双层结构预测控制研究进展

现代工业大系统的优化控制采用递阶结构,其中以预测控制为代表的先进过程控制已经成为重要的一级.目前,主流的工业预测控制技术均采用双层结构,即包含稳态优化层和动态控制层.双层结构预测控制技术可以有效解决复杂工业过程常见的多目标优化、多变量控制的难点问题.本文简要总结了双层结构预测控制的算法,并从控制输入与被控输出稳态关系入手分析了多变量预测控制稳态解的相容性和唯一性,说明了稳态优化的重要性.针对双层结构预测控制与区间预测控制的性能比较、稳态模型的奇异性以及闭环系统动态特性等提出了一些见解,并指出了需要重点研究的主题.

基于最优阶次HMM的电机故障诊断方法研究

介绍了一种基于隐马尔可夫模型的电机匝间短路故障诊断方法,方法中提出了一种基于信息熵的隐马尔可夫模型阶次选取策略,该策略根据求解符号出现概率的熵速率与隐马尔可夫模型阶次的关系确定模型最佳阶次,确保在得到合理的模型结构的前提下,使该模型的计算代价最小,从而得到最优隐马尔可夫模型。将该最优隐马尔可夫模型应用于电机匝间短路故障诊断实验中,获得满意的诊断结果,结果表明在保证匝间短路故障诊断精度不变的情况下,通过合理选取隐马尔可夫模型的阶次可以有效地减少模型的计算代价,提高模型的计算效率。

并行集束型半导体装备稳态吞吐量模型研究

并行集束型半导体装备的性能分析和产能预测是一项非常困难的任务,建立装备性能模型是解决这一问题的有效方法之一。首先用时序图描述了集束型半导体装备加工腔体和机械手在稳态阶段的使用情况,根据建立的时序图,推导出装备稳态时加工约束与传输约束的边界条件。然后,分别给出了不同约束条件下装备的稳态加工过程时序图,并推导出了装备的吞吐量模型。该模型反映了并行集束型半导体装备配置参数对吞吐量的影响,利用该模型可以高效地计算装备吞吐量、辅助系统设计。最后,进行仿真实验,分析了处理时间对装备吞吐量的影响。

面向服装领域的模特机器人的设计与研究

为了满足女性消费群体对服装合体性与美观性的高标准需求,依据人体测量学标准,面向服装设计与服装销售领域设计了可变型模特机器人,她可以精确模拟成年女性的体型,省却量体裁衣与亲身试衣的繁琐。首先,通过扫描获取人体点云与模特机器人点云,经k-近邻算法去噪对点云提纯处理,最后采用最近点迭代算法(ICP)进行点云匹配。经实验验证,该建模算法有效地实现了模特机器人与人体的匹配,轮廓匹配精度超过8mm,具有较高的实际应用价值。

基于主元分析确定多变量系统控制极限的方法

针对存在多个稳定状态的多变量统计过程控制的控制极限问题,提出先分析系统变量的历史数据得到其经验分布,确定该变量的不同稳定状态及对应的状态域;将数据样本按不同的状态分组标准化后,分别进行主元分析,得到不同稳定状态下的Hotellings T2及平方预测误差SPE(Q)控制极限。用本方法和普通主元分析法对某钢铁公司局部蒸汽管网的流量数据模拟监控的效果进行对比,表明本方法由于区分不同状态,确定的Hotellings T2及平方预测误差SPE(Q)控制极限更精确,能有效降低漏报警和误报警的概率。

网络环境下不敏感系统的分布式区域预测控制方法

针对二分图网络结构下的不敏感系统的可控性比较差的问题,本文提出了带有区域控制的分布式模型预测控制方法.该方法首先利用分支定界法对分布式控制系统结构进行最优设计;然后,结合区域控制提高控制系统的动态性能指标;最后,依据回路之间的关联性的强弱选择每个回路的控制方式(精确控制或区域控制).仿真结果显示带有区域控制的分布式预测控制系统的调节时间比没有带区域控制的分布式控制系统明显缩短;同时,通过对回路控制方式的选择增加了精确控制的智能体数量.仿真结果证明了利用分布式区域预测控制方法可以提高系统的容错性,通过对系统的可控性和关联性进行分析,可以在精确控制和区域控制之间寻找到最优组合,从而达到快速精确的控制效果.

案例推理及迭代学习在层流冷却控制中的应用

现有的卷取温度预报补偿模型和带钢批次间补偿模型中,由于案例推理(Case-based reasoning,CBR)系统中检索特征权重系数采用人工凑试的方法,难以获得满意的补偿作用,且由于缺乏迭代学习的初始工况条件的匹配算法,难以进行准确匹配和有效迭代.因此,本文针对这两个问题,提出了基于神经网络技术的案例推理系统检索特征权重系数自动学习算法及迭代学习技术初始工况匹配算法,改进了卷取温度预报补偿模型和带钢批次间补偿模型,并采用国内某大型钢厂的现场实际数据进行实验研究.实验结果表明,与原有方法相比,带钢卷取温度的控制偏差减小了1.63C,卷取温度精度控制在±10C以内的命中率提高了14.5%.

纳米位置控制系统自适应滤波器设计

纳米位置控制系统由于其控制精度达到纳米级,因此合理选择数字滤波器类型,正确设计数字滤波器算法是保证纳米控制系统定位精度的重要因素,但现有用于纳米位置控制系统的噪声滤波器采用传统的带阻滤波器,其参数固定。一旦纳米位置控制系统发生移动或者改变负载,噪声特性将随之发生变化,因此,常规定常数的滤波器难以有效滤除系统噪声。针对该问题,采用文化算法和案例推理技术,提出了纳米位置控制系统带阻滤波器参数自适应整定方法。实验结果证明提出的数字带阻滤波器的能够有效滤除纳米位置控制系统中的系统机械结构噪声,有效保证了系统的稳定性。

离线优化在线查表的双层结构预测控制

双层结构预测控制包括稳态优化和动态控制,计算复杂度较大,难以在实时性要求较高或者是主控制器计算能力较弱的场合应用.本文阐述了一种离线计算在线查表的稳态优化方法和详细的技术实施方案.首先采用枚举方式离线计算稳态优化值,然后通过在线查表得到实时优化值.当在线查表不可行时,通过查找距离该查表点最近的多个可查表点,以距离作为加权系数,近似计算最优稳态目标值.最后,通过性能分析和仿真实验证明了本文提出的该方法有效的降低了计算复杂度,减少了计算时间.

模特机器人CAN总线控制系统设计与实现

针对SIAHMR-I模特机器人的机械结构特性和机器人控制系统对实时性和稳定性要求,设计和实现了具有三层结构的基于can总线的分布式控制系统,包括了机器人主控层,基于CAN总线系统通信层,以及底层节点执行层,并且给出了整个机器人系统的控制结构和节点控制器的软、硬件原理图以及增量式PID位置控制设计方案,并且完成搭建了机器人控制系统实验平台。实验结果表明,控制系统性能良好,能够实现真实的模拟人体的体型和姿态动作,并且可靠性和抗干扰能力强。

基于EMD和选择性集成学习算法的磨机负荷参数软测量

针对磨机筒体振动和振声信号组成复杂难以解释、蕴含信息存在冗余性和互补性、与磨机负荷参数映射关系难以描述等问题,提出了基于经验模态分解(Empirical mode decomposition,EMD)技术和选择性集成学习算法分析筒体振动与振声信号组成,建立磨机负荷参数软测量模型的新方法.首先从机理上定性分析了筒体振动及振声信号组成的复杂性;然后采用EMD技术将原始信号自适应分解为具有不同时间尺度的系列组成成分,即本征模态函数(Intrinsic mode function,IMF);接着在频域内基于互信息(Mutual information,MI)方法分析并选择IMF频谱特征;最后采用基于核偏最小二乘(Kernel partial least square,KPLS)建模方法、分支定界优化算法的选择性集成学习方法建立磨机负荷参数软测量模型,实现了多源多尺度频谱特征的选择性信息融合.基于实验球磨机的实际运行数据仿真验证了该方法的有效性.

基于多尺度空间划分与路网建模的城市移动轨迹模式挖掘

针对城市移动轨迹模式挖掘问题展开研究,提出移动全局模式与移动过程模式相结合的挖掘方法,即通过移动轨迹的起始位置点–终点位置点(Origin-destination,OD点)与移动过程序列分别进行移动全局模式与过程模式的发现.在移动全局模式发现中,提出了弹性多尺度空间划分方法,避免了硬性等尺度网格划分对密集区域边缘的破坏,同时增强了密集区域与稀疏区域的区分能力.在移动过程模式发现中,提出了基于移动轨迹的路网拓扑关系模型构建方法,通过路网关键位置点的探测抽取拓扑关系模型.最后基于空间划分集合与路网拓扑模型对原始移动轨迹数据进行序列数据转换与频繁模式挖掘.通过深圳市出租车历史GPS轨迹数据的实验结果表明,该方法与现有方法相比在区域划分、数据转换等方面具有更好的性能,同时挖掘结果语义更为丰富,可解释性更强.

基于高斯混合模型与主元分析的多模型切换方法

针对多模型预测控制的模型切换问题,提出了一种基于工况判断的多模型切换方法,利用工业过程中的可测变量综合反映系统的动态特性,根据动态特性的变化进行多模型切换。首先利用高斯混合模型(GMM)将历史数据划分为若干个工况,然后利用不同工况下的历史数据建立负荷向量矩阵和预测模型,最后根据主元模型的平方预报误差(SPE)选择预测模型。以乙烯裂解炉的反应管出口温度(COT)的控制为例进行仿真,仿真结果表明:提出的方法实现了多个反应管出口温度的稳定均衡控制,当系统的工况发生改变时,通过不同主元模型的SPE统计量的比较,可以很容易地找到匹配的工况,并切换为相应的预测模型,解决了当系统动态特性发生改变时,预测模型切换滞后的问题。

蒸汽管网流量测量误差的在线修正方法与应用

针对蒸汽管网中蒸汽流量的测量误差较大,导致蒸汽在管理和调度中容易造成能源浪费的问题,提出了一种基于主元分析(principal component analysis,PCA)的蒸汽流量测量误差在线修正方法,首先,利用主元分析法对蒸汽管网中各节点的流量测量值进行滤波,去除随机性误差;其次,利用基于主元分析模型的平方预报误差(squared prediction error,SPE)判断蒸汽管网的负荷工况;然后,综合考虑流量的大小和方差,采用Lagrange乘子法对仪表的测量偏差进行数据协调;最后,利用残差矩阵对下一个统计周期内的数据进行在线修正。将该算法应用到钢铁企业的蒸汽管网中,实验结果表明,基于所提算法的误差修正软件对蒸汽流量测量误差修正后,累积误差比原来减少了99.09%。有效地消除部分检测误差,使蒸汽管网流量在总体上趋于供需平衡。

带有工况中心修正的多模型在线建模

针对运行工况频繁波动、单一模型难以描述过程特性的问题,提出了带有工况中心修正的多模型在线建模方案,包括工况识别机制、局部模型、多模型合成机制.工况识别机制根据工况特征变量分析工况范围,由相近度修正工况中心;局部模型采用Hammerstein模型,非线性增益由带有稳定学习算法的小波神经网络建立,线性模型由带控制量的自回归模型(ARX)建立;多模型合成机制采用加权求和方法.在线修正工况中心可反映工况的时间变化特性,参数稳定学习算法改善了模型精度和自适应能力.采用此方法建立污水处理过程化学需氧量(COD)软测量模型,结果表明,模型在工况大范围变化时仍具有满意预测效果.

基于稳定Hammerstein模型的在线软测量建模方法及应用

针对复杂工业过程中由于存在未建模动态和不确定干扰,导致关键变量的软测量精度下降的问题,提出了一种基于稳定Hammerstein模型(H模型)的在线软测量建模方法。H模型的非线性增益采用带有时变稳定学习算法的小波神经网络模型,线性系统部分采用基于递推最小二乘的ARX模型,基于输入到状态稳定性理论证明了H模型辨识误差的有界性。其中小波神经网络具有表征强非线性的特性,稳定学习算法可抑制未建模动态和不确定干扰的影响,改善了模型的预测精度和自适应能力。以典型非线性系统和实际污水处理过程为例进行了仿真研究,结果表明,基于稳定H模型的软测量方法具有较高的在线软测量精度。

变结构PI迭代学习及在层流冷却过程中的应用

热轧带钢层流冷却过程具有强非线性、工况条件变化剧烈、难以采用精确数学模型进行过程描述的复杂工业特性,这些特性决定了需要新的控制技术,以保证带钢最终质量。层流冷却过程的重复性使得迭代学习方法适用于冷却带钢之间(批次之间)的学习,因此提出变结构PI迭代学习方法对层流冷却过程进行设定控制,采用案例推理技术根据变化工况调整PI参数。实验研究结果证明,该方法可以对类似操作条件的带钢进行有效迭代学习,并很快找到工作点,使冷却结束后的带钢卷取温度控制在目标范围内。

位置不确定移动时空轨迹频繁模式挖掘

针对不确定移动轨迹ε-邻域的空间分布特征,提出一种基于网格分割面积的不确定轨迹近邻网格概率匹配方法,将原始不确定移动轨迹数据转换为以网格单元表示的概率序列数据,通过对经典序列模式挖掘算法Prefix Span的相关改进,设计并实现了适应于严格时间间隔约束条件下的移动概率序列模式挖掘算法UTFP-Prefix Span.合成数据的测试实验仿真结果表明,本文所提出的方法较基于距离的概率转换方法在挖掘结果、可扩展性等方面具有更好的性能.

基于同步聚类的污水水质混合在线软测量方法

污水处理过程工况频繁波动,单一模型难以保证软测量精度,提出了基于同步聚类的出水COD混合在线软测量方法。模型由简化机理模型和建模误差补偿模型组成,其中简化机理模型作为主模型,集成模型作为误差补偿模型。机理模型用于表征污水处理过程的基本动态机理特性;误差补偿集成模型中子模型均采用线性模型,用以补偿不同工况下的机理模型建模误差。子模型个数采用在线同步聚类算法进行划分,考虑了输入和输出数据的时间区间,同时考虑了相邻数据间的关联性,提高了计算效率,改善了模型的实时性。采用实际污水处理厂数据进行仿真实验,验证了所提建模方法在多个运行工况下仍具有较好的精度。

结合BFO及CBR的层流冷却水量优化设定方法

层流冷却过程控制目标是保证带钢卷取温度进入目标范围内并尽量提高精度以保证带钢质量,其本质是目标优化问题。同时,层流冷却过程处于频繁变化操作工况的动态环境之下,现有控制方法很难实现有效的实时控制。本文针对现有层流冷却过程控制方法很少引入优化思想这一问题,提出基于改进菌群优化算法(BFO)的层流冷却过程冷却水量优化设定方法。并针对动态变化工况,引入案例推理(CBR)机制,提出离线优化——在线推理双层结构的动态优化设定控制结构。基于实际运行数据的实验结果说明,本文提出的方法能够有效搜索冷却水量的优化设定值,而且在变更带钢规格的变化工况条件下,能够及时调整冷却水量的设定值,最终使带钢卷取温度进入目标范围内。