多模型策略在大型焦炉集气管压力控制上的应用

以某大型钢铁企业在7.63米焦炉集气管压力改造过程中的控制需求为基础,分析研究了该炉型工艺、集气管压力波动特点、工艺要求的特殊性等特点,采用多模型控制策略进行优化方案的设计,通过对不同工艺生产阶段对集气管压力波动干扰因素进行分段式控制优化,实现了集气管压力的生产过程平稳控制,达到了改造的工艺控制功能要求。

基于免疫算法的混沌多模型微扰控制

A.Duchateauetal的多模型控制策略是一种改进的OGY方法,为扩大控制器在吸引子中的作用范围,需要在混沌系统的一条无控收敛轨道上设置一系列的局部线性模型,由线性反馈控制律把混沌系统引导到不动点,这要求控制器的结构和控制量的大小是可变的.本文应用人工免疫算法的参数和结构双重可塑性来产生多模型控制策略控制律,由此提出了一种新的混沌控制方法.对H啨non映射仿真的结果表明:与其他方法相比,新方法能在较短的混沌暂态时间内把系统控制到预定轨道.因此,基于人工免疫算法的混沌多模型微扰控制方法能对混沌系统实施有效控制,且能够应用于系统全局动力学模型未知而仅获得实验数据的情况.

基于聚类多模型建模的多模态预测控制

多模型预测控制(MMPC)是解决非线性控制问题的重要手段,本文针对多模态控制器设计中模态匹配准则的选取问题,利用当前样本状态与各聚类建模子空间距离差异,提出了一种基于距离匹配的多模型控制器加权算法。然后,基于模态融合思想,提出了模态加权构建实时预测模型的控制策略。通过对pH中和过程进行仿真,结果表明:两种方法都提高了非线性系统的暂态响应,跟踪特性优良,体现了它们对非线性系统大范围控制的有效性。

基于遗传算法的混沌系统多模型微扰控制

针对基于遗传算法的混沌系统多模型控制问题,为扩大控制器在吸引子中的作用范围,采用遗传算法引导混沌轨道的方法产生多模型控制策略,能使混沌系统在小的扰动作用下迅速从某一初始点到达目标点。对含有不确定参数的Henon混沌系统仿真表明,与其他方法相比能在更短的暂态时间内把系统控制到预定轨道。

基于GMM-UBM和GLDS-SVM的英文发音错误检测方法

将语种和说话人识别的方法应用到英语发音错误检测系统,提出一种基于广义线性区分序列支持向量机(Generalized linear dis-criminant sequence based SVM,GLDS-SVM)的发音错误检测方法.主要创新点为:1)提出一种基于状态拼接的特征规整方案,增强SVM对发音特征的建模能力;2)提出一种基于多模型融合的模型训练策略,该策略可以更加充分地利用训练数据,并在一定程度上解决了由于真实发音错误数据缺乏造成的正负样本不均衡的问题;3)将GLDS-SVM与基于通用背景模型GMM(Universal background modelsbased GMM,GMM-UBM)的方法进行融合,以进一步提高发音检错性能.GLDS-SVM和GMM-UBM的融合系统在仿真测试集和真实测试集上的等错误率(Equal error rate,EER)分别达到9.92%和16.35%.同时,GLDS-SVM在模型占用空间和运算速度方面均比传统径向基函数(Radial basic function,RBF)核方法具有明显优势.