一种基于LMI的离线预测控制算法

针对预测控制滚动优化命题的在线计算任务大，本文提出了一种基于LMI的离线预测控制算法，通过离线求解线性矩阵不等式优化命题构造分段线性反馈控制律，在线运行时只需实施满足条件的反馈控制律，极大提高在线计算效率。仿真结果表明该算法的有效性。     

应用粒子群优化的非线性系统辨识

提出了一种应用粒子群优化的非线性系统辨识方法。首先将非线性系统的辨识问题转化为参数空间上的优化问题,然后利用粒子群优化算法对整个参数空间进行高效并行搜索以获得系统参数的最优估计。以Hammerstein模型的辨识为例说明了本方法的可行性。     

蚁群前馈神经网络在煤灰熔点预测中的应用

提出了一种蚁群前馈神经网络模型。采用蚁群算法和BP算法相结合的方法训练神经网络,可避免单纯BP算法容易陷入局部最优的不足,降低算法对初值的敏感性。应用蚁群前馈神经网络建立了灰熔点的模型,并对模型的预测性能进行了验证。结果表明,该方法的预测精度比单一的BP神经网络模型有较大提高,训练后的网络模型可以用于煤灰熔点的预报。     

基于多元统计信号处理的间歇过程监控方法研究

针对化工生产中日益增多的间歇过程，提出了一种基于多元统计信号处理的过程监控方法，其主要思想为将过程信息空间划分为由盲源信号描述的信号子空间、过程主元描述的信号子空间和残差信号子空间，随后对各个信号子空间构造过程统计量或分类器提取信号特征进行过程监控，该方法避免了传统多元统计过程控制 (multivariate statistical process contro，lMSPC)需假设过程特征信号服从正态分布的前提.将本方法与传统MSPC方法的性能进行了对比，并在仿真中给出了对比研究结果.通过对间歇过程的仿真研究表明，该方法不仅能够有效地检测出故障，而且有利于故障的分离和定位，从而说明该方法不仅是有效的，而且其性能优于仅能检测故障的传统MSPC过程监控方法.     

单值模型预测控制的应用研究

传统的模型预测控制算法的计算时间比较长，一般需要较长的采样周期，本文针对工业过程中大量存在的过阻尼对象提出了单值模型预测控制算法，并在PTA生产的浆料浓度控制中进行了应用。单值模型预测控制算法实施简单、容易在DCS层实现而且可以获得良好的控制品质。     

基于支持向量分类器PCA方法及其在过程监控和故障检测中的应用

提出了基于支持向量分类器对过程进行性能监控和故障检测的改进 PCA方法 ,该方法避免了多元统计过程控制(MSPC)假设主元必须服从正态分布的前提。此外 ,通过对苯 -甲苯两组分精馏分离过程的仿真研究表明 ,该方法是有效的 ,并具有比传统多元统计过程控制更为优越的性能。     

中定量纸的定量水份计算机控制

生产中定量纸的纸机目前国内数量最多,使用最普遍,因此对其进行计算机自动控制也最有意义。本文介绍了中定量纸纸机计算机控制系统的设计思想、建模方法、控制策略、软件结构、仪表与计算机配置等方面内容。