。H模型的非线性增益采用带有时变稳定学习算法的小波神经网络模型,线性系统部分采用基于递推最小二乘的ARX模型,基于输入到状态稳定性理论证明了H模型辨识误差的有界性。其中小波神经网络具有表征强非线性的特性,稳定学习算法可抑制未建模动态和不确定干扰的影响,改善了模型的预测精度和自适应能力。以典型非线性系统和实际污水处理过程为例进行了仿真研究,结果表明,基于稳定H模型的软测量方法具有较高的在线软测量精度。     

基于同步聚类的污水水质混合在线软测量方法

污水处理过程工况频繁波动,单一模型难以保证软测量精度,提出了基于同步聚类的出水COD混合在线软测量方法。模型由简化机理模型和建模误差补偿模型组成,其中简化机理模型作为主模型,集成模型作为误差补偿模型。机理模型用于表征污水处理过程的基本动态机理特性;误差补偿集成模型中子模型均采用线性模型,用以补偿不同工况下的机理模型建模误差。子模型个数采用在线同步聚类算法进行划分,考虑了输入和输出数据的时间区间,同时考虑了相邻数据间的关联性,提高了计算效率,改善了模型的实时性。采用实际污水处理厂数据进行仿真实验,验证了所提建模方法在多个运行工况下仍具有较好的精度。     

温室内温湿度检测系统设计

基于STC89C52单片机设计的智能温湿度检测系统,硬件部分包括主控芯片、DHT11传感器、LCD1602液晶显示、按键和报警。软件部分由C语言编写。在单片机的控制下,温湿度传感器将检测到的温湿度参数,通过端口送给单片机进行处理,同时在LCD1602液晶显示器上进行实时显示。用户可以通过按键电路设定温湿度的最高、最低阈值,一旦温湿度的值超过阈值,即可发出声光报警告知管理人员。最终,在Keil环境下完成了C语言程序的编写,并且联合Protues软件完成了仿真,而且进行了电路板的焊接,软硬件的调试,能够准确测量环境的温湿度,实现超限报警功能。     

污水处理过程的递阶神经网络建模

针对污水处理过程的多变量和多非线性子系统的串级结构特点, 提出了一种基于活性污泥过程机理的递 阶神经网络建模方法.该方法将神经网络与过程机理模型以串级方式连接, 以神经网络辨识活性污泥过程模型中的非线性组分反应速率. 分析各子过程建模误差的关系, 给出了模型的稳定学习算法和稳定性理论分析. 最后通过某污水处理厂生化脱氮过程实际运行数据的实验表明所提出的建模方法是有效的.     

带有工况中心修正的多模型在线建模

针对运行工况频繁波动、单一模型难以描述过程特性的问题,提出了带有工况中心修正的多模型在线建模方案,包括工况识别机制、局部模型、多模型合成机制.工况识别机制根据工况特征变量分析工况范围,由相近度修正工况中心;局部模型采用Hammerstein模型,非线性增益由带有稳定学习算法的小波神经网络建立,线性模型由带控制量的自回归模型(ARX)建立;多模型合成机制采用加权求和方法.在线修正工况中心可反映工况的时间变化特性,参数稳定学习算法改善了模型精度和自适应能力.采用此方法建立污水处理过程化学需氧量(COD)软测量模型,结果表明,模型在工况大范围变化时仍具有满意预测效果.