全阶预估状态观测器调节系统的CAD

针对基于全阶预估状态观测器调节系统的CAD,需对带符号变量二元矩阵方程组求解,一般线性代数或数值计算法难于实现,提出借助MATLAB控制系统工具箱和符号数学工具箱中有关函数,编程解决了上述问题。理论计算与仿真结果比较,证明该方法的正确性和实用性。

状态预估下光伏发电系统运维策略探讨

目前,很多地区已经覆盖光伏发电项目,但是从光伏发电系统应用现状来看,一些地区仍然存在运维水平不高、集约化程度低下,以及管理能力较弱等问题,这些问题将会对光伏发电项目的应用质量造成不利影响。为确保光伏发电系统正常运转,提升系统发电效率,管理人员有必要做好光伏发电项目的运维管理。基于此,本文首先从MCMC光伏阵列状态评估入手,探索光伏发电项目的运维要点,并以此提出相关策略,为系统运行与日常维护提供建议。

人工神经网络在红霉素发酵过程状态预估中的应用

探索了动态 BP网络和 RBF网络在红霉素发酵过程状态预估中的应用 ,比较了它们的收敛速度和学习能力。结果表明 ,BP网络和 RBF网络都具有相当好的学习能力 ,但 RBF网络的收敛速度更快。训练好的神经网络 ,在红霉素发酵过程中可在线预估出红霉素效价、葡萄糖浓度、NH2 - N浓度、丙醇浓度和菌体浓度等参数值 ,并可在进一步的过程优化和控制中应用。

节点负荷预测与发电控制结合的状态预估方法

欲使电力系统安全、可靠、经济运行,超前预知可信的信息对电力系统运行调度与控制是非常重要和关键的。在已有研究基础上,进一步分析了电力系统状态预估模型和算法,构建了考虑节点扰动功率的状态预估模型。该模型以当前时刻的状态估计作为初始值,考虑了系统扰动前后总变化量的准稳态过程,兼顾因节点负荷需求变化的随机性、发电调度控制计划本身及执行过程中的不确定性导致节点扰动功率所具有的量测特性。借助加权最小二乘及高阶项修正的方法,预估电力系统状态的变化趋势。实际系统的测试结果验证了该方法的可行性和有效性。

基于DRNN及其相应算法的非线性系统的状态预估

基于ＤＲＮＮ 网络结构与动态ＢＰ网络的加速算法，研究磷酸羟胺法（ＨＰＯ法）己内酰胺生产过程中磷酸羟胺液的离子浓度与ｐＨ值的在线预估。

基于状态预估的大延时网络化控制系统H_∞控制

针对一类具有随机大延时(延时大于系统的采样周期)的网络化控制系统,提出一种基于状态预估和时钟驱动的H∞控制器的设计方法,通过状态预估获取当前控制周期的预估控制状态,并通过相应的控制律计算出控制量输出。利用锥补线性化算法和LMI(Linear Ma-trix Inequality)给出了系统稳定的H∞次优控制器。仿真算例验证了本文结论的有效性和可用性。

基于VC的发酵过程监控与状态预估软件开发

根据实际项目,设计一套面向中小型发酵过程系统的软件。系统硬件由工控机、智能仪表、远程IO模块等组成,软件则采用VC基于windows系统开发。软件应用多线程技术,分为六个模块,具有数据采集、数据存储等功能外,还具有状态预估功能。用神经网络在Matlab中训练好模型,通过动态链接库方式在VC中调用,可对产物浓度等不可测量进行预估。重点分析了软件中通讯部分,状态预估部分的实现技术,并给出相应的关键程序代码。

基于PSO-SVR的发酵过程状态预估模型

针对发酵过程中生物参数难以实时在线测量的问题,建立了用于生物参数状态预估的支持向量机软测量模型。考虑到该支持向量回归(SVR)模型的复杂性和冷化特征取决于其三个参数,εc,γ能否取到最优值,采用粒子群优化(PSO)算法实现对参数,εc,γ的同时寻优。在此基础上,以饲料用β-甘露聚糖酶为对象,建立了基于PSO-SVR的发酵过程产物浓度状态预估模型。发酵罐控制结果表明:该模型具有很好的学习精度和泛化能力,可实现对β-甘露聚糖酶产物浓度的实时在线预估。

基于DRNN的非线性对象的状态预估及其加速算法

本文在基于对角递归神经网络（ＤＲＮＮ）算法及其对ＨＰＯ污中肟化投酮量在线予估的研究基础上，进一步讨论了几种加速方法。并结合现场数据进行了实际状态予估比较，证明此种方法是有效的。

基于状态预估的非线性时滞系统控制的分步设计

研究了非线性时滞系统基于状态预估和分步设计思想的稳定化控制器设计问题。针对一类单控制滞后的仿射非线性时滞系统,利用非线性状态变换得到—简单的中间非线性时滞系统模型,引入带有将来预估值的非线性状态反馈,得到一线性时滞系统模型,并利用一带有控制记忆的积分变换进行精确无滞后化变换,最后得到一无滞后的线性能控型系统,从而利用分步设计的思想,实现非线性时滞系统的稳定化控制。最后通过一数值例子的仿真说明了该方法的有效性。

发酵过程状态预估的BP神经网络模型实现

论述了利用改进的BP神经网络实现发酵过程状态预估模型的设计原理和方法,包括BP神经网络的拓扑结构选取、学习和测试样本的选择及处理,变步长引入动量项BP神经网络的训练方法以及全局收敛法的实现等。此外,用VC实现了发酵过程BP神经网络建模平台。经聚赖氨酸发酵过程验证,其模型具有良好的收敛性能和泛化性能,可应用于发酵过程状态参数的在线预估和测量。

状态预估法扩展数字锁相环的锁相区间

提出了一种扩展正过零检测数字锁相环锁相区间的方法。首先建立了锁相环路未受控时误差变量的非线性动力学模型,得到误差变量在不动点处线性化近似预测值;然后取此近似预测值的非线性函数进行反馈控制,扩展了环路锁相区间;最后分析了受控数字锁相环的稳定性并给出了仿真结果,结果不仅证实了该方案的正确性和有效性,而且表明该方法比延迟反馈方法更加优越。

基于车辆构成和特征提取的交通状态预估模型

准确的交通状态预估有利于车辆选择合理交通路线,缓解交通拥堵状态。针对传统方法特征提取不充分、预估准确度依赖于监测器精度等问题,提出了一种基于车辆构成和特征提取的交通状态预估模型。该模型以速度、流量、占用率和大型车辆比重为输入,将交通状态分成畅通、拥挤和拥堵三种状态,结合时间空间维度来预估交通状态。通过卷积神经网络(ConvolutionalNeural Network,CNN)提取交通拥堵特征,得到的特征输入支持向量机(Support Vector Machine,SVM)进行交通状态预估。实验表明,考虑车辆构成比忽略车辆构成准确率提高1. 12%, CNN-SVM模型预估准确度比CNN模型提升2. 25%,是一种有效的交通状态预估模型。

空间状态预估理论在电站汽温调节中的应用探讨

本文简单介绍"空间状态预估理论"在600MW机组中主蒸汽温度调节、再热器温度调节的应用方案,为发电厂的主蒸汽温度调节提供新的方法。

卡尔曼滤波在电池状态预估中的鲁棒性分析

卡尔曼滤波器是基于状态空间模型的最小方差估计,广泛应用于动力电池状态估计领域。而在实际运用中,运用卡尔曼滤波a算法对动力电池状态进行估算的结果通常会出现发散的现象。为了解决这一问题,文章从算法的发散根源出发,根据不同的发散因子,提出相应的改进措施,确保卡尔曼滤波的鲁棒性,并以扩展卡尔曼滤波估算动力电池的电荷状态为例,通过算法改进前后的结果对比,验证了改进算法的有效性,同时也为无迹卡尔曼滤波、中心差分滤波、高斯埃尔米特滤波等相关算法的鲁棒性改进提供了理论指导与参考。

基于鲁棒H^∞滤波的光电跟踪机动目标状态预测估计

针对光电跟踪系统中目标机动的特点和电视图像跟踪器信号处理、传输造成的测量时滞以及目标信号测量中存在的不确定干扰和噪声,选取机动目标"当前"统计模型对加速度进行建模,在所建立的光电跟踪目标加速度非零均值相关模型的基础上,采用鲁棒H∞滤波算法对光电成像识别目标运动状态进行预测估计。其预测精度比Kalman滤波提高近1倍。实验结果表明,该方法能有效地克服目标模型变化及随机噪声和干扰不确定性的影响,具有较高的预测精度和良好的鲁棒性。

网络控制系统具有时延补偿的离散滑模预估控制

基于线性时不变被控对象的网络控制系统的离散模型,研究了系统滑模控制器的设计问题.在系统状态预估的基础上,构造了具有时延补偿的滑模超平面,提出了完全消除抖振的滑模控制方法.利用李雅普诺夫方法证明了该控制器可保证系统的稳定性且不要求网络诱导时延小于一个采样周期.以伺服系统为对象的仿真实例验证了该方法的可行性和有效性.

优化控制在脱硝尿素热解工艺中的应用分析

本文通过介绍火力发电厂SCR脱硝尿素热解工艺的基本原理,探讨优化控制在脱硝尿素热解工艺中的应用。首先,基于尿素热解工艺具有滞后性、非线性等弊端,基于此采用了Smith神经网络与PID控制相结合的控制算法,提高了脱硝喷氨的控制精度和响应速度。结合以上情况进行具体研究结果对于火力发电厂脱硝优化控制具有重大意义和参考价值。

智能制造系统的数字孪生正向监测与反向控制方法

针对智能制造系统的监测评估与控制优化问题,提出面向工业现场的正反向数字孪生管理方法。正向由数据映射孪生实体提供监控服务,反向模拟控制优化物理实体行为完成反馈,实现制造过程的全闭环管控。方法由信息物理系统串联物理真实数据与孪生虚拟数据,搭建与五维模型呼应的多层架构。设计了多尺度多层次的孪生建模方法,结合模型定义与有限状态机技术,在虚幻引擎上搭建物理属性和动作行为的孪生场景。通过融入人工智能与行为模拟模型,将上下文数据信息纳入功能服务,使系统能够有效利用融合数据,分析评估设备健康状态,生成仿真行为控制加工过程。最后,面向某装配件智能制造系统搭建了平台,验证了模型成熟度与孪生可靠性。

粒子群优化粒子滤波方法

针对粒子滤波方法存在粒子贫乏以及初始状态未知时需要大量粒子才能进行鲁棒状态预估等问题,将粒子群优化思想引入粒子滤波中.该方法将最新观测值融合到采样过程中,并对采样过程利用粒子群优化算法进行优化.通过优化,可使粒子集朝后验概率密度分布取值较大的区域运动,从而克服了粒子贫乏问题,并极大地降低了精确预估所需的粒子数.实验结果表明,该算法具有较高的预估精度和较好的鲁棒性.