基于一类SMSA策略的模型最优降阶

将一类SMSA混合策略应用于模型的最优降阶,提出了处理约束优化和解决模型降阶通常遇到的稳定性问题的有效方法.通过对典型例子的数值仿真表明了混合策略和约束处理方法的有效性,而且第3个例子的优化结果明显优于以往文献的结果.

基于解析模型的非线性系统鲁棒故障诊断方法综述

研究非线性系统的鲁棒故障诊断具有重要意义 .本文着重讨论了两类方法 :非线性未知输入观测器方法和基于自适应学习的方法 ,并简要概述了其它一些方法 .还探讨了非线性系统鲁棒故障诊断的应用实例 ,并指出了其中的若干关键问题以及今后的研究方向 .

基于多操作SMSA算法的化工过程优化

提出一种多操作单纯形 模拟退火混合算法 (SMSA) ,采用附加扰动、随机产生、移位、平滑、边界取值等多种算子作为模拟退火的状态产生函数 ,增强了算法的全局搜索和局部趋化能力 ,提高了算法的优化性能。对化工过程的优化控制及Grierwangk函数的优化的数值仿真 。

一类非线性系统的快速鲁棒故障诊断

.结合在线估计器和滑模观测器方法,基于所给出的一种新的自适应学习算法,提出了一种针对非线性不确定系统的鲁棒故障诊断方法.滑模观测器可以消除建模不确定性的影响以得到准确的状态估计,而在线估计器可以实时估计故障的大小.在此,基于李亚普诺夫函数,在理论上证明了所给出的状态和参数估计误差都是一致有界的;针对三容水箱DTS200所做的仿真实验,其结果验证了该方法的可行性.研究结果表明,由于滑模项的引入,使得该方法的故障检测时间大大缩短,其性能比Polycarpou所提出的在线估计器方法的性能要好.

非线性系统参数估计的一类有效搜索策略

结合模拟退火的随机概率突跳性搜索和单纯形法的凸多面体几何搜索 ,提出了非线性系统参数估计的一类有效搜索策略 .通过对多种非线性定常系统的多维参数估计和非线性时变水箱系统的参数与时滞在线联合估计的仿真研究 ,验证了该方法的可行性。

设计自适应IIR滤波器的单纯形-退火策略

作为信号处理领域的重要研究课题 ,滤波器设计本质上是一个多维参数寻优问题 ,且往往存在多极小。传统最小二乘法和单纯形法易陷入局部极小 ,而单一模拟退火算法搜索过程冗长 ,单一遗传算法易早熟收敛。结合模拟退火的随机概率突跳性搜索和单纯形法的凸多面体几何搜索 ,提出了有效设计自适应IIR滤波器的一种简单易实现的单纯形 退火策略 (simplexmethod simulatedannealing ,SMSA) ,并给出了算法操作和参数的合理设计方案。基于多个典型系统的随机数值仿真以及与最小二乘方法的比较研究 ,验证了所提方法的有效性、全局优化性和初值鲁棒性。

非线性时变系统时滞和参数在线联合估计的SMSA方法

针对输入带纯迟延的一类非线性系统 ,提出时变时滞和参数在线联合估计的一种SMSA混合算法。该方法有机结合具有概率突跳特性的模拟退火和基于高维欧氏空间中凸多面体结构的单纯形搜索法 ,在最小化平均平方误差意义下动态寻找时滞和参数的最优估计值。

Unknown Input Extended Kalman Filter and Applications in Nonlinear Fault Diagnosis

未知输入观察员是为线性系统的柔韧的故障诊断的最著名的策略之一，但是非线性的案例上的研究不是足够的。在另一方面，当非线性的确定的系统的一个观察员最近被导出，扩大 Kalman 过滤器(EKF ) 在非线性的评价，和它的集中是著名的。由联合 EKF 和未知输入 Kalman 过滤器，我们建议一个柔韧的非线性的评估者把未知输入称为 EKF (UIEKF ) 并且用线性矩阵不平等(LMI ) 在一些温和条件下面作为一个非线性的柔韧的观察员证明它的集中。一个三坦克的系统的模拟“ DTS200 ”，在工艺程序的控制的一个基准，基于 UIEKF 与不确定性，和故障诊断为非线性的系统作为一个观察员表明 UIEKF 的坚韧性和有效性被发现成功。

数据工厂的建设与运维

工业数字化转型是推动数字技术和工业企业深度融合、赋能传统产业转型升级、重塑产业竞争力的重要途径。基于人工智能、大数据、云计算等新一代信息技术,工业数字化致力于从数据中持续挖掘价值,并结合工程最佳实践实现敏捷应用创新。当前,数字化转型存在落地速度慢、缺乏持续性的问题。为此,文章以工业企业数字化转型为背景,结合企业环境现状以及领域特点,提出面向工业数字化的数据工厂的概念,主要介绍数据工厂的建设与运维方法。相关方法已经成功应用于清洁能源、高端装备、煤炭综采、高端电子制造等多个领域,取得了显著的经济效益,可为工业企业实现数字化转型过程提供参考。

基于Simplex-annealing混合方法的模型参数估计

针对现有算法的导数依赖性及其局部优化性能 ,为控制工程中的模型参数估计课题提供一种新思路。把具有概率突跳特性模拟退火 (SA)和基于高维 Euclid空间中凸多面体结构的单纯形搜索法 (SM)有机地结合 ,通过对搜索操作和参数的有效设计 ,提出了一种基于 Sim plex- annealing混合算法 (SMSA)的模型参数估计方法。对以传递函数、状态空间和自回归滑动平均 (ARMA)模型形式表达的不同典型对象进行仿真 ,结果表明 :SMSA方法在模型结构已知的情况下可准确地估计参数 ,其性能明显优于单一遗传算法(GA)