跳变系统在给定时间内的有限频段H∞控制

本文针对特定频段的干扰信号,为多模态跳变系统设计给定时间控制器,在给定时间内设法使各模态轨迹在期望范围受限运动,且具有更强的干扰抑制能力.所提控制方案不仅从时间角度为降低跳变系统控制器设计的保守性提供了思路,频段信息的引入也从频率角度降低了设计结果的保守性.仿真示例验证了所提算法的有效性以及优越性.     

基于主元相似度的间歇过程操作曲线多阶段融合优化

针对一类具有多阶段特性的间歇过程操作曲线优化问题,提出了一种基于过程正常运行批次的数据驱动型操作曲线多阶段融合优化方法。首先通过时间片矩阵的划分以及主元分析,计算加权时间片载荷矩阵,并对其进行聚类分析得出过程的阶段;然后在每一阶段下利用时段变量与指标变量的相似度修正操作曲线;最后通过计算各阶段与指标变量的相关系数,获取阶段的权重从而实现操作曲线融合。将该方法应用到某化工产品的间歇结晶过程中,结果验证了所提方法的有效性。     

基于趋势相似性的二甲酚尾气处理过程监测

利用工业锅炉对二甲酚的尾气进行处理时,存在爆炸和有毒尾气泄漏的风险,因此对二甲酚尾气处理过程进行故障监测十分必要.然而该过程具有非平稳特征,常规的故障监测方法监测准确率不高.为了解决这个问题,提出了基于趋势相似性特征的故障监测方法,通过滑动时间窗口切割时间序列,计算各时间窗口内数据之间的趋势相似性,并以此作为新的监控特...     

基于迁移学习的有机硅单体分馏过程能耗建模

有机硅单体分馏过程需分离的物质多且分离技术要求高，是有机硅单体生产过程中能耗较高的单元之一。能耗模型的建立对分馏过程的生产优化有着重要的意义。虽然分馏过程中各提纯单元的塔器设备型号、操作条件存在差异，但由于各提纯单元存在相似性，如何充分利用这些相似性进行能耗建模，从而减少建模过程中对数据量、质的要求是要解决的问题。通过引入迁移学习算法，增大源单元和目标单元数据域的相似性，实现不同数据域的知识传递，充分利用现有数据中包含的知识，建立新的能耗模型。以某有机硅企业采集的现场数据进行算法验证，结果显示，当训练样本量不足时，迁移学习可以有效提升模型性能，从而验证了该算法的有效性与实际应用价值。     

异步时滞切换正系统的有限时间镇定

研究异步切换下时滞切换正系统的有限时间控制问题,即针对控制器切换滞后于子系统切换形成的异步现象,基于平均驻留时间切换方法对切换正系统开展有限时间镇定研究.首先,将每个正子系统运行的区间划分为子系统与控制器匹配和失配区间,并构造多余正Lyapunov-Krasovskii泛函;其次,基于有限时间稳定理论,实现平均驻留时间切换律及异步时滞切换正系统有限时间镇定控制器的联合设计,并给出连续时间和离散时间两种情形下系统有限时间镇定的充分条件;最后,通过两个仿真例子验证所提出方法的有效性.     

基于隐变量空间载荷余弦相似度的间歇过程递推优化

针对间歇过程基于主元相似度优化方法中存在的变量相关性信息损失问题,提出一种单位化隐变量空间下利用载荷余弦相似度进行递推优化的新策略。首先将各时段变量与指标变量构成的扩展矩阵进行主元分解,通过信息的重新分配使得由主元构成的隐变量空间是单位正交的,从而得到包含更多变量相关信息的非单位化载荷矩阵,进一步计算隐变量空间下各时段变量与指标变量之间载荷余弦相似度和批次间指标增量,并对操作曲线进行递推修正。这种非单位化载荷矩阵的主元分解形式,不仅降低了隐变量空间下变量相关性信息损失,也使得更新操作曲线的递推算法更为简化。最后,通过间歇过程某一化工产品结晶纯度的优化研究,验证了所提方法的有效性。     

聚合过程贝叶斯统计学习质量模式监测

聚合过程由于反应机理复杂、过程非线性强等特点,使得其质量监控问题成为过程控制领域的研究难点和热点。本文结合聚合反应过程的特点,利用聚合生产过程中与聚合物的物性参数相关的过程参数数据,引入质量模式监测的概念,创新性地提出了基于模式指标的贝叶斯统计学习方法,以解决聚合过程的质量模式监测问题。首先利用主成分分析将观测空间数据的本质特征投影到低维空间,得到模式指标;然后,基于贝叶斯统计学习算法,根据后验概率对构建的质量模式进行判别;最后利用某化工厂提供的聚合反应釜的生产数据对所提方法进行验证。由于模式指标相比于质量指标如转化率、聚合速率等,更能反映聚合反应过程的一致性和产品品质,因此基于模式指标的贝叶斯判别法较基于参数指标的贝叶斯判别法更加准确,更能实现对聚合过程的质量监控。     

滤波辨识(7):类多变量方程误差ARMA系统的滤波递阶广义增广参数辨识

针对类多变量方程误差自回归滑动平均(M-EEARMA-like)系统,利用滤波辨识理念和递阶辨识原理,研究和提出了滤波递阶广义增广随机梯度辨识方法、滤波递阶多新息广义增广随机梯度辨识方法、滤波递阶广义增广梯度辨识方法、滤波递阶多新息递推广义增广梯度辨识方法、滤波递阶递推广义增广最小二乘辨识方法、滤波递阶多新息广义增广最小二乘辨识方法。这些滤波递阶广义增广辨识方法可以推广到其他有色噪声干扰下的线性和非线性多变量随机系统中。     

滤波辨识(5):输出误差自回归滑动平均系统的滤波辅助模型递推广义增广参数估计

针对输出误差自回归滑动平均系统,即Box-Jenkis系统,利用滤波辨识理念,研究和提出了滤波辅助模型广义增广随机梯度辨识方法、滤波辅助模型多新息广义增广随机梯度辨识方法、滤波辅助模型多新息广义增广投影辨识方法、滤波辅助模型递推广义增广梯度辨识方法、滤波辅助模型多新息递推广义增广梯度辨识方法、滤波辅助模型递推广义增广最小二乘辨识方法、滤波辅助模型多新息递推广义增广最小二乘辨识方法。这些滤波辅助模型广义增广辨识方法可以推广到其他有色噪声干扰下的线性和非线性多变量随机系统中。     

基于隐变量空间载荷余弦相似度的间歇过程递推优化

针对间歇过程基于主元相似度优化方法中存在的变量相关性信息损失问题,提出一种单位化隐变量空间下利用载荷余弦相似度进行递推优化的新策略。首先将各时段变量与指标变量构成的扩展矩阵进行主元分解,通过信息的重新分配使得由主元构成的隐变量空间是单位正交的,从而得到包含更多变量相关信息的非单位化载荷矩阵,进一步计算隐变量空间下各时段变量与指标变量之间载荷余弦相似度和批次间指标增量,并对操作曲线进行递推修正。这种非单位化载荷矩阵的主元分解形式,不仅降低了隐变量空间下变量相关性信息损失,也使得更新操作曲线的递推算法更为简化。最后,通过间歇过程某一化工产品结晶纯度的优化研究,验证了所提方法的有效性。