工业过程关键指标预测的知识协同进化增强图卷积网络方法

在流程工业关键变量预测领域,已有研究致力于将过程知识与大数据相结合,以实现更高的准确性,降低过拟合风险和提高可解释性.然而,现有工作存在准确的先验知识构建成本高、无法从丰富的数据中挖掘知识等问题,限制了这些方法在实际工业过程中的广泛应用.为了解决这些挑战,本文提出了一种基于知识协同进化的增强图卷积网络方法.首先,利用易获取的过程流图构建低成本的粗粒度流程知识.然后,在图卷积神经网络模型训练中引入图探索,实现知识更新.最后,为了降低知识复杂度并保持一致性,设计了一种知识过滤机制.所提出的方法在基准的脱丁烷塔工艺过程上进行了验证.实验结果表明,该方法具有出色的预测准确性,并获得高质量的新知识.

基于博弈竞价的区域综合能源系统运营弹性增强策略

能源系统故障可能导致巨大的经济损失,因此,提升能源系统的运营弹性具有重要意义.为了提高区域综合能源系统在市场机制下的弹性,本文提出了一种基于博弈的能源竞标策略.首先,建立了区域综合能源系统模型,其中包括能源控制中心、能源枢纽、储能系统和用户聚合商.为了在市场环境下通过价格引导弹性增强,构建了基于Stackelberg博弈的能源竞标框架,通过调整能源零售价格和需求响应激励价格等策略,以减小能源缺口并降低价格波动.考虑到参与者间的隐私保护,设计了双层迭代定价算法.最后,通过仿真算例说明了所提策略在保证供需平衡的同时有效抑制价格波动,从而降低经济损失.

基于神经网络误差修正的广义预测控制

本文基于ＢＰ结构神经网络，对系统的建模误差进行预测，并将其与模型预测相结合构成广义预测控制算法，目的在于抑制模型失配的影响，增强广义预测控制的鲁棒性，仿真结果表明了这一算法的有效性．

智能控制的新进展(I)

对模糊智能控制的主要研究方向进行较详细的分析和论述，包括模糊模型与基本控制算法，非线性系统的模糊建模与控制，模糊预测控制，模糊控制系统的稳定性分析等。对它们在智能控制中的地位和作用进行讨论，并对模糊智能控制的发展做了展望。

Sugeno模糊模型的辨识与控制

提出了一种新的Ｓｕｇｅｎｏ模糊模型辨识算法和对非线性系统进行并行化设计的方法．在Ｓｕｇｅｎｏ模糊模型辨识中，应用模糊聚类方法可将其前提结构和结论参数的辨识分开进行，减少了计算量；对于非线性系统的控制，Ｓｕｇｅｎｏ模糊模型实际上是动态系统的局部线性化，可采用并行设计的方法设计控制器，然后通过模糊推理得到全局控制量．最后通过倒立摆系统的控制说明了本文算法的有效性．

智能控制的新进展(Ⅱ)

对神经网络和遗传算法在控制和优化中的应用进行综述 ,着重讨论了模糊推理和神经网络的内在关系 ,并对智能控制的发展做了展望。

基于模糊推理和广义预测的组合控制

针对具有纯时滞和非线性的复杂系统，提出一种基于广义预测控制和模糊反馈校正相结合的控制策略，目的在于抑制模型失配的影响，增强广义预测控制的鲁棒性，建立一种适于实时生产过程的控制方法．仿真结果验证了这一算法的有效性．

模糊滑动模态控制系统的性质分析

根据滑动模态原理 ,将模糊控制系统的输入量简化为广义跟踪误差的一个超平面 ,并基于三角形的非线性划分语言变量的隶属度 ,分析了模糊控制系统的某些性质 ,表明在系统稳定性、稳态误差等指标方面 ,模糊控制器优于一般的PID控制器 .

模糊动态环境下复杂系统的满意优化控制

提出一种在满意控制框架下进行模糊决策的方法 ,将控制目标和系统约束模糊化 ,形成多目标的优化问题 ,通过模糊规划方法求解 ,与基于二次型性能指标的预测控制相比 。

小波变换在有约束广义预测控制中的应用

基于小波变换的多分辨分析功能 ,对有约束广义预测控制的预测和控制时域在小波域进行分块压缩 ,降低了约束维数 。

模糊控制器的结构化分析及系统化设计方法

对于模糊控制器的输入变量 ,采用一种新型的不均匀、全交迭、三角形的隶属度函数 ,推导了两输入 ( e,Δe)一输出 ( Δu)的典型模糊控制器输出的解析表达式 ;并对最常用的输入变量各取 5个模糊变量的情况进行分析。在此基础上提出一种模糊控制系统的系统化设计方法 ,可根据已有的 PI/ PD控制器参数设计相应的模糊控制器参数。仿真实验说明了该方法的有效性。

基于模糊目标和模糊约束的满意控制

研究在预测控制框架下进行模糊决策问题 ,提出一种基于模糊目标和模糊约束的预测控制方法。其目标函数以决策者的控制要求和最终控制的满意度来表示 ,比传统的加权方差具有更多的自由度 ;与基于二次型性能指标的预测控制相比 ,该方法可使系统设计更加灵活。仿真结果表明了该方法的有效性。

串级预测控制及其在涤纶片基生产线中的应用(英文)

涤纶片基拉膜生产线是一个大滞后的复杂工业生产过程 ,包含纵拉伸区和横拉伸区 ,生产中的扰动经常发生在铸片过程中 .本文为此提出一种针对该类生产过程的预测控制算法 ,与典型的PI控制器相比 ,可以有效地克服内环的扰动 。

具有模糊约束的广义预测控制

本文研究了预测控制中的模糊决策问题。与传统的误差加权性能指标相比 ,在预测控制中利用模糊目标和模糊约束具有更大的灵活性 ,等式约束和不等式约束可以统一为模糊软约束 ,约束预测控制可以转化为标准的模糊优化问题 ,用一组不精确的满意优化解取代了传统的唯一最优解 ,这样 ,设计者对特定的被控对象有更多的灵活性。仿真结果表明了对控制量或系统输出加入约束时该方法的有效性。

一类非线性系统的自适应模糊控制

针对一类非线性系统，利用模糊推理系统对非线性函数的逼近能力，导出了基于Ｌｙａ－ｐｕｎｏｖ稳定性理论的自适应控制器，不但能解决这类非线性系统的跟踪问题，而且可保证闭环系统的稳定性。仿真结果表明了这一算法的有效性。

基于模糊满意度的广义预测控制器参数的在线调整

广义预测控制器 (GPC)中控制量的加权系数 λ直接影响着控制系统的调节品质 ,调整 λ值对调节系统的超调量和调节时间的作用是相矛盾的。为此提出调节品质满意度的概念 ,形成基于模糊满意度的多目标决策问题 ,动态地调整 GPC目标函数中的加权系数 λ。仿真结果表明 ,该方法能够同时满足系统的多种控制品质的要求。

时变遗忘因子的子空间辨识及预测控制器设计

针对线性时变多变量系统,在存在不可测干扰及系统动态特性变化较大的情况下,不需要已知系统先验结构信息,不需要辨识出系统参数矩阵,提出一种完全数据驱动的具有变遗忘因子子空间辨识的预测控制器设计方法.预测控制是一种基于模型的控制方法,为了更好地建立被控系统模型,在已有的在线辨识基础上,根据实测输出值与预测输出值的误差构造变遗忘因子,以调整采集数据的权重,提高辨识灵敏度和控制效果.最后通过实例仿真验证算法的有效性.

多模型预测控制的平滑切换

基于预测控制应用在多模型系统时的切换扰动，在切换时间ｔ０ 已知条件下，通过重新构造系统的步限矩阵，提出了一种控制系统平滑切换的广义预测控制算法．预测控制中步限矩阵是预测步限Ｎ 步内Ｄｉｏｐｈａｎｔｉｎｅ 方程的系数．研究了当前计算时刻ｔ在计算步长ｋ：①ｔ＋ ｋ＜ ｔ０＋ １；②ｔ＋ ｋ＝ ｔ０＋ １；③ｔ０＋ １＜ ｔ＋ ｋ≤ｔ＋ Ｎ 三种情况下步限矩阵的元素构成，实现了多模型控制系统的平稳切换．

基于模糊性能指标的广义预测控制器参数调整

针对广义预测控制算法在控制时域中求得的M个控制量,利用模糊模拟技术对系统的约束进行检验,不断修正目标函数中控制量的加权系数,充分利用系统预测控制量的信息,增强系统的鲁棒性,并满足系统的约束。

非最小相位系统具有强鲁棒性的广义预测控制

将被控对象零点分解为最小相位项和非最小相位项，并形成新的预测方程，基于ＧＰＣ算法的目标函数，得到非最小相位系统的ＧＰＣ控制算法，保证了在加权系数为零的极限情况下系统的稳定性。仿真结果表明了这一算法的有效性。