基于AR模型的多步自校正预报器及其应用

提出了基于AR模型的多步自校正预报器;简述了AR模型与ARMA模型的关系,避免了白噪声序列项麻烦,使得建模和参数估计的计算量大为减少;应用实例表明该方法的有效性.

一种以泰勒展开为基础的数学模型及其自校正预报显式算法

从多元函数的泰勒展开出发，给出了一种描述离散系统的模型结构，并给出了基于这种模型所描述系统的自校正预报的显式算法。

一种以泰勒展开为基础的数学模型自校正预报隐式算法

文中给出了单输入单输出离散系统以泰勒展开为基础的数学模型的自校正预报的隐式算法。

热工对象时变系统的自校正预报

针对热工对象具有慢时变性的特点，提出一种将其近似为时不变系统的方法。利用该方法离线建立的系统预报模型，具有在线计算量大为减少的优点。并把单输入、单输出的多步自校正方法推广到了多输入、单输出系统。计算机仿真表明本方法是确实可行的。

自校正预报PID调节器及其应用

提出一种设计自校正预报PID调节器的新方法。该方法具有结构新颖、鲁棒性强和容易实现等优点。并在热处理和加热炉上获得了成功应用。具有较大的推广应用价值。

一类结构适应式自校正预报器及其应用

对ARMAX系统提出了一种线性结构适应式自校正预报器SASTP,它由最优(最小方差)预报器和变结构随机逼近算法组成.通过实例应用,对于一般的自校正预报器的70步跟踪预报,平均相对误差为2.42％.

广义离散随机线性系统自校正最优预报器

运用现代时间序列分析［１］的方法研究广义离散随机线性系统最优及自适应状态估计．将状态估计转化为输出预报和白噪声估计，从而提出了系统的最优预报器，并且证明最优预报器对于初始值的选取渐近稳定．在噪声统计未知时提出了自校正预报器．仿真例子说明了其有效性．

自校正信息融合Wiener预报器及其收敛性

对带相关观测噪声和未知噪声统计的多传感器系统,用相关方法得到噪声统计在线估值器.在按分量标量加权线性最小方差最优信息融合准则下,用现代时间序列分析方法,基于滑动平均(moving average)新息模型的辨识,提出了自校正解耦融合Wiener预报器.用动态误差系统分析(dynamic error system analysis)方法证明了自校正融合Wiener预报器收敛于最优融合Wiener预报器,因而它具有渐近最优性.它的精度比每个局部自校正Wiener预报器精度都高.它的算法简单,便于实时应用.一个目标跟踪系统的仿真例子说明了其有效性.

自校正观测融合解耦Wiener状态预报器

对于带未知噪声方差和带不同观测阵的多传感器系统,应用现代时间序列分析方法,基于子系统和加权观测融合系统的滑动平均(MA)新息模型的在线辨识,提出了一类自校正加权观测融合解耦Wiener状态预报器。用动态误差系统分析方法,证明了它按实现收敛于当噪声方差已知时的最优加权观测融合解耦Wiener状态预报器,因而它具有渐近全局最优性。一个目标跟踪系统的仿真例子说明了其有效性。

自校正解耦融合Kalman预报器及其收敛性

对于带有未知模型参数和噪声方差的多传感器系统,通过系统辨识方法,得到模型参数和噪声方差的信息融合估计,将其代入到最优分量按标量加权融合Kalman预报器中,得到自校正信息融合Kalman预报器,实现了状态分量的解耦。通过动态误差系统分析(DESA)方法严格证明了提出的自校正Kalman预报器按一个实现收敛于最优融合Kalman预报器,因此它有渐近最优性。应用信号处理的仿真例子验证了其有效性。

控制受限加权预报自校正系统的稳定性分析

针对控制幅值受限的、含稳定的未建模动态和有界干扰的对象 ,给出了一种鲁棒加权预报自校正控制算法。这种算法是在最小二乘型参数估计的基础上通过引入死区而得到的 ;通过引入一补偿函数f(t) ,并结合关键性技术引理便捷地对系统的鲁棒稳定性作了详细证明。结果表明 ,即使受控对象不稳定 (通常涉及控制幅值受限的控制系统稳定都需要对象稳定 ) ,所建立的系统也可以稳定。

自校正解耦融合Wiener状态预报器

对含未知模型参数和噪声统计的多传感器单输入单输出系统,用现代时间序列分析方法,基于自回归滑动平均(ARMA)新息模型的在线辨识,可得到未知模型参数和噪声统计估值器,进而在按状态分量标量加权线性最小方差最优信息融合准则下,提出了自校正分量解耦信息融合Wiener状态预报器。它实现了自校正分量解耦局部Wiener状态预报器和自校正分量解耦融合预报器。证明了它的收敛性和渐近最优性。一个目标跟踪系统的仿真例子说明了其有效性。

自校正信息融合Kalman预报器

对含未知噪声统计的多传感器系统,用现代时间序列分析方法,基于滑动平均(MA)新息模型的在线辨识和求解相关函数矩阵方程组,可在线估计噪声统计,进而在按矩阵加权线性最小方差最优信息融合准则下,提出了自校正信息融合Kalman预报器。证明了它的收敛性,即它具有渐近最优性,且自校正融合Kal-man预报器比每个局部自校正Kalman预报器精度高。一个目标跟踪系统的仿真例子说明了其有效性。

一类时变结构系统的辨识及预报

给出一种变阶式拟最小二乘法 ,该算法由主算法和切换算法组成 ,能在线估计模型的参数 ,当系统结构发生变化时 ,能自动改变模型阶数 ,并由切换算法为主算法提供初值 ,从而实现平滑过渡 .在此基础上提出了一种结构适应式自校正预报器 ,该预报器由参数估计器和最优预报器组成 ,能在线、实时、自动改变自身结构和参数 ,并能自动补偿由于模型不精确引起的误差 .用该预报器对某分馏塔温度进行 70步跟踪预报 ,平均相对预报误差为 2 .4 % ,预报精度提高了 0 .16 % .

多变量CARMAX模型的在线修正参数预测滤波PID控制

针对多变量CARMAX模型,采用系统的输出预测值代替系统的当前输出值,提出具有预测控制性能的增量型预测滤波解耦PID控制算法。采用可克服病态的多变量系统的遗忘因子递推最小二乘算法对被控对象进行参数估计,利用自校正预报显式算法对系统输出进行预测,根据可克服算法病态的直接极小化指标函数自适应控制算法和Robbins-Monro算法,给出了具有在线修正PID控制参数和加快PID控制参数收敛性能的多变量CARMAX模型的自适应预测滤波解耦PID控制算法。仿真结果表明:改进的PID控制算法具有预测控制性能和在线修正参数性能,系统具有较好的控制品质。

CARMAX模型的在线修正参数预测滤波PID控制

针对CARMAX模型,采用系统的输出预测值代替系统的当前输出值,提出一具有预测控制性能的增量型预测滤波PID控制算法。采用改进可克服算法病态的递推最小二乘算法对被控对象进行参数估计,利用自校正预报显式算法对系统输出进行预测,根据建立的可克服算法病态的直接极小化指标函数自适应控制算法和Robbins-Monro算法,给出具有在线修正PID控制参数和加快PID控制参数收敛性能的CARMAX模型的自适应预测滤波PID控制算法。结果表明:所给出的算法具有较好的预测控制性能和控制品质。

化工生产过程中浓度类参数的软测量方法

针对化工生产过程中，浓度类参数一般都难于在线实时检测，直接影响生产质量和生产过程控制实时性的问题，提出了一种基于卡尔曼滤波和自校正预报的输出估计器和参数估计器的软测量方法。该方法通过一些与浓度类参数相关且在线可测的辅助变量值，能在线估计得到关心的浓度参数。并以谷氨酸发酵过程为例，对该方法作了可行性验证。

对称双线性系统的在线修正参数预测滤波PID控制

在双线性系统中加入控制输出的符号函数,建立了可描述对称非线性系统的对称双线性系统。采用可克服算法病态的遗忘因子递推最小二乘算法对被控对象进行参数估计,利用自校正预报显式算法对系统输出进行预测,基于具有预测控制性能的增量型预测滤波PID控制算法,根据可克服算法病态的直接极小化指标函数自适应控制算法和Robbins-Monro算法,给出了具有在线修正PID控制参数和加快PID控制参数收敛性能的对称双线性系统的自适应预测滤波PID控制算法。仿真结果表明改进的PID控制算法具有预测控制性能和在线修正参数性能,系统具有较好的控制品质。

催化裂化过程计算机实时监控系统

介绍了计算机实时监控系统在催化裂化过程中的应用 .重点分析了系统中的自校正多步预报器与多重综合自适应预报器 .该系统在操作经验的记忆、对比和推理的基础上对生产过程进行优化操作指导 .