一、基于模型预测的神经网络非线性时滞系统的辨识和控制(英文)（论文文献综述）
侯明冬[1]（2020）在《基于动态线性化数据模型的离散滑模控制研究》文中进行了进一步梳理论文基于动态线性化数据模型,针对一般非线性离散时间系统存在扰动、时滞、误差受限、执行器饱和以及系统耦合等问题,研究动态线性化数据模型和离散滑模控制方法相互融合的控制技术。研究中,将动态线性化技术、离散积分终端滑模控制、扰动估计技术、预测控制、预定性能控制及离散扩张观测器等技术有机结合,提出几种基于动态线性化数据模型的离散滑模控制方法。主要的创新性工作总结如下:（1）针对一般非线性离散时间SISO系统的紧格式动态线性化数据模型中存在未知扰动的问题,提出一种基于扰动估计技术的数据驱动离散积分终端滑模控制算法,并将该方法推广应用至偏格式和全格式动态线性化数据模型。为了进一步提高跟踪精度,在所提出算法的基础上,结合预测控制原理,提出了一种基于紧格式动态线性化数据模型的离散积分终端滑模预测控制策略。理论分析证明了所提出算法的稳定性,通过仿真比较研究和双容水箱液位控制实验研究表明了所提出方法的有效性。（2）针对一般非线性离散时间SISO滞后系统,基于紧格式动态线性化数据模型,结合离散积分滑模控制方法,提出了一种适用于非线性滞后系统的数据驱动离散积分滑模控制算法。该算法的主要创新点在于:1)考虑系统存在滞后的情况下,实现紧格式动态线性化数据模型中滞后项的隐性表达;2)基于无明显时间延迟的等效动态线性化数据模型,结合离散积分滑模控制方法进行控制系统设计,即在新的预测状态而不是原始状态下进行控制系统设计。（3）提出了一种抗饱和数据驱动积分终端滑模控制方案。该方案基于紧格式动态线性化数据模型,在离散积分终端滑模控制器设计过程中,引入动态抗饱和补偿器,解决了系统轨迹跟踪过程中执行器饱和问题。为更为清晰的表明所提出方法及其应用,以有输入饱和约束的轮式移动机器人的轨迹跟踪问题为例,阐述所提出方法的理论问题及实际应用。所提出控制算法,主要包括在线数据驱动模型辨识算法,积分终端滑模控制算法和动态抗饱和补偿算法。此外,给出了所提出方法的闭环系统稳定性分析。（4）基于包含扰动的紧格式动态线性化数据模型,提出了一种具有跟踪误差约束的数据驱动终端滑模控制方法。通过引入预定性能函数,将对系统输出误差存在约束的跟踪问题转化为无约束的镇定问题。并通过设计离散终端滑模控制器,进一步加快滑模运动趋于滑模面的速度,且能够确保系统跟踪误差收敛到预定义的区域。（5）针对一类包含未知外部扰动的离散非线性MIMO系统,提出一种新的数据驱动离散积分滑模解耦控制算法。所提出算法基于紧格式动态线性化数据模型,通过离散扩张观测器对数据驱动模型的未建模动态、未知扰动以及系统间各变量之间耦合作用进行在线估计,采用离散积分滑模控制策略,实现包含扰动的离散非线性MIMO系统的离散积分滑模解耦控制。为了使控制系统性能（包括过冲,瞬态响应和稳态误差）得到进一步改善。提出了一种新的数据驱动误差受限离散终端滑模解耦控制算法。该算法在紧格式动态线性化数据模型解耦的基础上,通过在滑模控制器设计过程中引入预定性能函数,使得解耦后各环路的误差能够收敛到预定的区域,提升了系统解耦后的控制性能。理论分析和仿真实验表明,在干扰和系统不确定性的影响下,基于预定性能的数据驱动滑模解耦控制器能够实现对离散非线性MIMO系统的渐近跟踪控制。
冯陈[2]（2020）在《抽水蓄能机组系统辨识与复杂工况下控制规律研究》文中研究说明太阳能和风电等清洁能源想要大规模接入电网并发挥其作为绿色能源的优势,就必须借助大规模储能技术的消纳和调节。在目前已有的储能技术当中,抽水蓄能技术相比于其他形式的储能技术具有运行成熟且储量大的优点。抽水蓄能技术工况转换迅速、运行灵活性高、负荷响应速度快,可以实时跟踪电力系统的负荷变化。然而,抽水蓄能与新能源的联合运行中仍存在许多问题。大规模新能源的并网,对抽水蓄能机组的运行模式提出了新要求。更频繁的负荷调整、长时间的旋转备用、长时间的负荷工况等新要求给抽水蓄能电站的运行来了新的挑战。尤其在稳定性和安全性方面,由于可逆式机组固有的反“S”区不稳定运行特性以及调速励磁系统水-机-电能量转换过程中耦合效应日益显着,传统的抽水蓄能运行方式已无法满足新形势下电网的调节需求。在此背景之下,针对抽水蓄能机组稳定、安全和高效运行所亟需解决的关键科学问题与技术难点,本文以抽水蓄能机组系统辨识与复杂工况下控制规律研究为切入点,在充分探讨抽水蓄能调节系统各组成部分的动态机理与非线性特性的基础上,分别搭建了具有复杂过水系统的调速系统模型与调速励磁系统水-机-电耦合模型,以智能优化算法、人工神经网络、多目标优化理论、小扰动特征分析、模型预测控制方法为技术支撑,深入开展抽水蓄能机组参数辨识、模型辨识、改善反“S”区动态特性以及调速励磁耦合控制规律的研究,建立了抽水蓄能机组建模-辨识-控制层层递进的研究体系。本文的主要研究工作与创新成果如下:（1）系统研究了抽水蓄能机组调速系统和励磁系统各组成部分不同模型表达及适用条件。针对水泵水轮机反“S”区建模困难的问题,引入对数投影法和改进Suter变换对水泵水轮机全特性曲线进行预处理,解决了反“S”特性区域插值计算的多值性问题。搭建了适用于不同研究工况的带有复杂过水系统的调速系统模型与调速励磁系统水-机-电耦合模型,为后续系统辨识与复杂工况下控制规律的研究奠定了模型基础。（2）针对复杂过水系统和调速励磁耦合特性引起的参数辨识难题,研究了基于智能优化算法的参数辨识方法,引入人工羊群算法并结合Levy游走、混沌变异及弹性边界处理策略,提出了一种改进人工羊群智能优化算法,建立了基于改进人工羊群算法的参数辨识框架。通过机组的开关机过程,直接辨识复杂过水系统的管段参数;通过并网运行的调节过程,实现了调速励磁系统水-机-电耦合模型的高精度一体化参数辨识。（3）针对数据具有长期依赖关系和普通神经网络训练中面临的梯度消失问题,通过引入长短时记忆神经网络来实现带有复杂过水系统的抽水蓄能机组调速系统的高精度离线模型辨识;针对普通反向传播算法面临的训练收敛速度慢、在线调整困难的问题,引入了兼具普通BP神经网络非线性描述能力强和递推最小二乘法计算简单优点的带遗忘因子的在线序列极限学习机,实现了抽水蓄能机组调速励磁系统水-机-电耦合模型的高精度在线模型辨识。（4）针对机组低水头启动易受反“S”特性影响产生转速振荡的问题,提出了兼顾速动性和稳定性的基于多目标羊群算法的优化框架,有效抑制低水头开机时机组转速的反复振荡。为了从根本上改善抽水蓄能机组在反“S”区的动态特性,本文首次探讨了利用变速机制避免机组深入反“S”区运行的可行性,结果表明低水头工况下可以通过降低转速使机组的运行区域在全特性曲线上向左移动从而有效避免反“S”区,使机组具有更好的动态特性,也为常规定速抽水蓄能机组的改造与发展提供了新参考。（5）为了实现抽水蓄能机组调速励磁系统水-机-电能量转换过程的耦合控制,引入特征值分析法对调节系统进行小扰动稳定性分析,在此基础上给出了经典“PID+VAR+PSS”控制策略多工况下的多目标优化和决策方法。提出了一种基于带遗忘因子在线序列极限学习机的预测模型、阶梯式控制增量约束、人工羊群算法滚动优化的智能模型预测控制策略,通过不同工况下与经典控制策略对比的实验,验证了所提智能模型预测控制方法进行调速励磁耦合控制的优越性,并引入非线性动力学理论对智能模型预测控制器进行了稳定性分析。
李晨龙[3]（2020）在《非线性时滞定常系统多维泰勒网辨识与预测控制》文中研究说明工业过程大都具有非线性、时滞、耦合等特征,并受外界干扰等影响。由于这些特征及影响的存在,常会导致控制系统超调量增大,调节时间变长,从而使系统的过渡过程变坏,稳定性降低,极易引起闭环系统的不稳定。如何克服这些问题,对系统进行有效的控制成为了控制理论领域与工程领域研究的重点。由于非线性和时滞等特性的存在,一方面难以得到系统精确的数学模型,另一方面线性系统相关的研究成果很难直接应用到非线性系统中。近年来,多维泰勒网（Multi-dimensional Taylor Network,MTN）的出现为解决非线性系统建模与控制提供了有效的解决方案,其结构简单,运算速度快,具有并行处理、自主学习和极强的非线性映射能力,为此,将MTN应用到非线性时滞系统来解决非线性、时滞、耦合、外界干扰等问题。所以本课题的研究具有重要的理论意义和实际应用价值。本文以非线性时滞定常系统（以下简记为非线性时滞系统）为研究对象,综合考虑外界干扰、噪声、耦合与输入死区等问题,将多维泰勒网作为研究工具,结合预测控制思想,以提高动态性能为核心,以改善计算复杂度为关键来研究非线性时滞系统控制问题。借助MTN的优良性能,分别设计MTN辨识模型、MTN预测模型、MTN控制器和MTN补偿器,对非线性时滞系统的输出跟踪控制问题进行了深入研究,提出了基于MTN的预测控制方案,并采用Lyapunov稳定性理论证明闭环系统的稳定性。论文的主要研究工作概括如下:1.提出基于MTN的非线性时滞系统辨识方案。利用MTN对非线性时滞系统进行辨识,证明MTN模型表达式的合理性,确立模型中加权项的排列次序及其递归表达式;利用MTN特殊的结构以及极限学习机算法,根据中间层节点与输出权值的关系得到最优MTN辨识模型,利用极限学习机算法计算输出权值,避免梯度法迭代寻优的过程,在保证运算精度的前提下,有效降低算法复杂度;结合剪枝算法对MTN结构进行精简,提高运算效率;利用互相关函数方法,通过输入和输出信号的相关性对未知时滞进行辨识。实验结果验证了所提方案的有效性。2.提出非线性时滞系统的MTN预测模型构建方案。基于MTN的非线性逼近能力,以补偿时滞影响为目的,给出两种预测模型的构建方案,分别为递推MTN预测模型和非递推MTN预测模型,并结合适当的学习算法进行实时在线建模,准确构建预测模型,从而补偿时滞的影响。实验结果验证了所提方案的有效性。3.提出单入单出非线性时滞系统的MTN预测控制方案以及稳定性分析方案。无需状态反馈,仅依靠输出反馈构成闭环控制,实现了系统相对于给定参考信号的实时输出跟踪控制;基于MTN的非线性逼近能力,依靠非递推技术设计了非递推d步超前MTN预测模型来补偿时滞的影响;设计MTN控制器来实现系统精确跟踪控制,利用MTN控制器的网络化结构,采用输入和输出信号合成的误差信号作为控制器输入;根据Lyapunov稳定性理论证明闭环系统稳定性。实验结果验证了所提方案的有效性。4.提出不含外界干扰与带有外界干扰情况下单入单出非线性时滞系统的MTN预测控制方案以及稳定性分析方案。MTN分别作为预测模型、控制器和补偿器,无需状态反馈实现了系统相对于给定参考信号的实时输出跟踪控制。基于MTN的非线性逼近能力,依靠非递推技术设计了非递推d步超前MTN预测模型来补偿时滞的影响;设计MTN控制律对非线性时滞系统进行输出跟踪控制;同时MTN补偿器来抵消干扰的影响;利用MTN预测模型的预测精度,控制权系数和优化系数,根据Lyapunov稳定性理论证明闭环系统稳定性,并得到MTN控制器的参数调整方法。实验结果验证了所提方案的有效性。5.提出多入多出非线性时滞系统的MTN预测控制方案以及稳定性分析方案。借助MTN的良好特性,其泛化性能优良,无需解耦过程与状态反馈,可以实现系统对给定参考信号的实时输出跟踪控制。利用递推技术设计了递推d步超前MTN预测模型来补偿时滞的影响;并针对MTN结构特性,设计MTN控制器来实现系统精确跟踪控制,通过采用输入信号和输出信号合成的误差信号作为控制器输入;根据Lyapunov稳定性理论证明闭环系统稳定性。实验结果验证了所提方案的有效性。6.提出带有未知时滞情况下的多入多出非线性时滞系统的多维泰勒网预测控制方案以及稳定性分析方案。在辨识时滞的基础上,提出基于多维泰勒网的递推d步预测控制方案。利用递推技术设计了递推d步超前MTN预测模型来补偿时滞的影响;给出多步预测目标函数,通过迭代寻优,进而得到最优控制律;利用MTN预测模型的预测精度,控制权系数和优化系数,根据Lyapunov稳定性理论证明闭环系统稳定性,并得到MTN控制器参数调整方法。实验结果验证了所提方案的有效性。
丁坦[4]（2020）在《抽水蓄能机组调节系统非线性建模、辨识及优化控制研究》文中提出近年来我国能源结构中可再生能源发电比例逐步增加,水电、风电、光电等清洁能源发电规模不断增大。风电、光电属于间歇性能源且具有较强波动性,严重影响电网稳定运行。抽水蓄能电站作为水电中唯一同时具有发电和储能功能的发电方式,在电网中不但起到调峰调频、事故备用等作用,更能消纳间歇性能源给电网造成的冲击。因此,近年来抽水蓄能电站新建设项目不断开工,抽水蓄能机组单机容量也不断加大,过水系统日趋复杂。传统控制方法难以满足抽水蓄能机组的实际控制需求,研究针对抽水蓄能机组的控制理论成为当务之急。抽水蓄能机组调节系统是一个复杂的强非线性系统,其强非线性特性导致调节系统精确建模、辨识以及优化控制等问题上存在巨大难点。本文从抽水蓄能机组调节系统精确建模着手,对调节系统中各主要部分非线性特性进行分析和建模,并在此基础上对抽水蓄能机组调节系统参数辨识、模型辨识、优化控制等问题进行了研究并提出了新方法。文中所提新方法的内容如下:（1）以抽水蓄能机组调节系统各部分为研究对象,重点对水泵水轮机的非线性进行分析,并分别为调节系统中各部分建立了模型。利用改进Suter变换对水泵水轮机全特性曲线进行预处理,再利用最小二乘支持向量机（LSSVM）对预处理数据进行拟合并构建水泵水轮机非线性模型;过水系统模型采用双曲正切函数;执行结构数学模型考虑死区、限位等非线性环节。在此基础上针对不同研究需求分别建立了调节系统线性模型、非线性模型和数值计算模型,为后续调节系统辨识及控制优化提供基础。（2）将“结构已知、参数未知”的调节系统参数辨识问题转化为对参数标称值的优化求解问题,提出了一种具有较强优化能力的改进鲸鱼优化算法（MSWOA）,将该算法分别用于辨识抽水蓄能机组调节系统线性模型和非线性模型。辨识结果证明MSWOA优化算法实现了对调节系统线性模型和非线性模型的高精度辨识。（3）建立以水泵水轮机非线性模型为核心的抽水蓄能机组仿真平台,并由仿真平台在带限白噪声信号下获得机组转速输出信号。由上述信号构建单输入输出非线性自回归模型（NARX模型）并获得辨识所需的训练样本。利用训练样本构建BiLSTM神经网络辨识模型,对BiLSTM辨识模型参数进行优化选择,再利用BiLSTM辨识模型对抽水蓄能机组模型进行辨识。实验结果证明BiLSTM模型实现了对抽水蓄能机组模型高精度辨识。（4）基于由不同辨识方法获得的模型制定相应的控制策略。由参数辨识方法获得的调节系统线性模型因过水系统采用双曲正切函数,将其转换为不确定奇异时滞系统。研究了该奇异时滞系统模型中参数Tr和hw对系统稳定域影响、在不同PID参数和不同工况点下对过渡过程中性能指标变化规律的影响。在此基础上设计H∞控制器并将控制器设计转化为具有最小衰减度γ的优化问题且实验验证了该设计方法的有效性。针对由BiLSTM辨识获得的抽水蓄能机组模型设计了PID控制器且PID参数由MSWOA算法优化获得。将该PID控制器用于抽水蓄能机组仿真平台,分别在三组相邻水头下进行过渡过程计算,仿真结果表明三组水头下过渡过程时域稳定性能指标均满足要求,且证明该辨识模型具有良好适用性。（5）为了保障在水泵断电、100%甩负荷等大波动工况下抽水蓄能机组运行安全,有效抑制过渡过程中转速和压力激增,以“单管单机”结构的抽蓄电站为研究对象,研究了不同导叶关闭方式对调节系统各水力单元水力特性和机组转速的影响。基于“单管单机”结构的抽水蓄能机组数值计算模型建立一种导叶关闭规律优化模型并利用改进多目标灰狼算法求解导叶关闭优化规律。该模型考虑了调节系统中各环节的约束限制,选择转速上升率和水击压力上升值作为多目标优化目标函数,并在甩负荷和水泵断电工况下分别对一段式、两段式和三段式导叶关闭规律进行优化求解,结果证明了模型有效性。
王丹[5]（2020）在《深水天然气生产系统反问题与最优估计研究》文中指出随着海洋油气资源的开发,海上油气生产系统的运行监测面临着严峻挑战:复杂的海洋环境、过高的多相流量计安装和维护成本、多种误差对温度和压力仪表测量值的干扰等因素导致生产系统运行数据获取难度大、成本高、可靠性低,制约着海上油气田的安全生产。为了解决以上问题,本文基于反问题研究理论,对海上天然气生产系统开展了过程辨识和软测量研究,建立了数据驱动和模型驱动等两类最优估计算法,完善了流动管理系统的软测量功能模块,提高了流动管理系统获取可靠、准确运行数据的能力,为中控技术人员提供了在线监测工具。针对天然气生产系统,利用数据调和技术建立模型驱动的静态估计算法,实现多井流量的同时估计。综合考虑测量误差和模型误差,基于加权最小二乘估计准则,整合系统多种流动单元的物理模型作为约束条件,通过混合并行遗传算法进行流量寻优,有效弥补了传统遗传算法耗时长的缺陷,提高计算效率。对所建静态估计算法利用实际天然气生产系统的数据进行验证,计算结果表明:该算法在个别压力传感器失效或总流量测量值缺失的情况下,仍具有良好的精度和鲁棒性。另外,所用寻优方法具有良好的并行性能,计算时间能够满足工程的需求。针对大时滞的天然气生产系统,基于动态生产数据,采用正交最小二乘回归分析和深度学习等黑箱辨识技术,建立了包含多项式、深度前馈网络（DNN）的非线性自回归（NARX）黑箱动态模型库,近似描述井筒动态特性,估计单井流量和压力,为构建数据驱动滤波器奠定基础。基于稳态生产数据,引入双目标最小二乘理论和迁移学习技术对两类黑箱模型进行参数校正,发展出了相应灰箱模型,扩大模型库的全局适用性。通过实例验算,对比了DNN、传统多层感知器以及多项式模型的模拟结果,结果表明,DNN优势突出,准确性和稳定性更高,深层表现力和泛化能力更强。针对石油工业软测量问题,优选出了拓展性和工程实用性较强的辨识方案和模型设置。基于NARX模型库,结合无迹卡尔曼滤波器（UKF）建立了数据驱动的三步动态估计算法,实现单井流量和压力的闭环在线估计,弥补了NARX模型无法引入测量值校正的不足。首先,利用辨识的NARX模型建立单井状态空间方程;第二,在此基础上构造单个UKF,作为动态估计单元;第三,利用NARX模型的冗余,创新建立两种融合滤波方法（FF1和FF2）,提高软测量算法的性能。通过实例验算,对比了单个UKF、FF1、FF2的准确度和计算成本,结果表明,FF1的全局准确性更高、耗时较少,满足在线估计的需求,推荐作为首选软测量方案;DNN-NARX灰箱模型建立的单UKF耗时最少、准确度次之,作为备选方案。利用时变可调系数校正后的气-液两相流稳态物理模型构建状态空间方程,结合增广滤波技术建立了模型驱动的动态估计算法,弥补数据驱动估计算法适用工况范围窄的缺点。以时变可调系数为增广状态量,与单井流量以及沿线压力同时估计,用于实时修正物理模型的水力参数,使模型更加贴近实际工况。通过实例验证了所建模型驱动估计算法的可行性、准确性和在线适用性。结果表明,该算法能够准确估计状态量并有效校正模型参数,其计算时间能够满足在线估计的工程需求。
李欣鸽[6]（2020）在《CZ硅单晶等径生长阶段关键参数优化研究》文中研究指明随着大规模集成电路的迅速发展,对硅单晶的品质及尺寸提出了更高的要求。大批量制备高品质IC级硅单晶通常采用直拉法（Czochralski）,完整的晶体制备过程长达几十个小时,而等径生长阶段是硅单晶生长过程中耗时最长且最重要的环节。直拉法硅单晶生长工艺参数的精确控制决定了硅单晶的品质,目前硅单晶生长工艺参数调节主要依赖于人工经验并通过多次实验获得,耗时长且成本高,因此硅单晶生长过程关键参数优化研究是硅单晶生长领域亟需解决的核心问题。晶体直径是硅单晶等径生长阶段评价硅单晶品质的重要指标,而CZ硅单晶等径生长过程中涉及众多特征参数,且参数间相互影响,所以需剔除与晶体直径无关特征和冗余特征,识别出影响晶体直径的关键参数,构建关键参数与晶体直径系统模型,通过优化调节等径阶段关键参数控制晶体直径的一致性,以达到提高硅单晶品质的目的。虽然硅单晶生长过程中的非线性、大时滞和时变等特性造成机理建模过程复杂且模型求解困难,但生长过程的输入、输出数据以及生长设备运行过程数据较易采集,因此本文基于硅单晶生长过程数据建立系统模型。本文研究的重点包括对CZ硅单晶等径生长阶段影响晶体直径的关键参数进行识别,建立关键参数与晶体直径大时滞非线性动态模型,通过调节关键参数控制晶体直径的一致性,从而实现对关键参数的优化。1、关键参数识别,选取单晶炉控制参数作为特征参数,从特征降维角度出发,基于信息熵理论,采用Pearson相关系数及最大互信息系数MIC算法分析特征参数与晶体直径之间的关联关系,计算得出CZ硅单晶等径生长阶段加热器温度与晶体直径的MIC值为0.9465,对晶体直径影响最大。2、模型辨识,建立等径阶段加热器温度-晶体直径非线性模型,选择CZ硅单晶等径阶段加热器温度和晶体直径测量数据并进行滤波、归一化等预处理,采用模糊逼近和利普希茨商值变化率分别辨识加热器温度-晶体直径模型的时滞和输入输出阶次;模型结构确定后,将加热器温度和晶体直径作为模型输入,晶体直径作为模型输出,基于BP神经网络、SVR支持向量回归以及NARX神经网络三种算法辨识模型参数,并进行模型检验,对比分析三种算法模型辨识结果,基于NARX神经网络辨识误差维持在±0.02mm之间,相比BP神经网络和SVR支持向量回归辨识精度最高,能够更好的预测、跟踪实际晶体直径。3、晶体直径一致性控制,采用非线性预测控制算法,基于NARX神经网络建立晶体直径多步预测模型,并根据晶体直径设定值设置参考轨线,采用LM算法对性能指标进行滚动优化,求解最优控制输入序列。仿真实验结果表明:基于NARX神经网络的预测控制算法控制后的晶体直径比控制前晶体直径波动较小,与晶体直径设定值的偏差维持在±1mm,能够较好跟踪晶体直径设定值,获得最优加热器温度输入序列,实现加热器温度参数的优化与精确调节。
蒋美英[7]（2019）在《复杂多变量系统闭环辨识与内模控制方法研究》文中研究指明工业现场多变量系统包含不确定性、多时滞、强耦合、输入输出受约束等特征,往往存在模型难以精确刻画等问题,采用传统单一的系统控制器设计方法难以满足高精度控制品质的需求。为获得更好的系统控制品质,本文引入强化学习、频域分析和平均频域非方相对增益矩阵（NRGA,Nonsquare Relative Gain Array）等先进策略,从系统模型参数估计、内模控制器设计及参数优化、控制器的稳定性与鲁棒性分析和补偿器设计等方面对复杂多变量系统中一些较难解决的问题进行研究,提出解决方案和改进措施,并结合实验仿真进行验证。本文主要研究内容包括:1、针对闭环系统辨识问题,引入频域响应估计法（FRE,Frequency Response Estimation）,利用系统的频率特性分析系统的控制性能,能够快速准确给出所辨识受控对象模型的参数估计,然而该方法存在一定的局限性,即模型估计精度取决于衰减因子的选择。本文基于强化学习算法（CARLA,Continuous Action Reinforcement Learning Automata）提出了具有自适应特性的衰减因子计算方法——基于强化学习的频域响应估计法（CARLA-FRE）。该方法借助连续动作强化学习算法的在线搜索和学习能力,通过动态调整得到最优的衰减因子。对所采用的CARLA算法进行多种基本函数辨识能力测试,及与粒子群算法（PSO,Particle Swarm Optimization）、并行弥漫式（FWA,Fireworks Algorithm）算法对比,CARLA算法具备更强的全局搜索能力和准确性;2、将（1）中所提的CARLA-FRE方法扩展到多变量方系统和非方系统闭环辨识中,为后续先进控制器的设计提供优化模型。该方法利用顺序激励信号法将多输入多输出（MIMO）系统等效分解成若干个单输入单输出（SISO）系统,然后利用CARLA-FRE方法获取子系统参数的解析表达式,进而获得模型估计,实现多变量方系统和非方系统的闭环辨识问题。最后,将该方法应用到多变量系统的内模控制中,围绕基于CARLA-FRE方法在多变量系统中的内模控制器设计展开研究,选取经典的Wood-Berry模型（方系统）和Shell模型（非方系统）进行仿真验证。该方法融合强化学习与频域响应估计法,具备更强的在线学习能力和抗干扰能力,为后续内模控制研究提供模型支撑;3、为实现提高多变量多时滞控制系统性能的目的,采用线性二次高斯控制（LQG,Linear Quadratic Gaussian）方法对所提基于频域辨识的模型进行最优控制器设计。由于多变量多时滞系统中存在大量的噪声、延迟以及各部分参数摄动,本文将LQG控制方法引入到多变量多时滞过程模型中,针对此类模型中所包含系统延迟、噪声和参数摄动等不确定因素进行有效补偿和控制,提高系统参数失配鲁棒性和扰动抑制能力;4、针对一类典型强耦合非方系统,提出了两种内模控制器设计优化方法。以多变量时滞秩亏系统为研究对象,设计基于惩罚伪逆的内模控制器,通过引入惩罚因子,用非满秩系统的伪逆来代替模型的逆,提出适合时滞秩亏系统的内模控制器设计方法,采用连续强化学习对惩罚因子进行寻优,获得最大惩罚因子。针对多变量结构秩亏系统,设计基于补偿器原理的内模控制器,采用平均频域NRGA准则实现对方形子系统的最优选择。仿真结果表明,所提的两种内模控制器优化方法不但简单易行,而且在系统模型参数失配情况下也具有较强的鲁棒性和稳定性。
陈冲[8]（2019）在《面向成球过程的反应釜温度控制系统的设计与实现》文中研究表明反应釜广泛应用于化工、医药、食品等行业,作为压力容器可用来完成硝化、硫化、缩合、聚合等工艺过程,国内外反应釜控制的自动化程度偏低,如何对反应釜温度实现精确控制成为了流程工业的制造瓶颈,对反应釜在线控制技术的研究也越来越受到关注。本文在充分调研与分析国内外反应釜温度控制系统的基础上,考虑球形药丸成球工艺升温、成球、预蒸、蒸溶等工序温度变化情况,针对现有夹套式反应釜温度动态特性具有时变性、非线性、大时滞等特点,采取理论分析和仿真验证相结合的研究方法,综合运用系统辨识、预测控制等理论工具与计算机仿真工具,对反应釜温控方案、模型辨识、温度在线控制和温控软件开发等关键问题进行深入的研究,本文的主要研究内容如下:（1）设计了一套反应釜成球工艺分段温控方案。以蒸汽阀门开度为控制（输入）量,以反应釜釜内溶液温度为被控（输出）量,确定了成球工艺控制系统的单入单出（Single-Input Single-Output,SISO）模型。基于成球工艺具体生产流程总结并分析了成球工艺的温度控制要求。根据输入输出历史数据确认了温控系统的分段建模及分段控制方式,同时选取三个阶段的时滞系数,并选定了基于子空间辨识获取温度模型的DMC控制方案。（2）完成了成球工艺各阶段反应釜温度模型的辨识。构建了确定性系统的子空间辨识框架,基于历史数据,应用N4SID子空间辨识算法对面向成球过程的反应釜温度模型进行辨识,得到升温阶段、成球预蒸阶段与蒸溶阶段三个温控阶段各自的状态空间模型。基于Matlab完成模型验证,获得各阶段的历史温度曲线和模型验证曲线的拟合度,分别为92.62%、88.92%、93.90%,确认了系统模型的有效性。（3）完成了反应釜DMC温度控制的研究。完成普通对象DMC算法到时滞对象DMC算法的转换,选定合适控制参数,以子空间辨识得到的反应釜温度模型作为DMC控制器的预测模型,以生产过程质量优化系统分析得到的成球工艺最优温度曲线为参考轨迹,分三个阶段分别设计反应釜温度控制器,借助Matlab实现对参考轨迹的跟踪控制,完成工艺各阶段与全过程的控制仿真。（4）完成了控制系统软件的开发。面向成球过程反应釜的温度控制,利用Visual Studio MFC完成在线控制系统软件数据传输模块与在线监控、系统辨识、控制仿真三个界面的开发并编写DMC控制算法以赋予其在线控制功能。
赵志达[9]（2019）在《基于时滞辨识的中央空调系统建模及优化控制研究》文中研究说明中央空调系统的理论模型、经验模型以及数据模型能够体现建模环节的热力学特征,因此成为人们研究的重点。其中,理论模型是运用数学逻辑所构建的工程模型,常以能量平衡的方式体现建模环节的内在参数变化。经验模型依据研究人员的经验对理论模型中难以确定或变化范围较大的系数进行简化。数据模型则是以历史数据为分析对象,对建模环节的数据特征的抽象表现形式。同时,中央空调系统中普遍存在着影响着系统温度与热力参数变化的时滞现象,所以任何模型都应将此种现象考虑在内。然而,针对时滞现象的描述通常是在建立基础模型后附加时滞项或在时间变量中增添时滞值,对于时滞值范围与大小的确定并没有过多的研究。作为基础问题研究,合理地分析时滞现象对优化系统建模有着积极的推动作用,性能良好的模型除了揭示系统内在变化特征外,还有利于系统的优化控制。如果模型能够体现或预测出参数调节过程中存在的时滞稳定区间或时滞值,将会降低控制器与执行器的动作时间,使系统状态参数快速达标,进而起到节能的作用。如今,建筑能源管理系统中存储了海量的数据,使得通过数据分析系统中时滞现象及其大小变为可能。但针对中央空调系统的数据采样周期通常较大,使得系统数据的完整程度不够完善,时滞数值无法直接获得。因此,在结合诸多数据处理方法来获得良好的历史数据质量后,才能实现中央空调系统的时滞辨识。为解决上述问题,本文以中央空调系统为研究对象,进行了系统的时滞建模与辨识。分别设计了能够反映系统时滞现象的时滞状态空间模型与数据模型,并对两种模型的应用进行了讨论。详细研究内容如下:首先,给出了中央空调系统中的时滞定义,用于区分在系统中经常存在的热惰性及热惯性,以便确定系统中的时滞研究范围。随后,分析了时滞现象对系统运行的影响,并通过案例建筑说明时滞现象的数据体现。同时,本文结合粒子群算法与卡尔曼滤波对案例建筑历史运行数据处理后,设计了以数据变化趋势为基础的中央空调系统时滞值辨识方法,并应用模拟退火算法对辨识过程中的参数进行寻优。其次,设计了两种能够体现中央空调系统时滞特性并能预测未来状态参数的线性模型及数据模型。其中,线性模型结合了现代控制理论中的时滞状态空间分析法,以中央空调系统中的能量平衡特性为分析依据,能够得到了建模环节的时滞稳定区间上界。在应用方面,将此种建模方法与预见控制理论相结合,以系统中阀门的控制为例进行了优化仿真。数据模型结合了改进的Elman与BP神经网络,模型内部以趋势变化数据作为连接条件及约束条件来预测建模环节的时滞值与未来状态参数。以数据模型为基础,设计了以模糊PID为核心控制器的中央空调系统自适应控制方案。通过与传统的模糊PID控制系统进行了仿真对比得到,此种控制方案获得了更为精确的控制性能,并且控制响应时滞及调节时间都有所减少,设备能耗也有所下降。最后,将线性模型、数据模型及对应控制方法的性能进行了对比,讨论了两种模型的应用条件与优缺点,以便针对不同建筑情况或数据情况进行方法选取及控制方案确定。
余林威[10]（2019）在《水泥分解炉出口温度的自适应多维泰勒网控制研究》文中研究表明水泥广泛应用于各类建筑设施的改造或者新建,就普遍性和适用性来说,其作用无法替代。水泥分解炉是新型干法水泥生产线中承担生料分解任务的关键高温热工设备,结构机理及物理化学反应复杂,具有多变量、纯滞后、强耦合、不确定性及非线性等特征。传统的人工操作控制或PID控制,难以实现水泥分解炉出口温度的严格控制,因此,为提高水泥质量、节能提产、减少环境污染,实现绿色转型,推动水泥行业生态文明与工业文明相和谐,需要对出口温度控制策略进行深入研究和革新尝试。本文以水泥分解炉为研究对象,提出了基于自适应多维泰勒网控制的出口温度控制方法,并与PID优化控制和自适应BP神经网络PID控制相比较,对仿真结果进行全面分析,总结出三者控制性能的差异。主要工作罗列如下:1.阐述中国近年水泥产量的变化趋势,接着详细介绍了新型干法水泥生产及分解炉的发展和工艺流程等,突出课题研究的重要性。2.水泥分解炉出口温度数学模型建立。结合实际课题条件展开建模分析,确定分解炉温度主要影响因素,设计数学模型结构为多输入单输出含时滞的数据驱动形式。采用互相关法辨识模型时滞参数,然后基于递归最小二乘法辨识剩余模型参数,并验证了该辨识组合策略的预测精度。3.控制器设计。本文控制方法采用基于改进单纯形法的PID优化控制、自适应BP神经网络PID控制及自适应多维泰勒网控制。为提高PID参数的实时性,与BP神经网络算法相结合。重点推导和论述自适应多维泰勒网控制的算法原理及结构形式,设计的控制器可在线更新网络权值系数,优化了控制性能。4.仿真系统设计。建立水泥分解炉出口温度控制的仿真系统,进行给定温度值仿真实验、干扰条件下仿真实验和模型参数改变仿真实验。基于MATLAB GUI设计分解炉出口温度控制系统仿真平台图形用户界面,实现各仿真对比实验的集成和用户友好交互。比较分析各控制器性能,仿真结果表明大部分情况下自适应多维泰勒网控制适应能力最好,抗干扰能力最强,鲁棒性最突出,自适应BP神经网络PID控制次之,PID优化控制相较而言最差。
二、基于模型预测的神经网络非线性时滞系统的辨识和控制(英文)（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于模型预测的神经网络非线性时滞系统的辨识和控制(英文)（论文提纲范文）
（1）基于动态线性化数据模型的离散滑模控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究的目的和意义 |
| 1.2 动态线性化技术发展现状 |
| 1.2.1 SISO系统动态线性化技术 |
| 1.2.2 MIMO系统动态线性化技术 |
| 1.3 数据驱动离散滑模技术发展现状 |
| 1.3.1 离散滑模技术发展现状 |
| 1.3.2 基于动态线性化技术的离散滑模控制研究现状 |
| 1.4 论文主要研究内容 |
| 第2章 基于动态线性化技术的积分终端滑模控制 |
| 2.1 引言 |
| 2.2 紧格式动态线性化离散积分终端滑模控制 |
| 2.2.1 问题描述 |
| 2.2.2 积分终端滑模控制器设计 |
| 2.2.3 稳定性分析 |
| 2.2.4 设计方法推广 |
| 2.3 基于扰动估计的离散积分终端滑模控制 |
| 2.3.1 问题描述 |
| 2.3.2 控制器设计 |
| 2.3.3 稳定性分析 |
| 2.3.4 基于扰动估计的积分终端滑模预测控制器设计 |
| 2.4 数值仿真 |
| 2.4.1 仿真示例1 |
| 2.4.2 仿真示例2 |
| 2.4.3 仿真示例3 |
| 2.4.4 双容水箱实验 |
| 2.5 本章小结 |
| 第3章 时滞系统数据驱动积分滑模控制 |
| 3.1 引言 |
| 3.2 问题描述及模型转换 |
| 3.2.1 问题描述 |
| 3.2.2 离散时间预测器 |
| 3.3 控制系统设计 |
| 3.3.1 伪偏导数估计 |
| 3.3.2 控制器设计 |
| 3.4 稳定性分析 |
| 3.5 数值仿真 |
| 3.6 本章小结 |
| 第4章 数据驱动积分终端滑模约束控制 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.2.1 轮式移动机器人运动学模型 |
| 4.2.2 航向角补偿算法 |
| 4.3 数据驱动建模 |
| 4.4 控制器设计 |
| 4.5 稳定性分析 |
| 4.6 数值仿真 |
| 4.6.1 直线运动轨迹跟踪 |
| 4.6.2 曲线运动轨迹跟踪 |
| 4.7 本章小结 |
| 第5章 基于预定性能的数据驱动终端滑模控制 |
| 5.1 引言 |
| 5.2 问题描述 |
| 5.2.1 数据模型及扰动估计 |
| 5.2.2 预定性能函数及误差转换 |
| 5.3 控制器设计 |
| 5.4 稳定性分析 |
| 5.5 数值仿真 |
| 5.6 本章小结 |
| 第6章 基于动态线性化技术的积分滑模解耦控制 |
| 6.1 引言 |
| 6.2 数据驱动离散积分滑模解耦控制算法 |
| 6.2.1 问题描述 |
| 6.2.2 控制器设计 |
| 6.2.3 稳定性分析 |
| 6.2.4 数值仿真 |
| 6.3 基于预定性能的数据驱动离散终端滑模解耦控制 |
| 6.3.1 预定性能函数及误差转换 |
| 6.3.2 控制器设计 |
| 6.3.3 稳定性分析 |
| 6.3.4 数值仿真 |
| 6.4 本章小结 |
| 第7章 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（2）抽水蓄能机组系统辨识与复杂工况下控制规律研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究的背景及意义 |
| 1.2 抽水蓄能调节系统建模研究概述 |
| 1.3 抽水蓄能机组系统辨识研究概述 |
| 1.4 抽水蓄能机组控制规律研究概述 |
| 1.5 本文主要研究内容 |
| 2 抽水蓄能机组调节系统非线性建模研究 |
| 2.1 引言 |
| 2.2 调速器数学模型 |
| 2.3 有压过水系统数学模型 |
| 2.4 水泵水轮机数学模型 |
| 2.5 同步发电机数学模型 |
| 2.6 励磁调节器及电力系统稳定器数学模型 |
| 2.7 抽水蓄能机组调节系统数学模型 |
| 2.8 本章小结 |
| 3 基于智能算法的抽水蓄能机组调节系统参数辨识 |
| 3.1 引言 |
| 3.2 人工羊群优化算法及其改进 |
| 3.3 基于IASA的具有复杂过水系统的调速系统参数辨识 |
| 3.4 基于 IASA 的调速励磁系统水-机-电耦合模型参数辨识 |
| 3.5 本章小结 |
| 4 基于神经网络的抽水蓄能机组调节系统模型辨识 |
| 4.1 引言 |
| 4.2 长短时记忆神经网络与带遗忘因子的在线序列极限学习机 |
| 4.3 基于LSTM的具有复杂过水系统的调速系统离线模型辨识 |
| 4.4 基于WOS-ELM的调速励磁水-机-电耦合系统的在线模型辨识 |
| 4.5 本章小结 |
| 5 改善抽水蓄能机组反“S”区动态特性的控制规律研究 |
| 5.1 引言 |
| 5.2 反“S”区运行问题描述 |
| 5.3 抽水蓄能机组低水头开机规律多目标优化 |
| 5.4 可变速机组避免深入反“S”区运行机理分析 |
| 5.5 本章小结 |
| 6 抽水蓄能机组调速励磁耦合系统的预测控制研究 |
| 6.1 引言 |
| 6.2 调速励磁耦合系统小扰动稳定性分析 |
| 6.3 调速励磁耦合系统多工况多目标优化 |
| 6.4 调速励磁耦合系统智能模型预测控制 |
| 6.5 对比实验及结果分析 |
| 6.6 本章小结 |
| 7 全文总结与展望 |
| 7.1 工作总结 |
| 7.2 研究展望 |
| 致谢 |
| 参考文献 |
| 附录1:攻读博士期间发表的论文 |
| 附录2:攻读博士期间完成和参与的科研项目 |
（3）非线性时滞定常系统多维泰勒网辨识与预测控制（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 课题研究现状 |
| 1.2.1 非线性时滞系统辨识研究现状 |
| 1.2.2 非线性时滞系统控制方法研究现状 |
| 1.2.3 非线性时滞系统预测控制研究现状 |
| 1.2.4 带有外界干扰的非线性时滞系统预测控制研究现状 |
| 1.2.5 非线性时滞系统的稳定性分析研究现状 |
| 1.2.6 多维泰勒网研究现状 |
| 1.3 尚待解决的问题及提升方案 |
| 1.4 本文的主要研究内容和创新点 |
| 1.4.1 本文的主要研究内容 |
| 1.4.2 本文的创新点 |
| 1.5 本文的结构安排 |
| 第二章 多维泰勒网与基于多维泰勒网的辨识方案研究 |
| 2.1 前言 |
| 2.2 系统描述 |
| 2.2.1 单入单出离散非线性时滞系统 |
| 2.2.2 多入多出离散非线性时滞系统 |
| 2.3 多维泰勒网 |
| 2.3.1 多维泰勒网模型 |
| 2.3.2 多维泰勒网控制器 |
| 2.4 系统辨识方案 |
| 2.5 SISO非线性时滞系统的多维泰勒网辨识方案 |
| 2.5.1 辨识模型 |
| 2.5.2 极限学习机算法 |
| 2.5.3 最优多维泰勒网辨识模型 |
| 2.6 MIMO非线性时滞系统的多维泰勒网辨识方案 |
| 2.6.1 辨识模型 |
| 2.6.2 多维泰勒网辨识模型学习算法 |
| 2.7 仿真实验 |
| 2.7.1 SISO仿真算例 |
| 2.7.2 MIMO仿真算例 |
| 2.8 本章小结 |
| 第三章 基于多维泰勒网的超前d步预测模型研究 |
| 3.1 前言 |
| 3.2 系统描述 |
| 3.2.1 单入单出离散非线性时滞系统 |
| 3.2.2 多入多出离散非线性时滞系统 |
| 3.3 基于多维泰勒网的超前d步预测模型研究 |
| 3.3.1 非递推d步超前多维泰勒网预测模型 |
| 3.3.2 递推d步超前多维泰勒网预测模型 |
| 3.3.3 多维泰勒网预测模型学习算法 |
| 3.4 仿真实验 |
| 3.4.1 单入单出非线性时滞系统 |
| 3.4.2 多入多出非线性时滞系统 |
| 3.5 本章小结 |
| 第四章 基于多维泰勒网的单入单出非线性时滞系统预测控制 |
| 4.1 引言 |
| 4.2 非线性时滞系统描述 |
| 4.3 基于多维泰勒网的非线性时滞系统预测控制方案 |
| 4.3.1 预测模型 |
| 4.3.2 多维泰勒网控制器设计 |
| 4.3.3 稳定性分析 |
| 4.4 基于多维泰勒网的非线性时滞系统预测控制综合设计方案 |
| 4.5 仿真实验 |
| 4.5.1 仿真算例1 |
| 4.5.2 仿真算例2 |
| 4.5.3 仿真实例 |
| 4.6 本章小结 |
| 第五章 基于多维泰勒网的单入单出非线性时滞系统预测补偿控制 |
| 5.1 引言 |
| 5.2 系统描述 |
| 5.3 多维泰勒网预测控制方案 |
| 5.3.1 多维泰勒网预测模型 |
| 5.3.2 多维泰勒网预测控制律 |
| 5.3.3 稳定性分析 |
| 5.3.4 多维泰勒网预测控制整体方案 |
| 5.4 多维泰勒网补偿器设计 |
| 5.4.1 多维泰勒网补偿器 |
| 5.4.2 多维泰勒网补偿器参数调整 |
| 5.5 多维泰勒网预测补偿控制整体方案 |
| 5.6 仿真实验 |
| 5.6.1 仿真算例 |
| 5.6.2 仿真实例 |
| 5.7 本章小结 |
| 第六章 基于多维泰勒网的多入多出非线性时滞系统递推d步预测控制 |
| 6.1 引言 |
| 6.2 系统描述 |
| 6.3 多维泰勒网递推预测模型 |
| 6.4 多维泰勒网控制器设计 |
| 6.4.1 多维泰勒网控制器 |
| 6.4.2 多维泰勒网控制器参数调整 |
| 6.4.3 稳定性分析 |
| 6.5 多入多出非线性时滞系统的多维泰勒网递推d步超前预测控制整体方案 |
| 6.6 仿真实验 |
| 6.7 本章小结 |
| 第七章 基于多维泰勒网的多入多出非线性时滞系统辨识与预测控制 |
| 7.1 引言 |
| 7.2 系统描述 |
| 7.3 未知时滞辨识 |
| 7.4 递推d步超前多维泰勒网预测控制 |
| 7.4.1 递推d步超前多维泰勒网预测模型 |
| 7.4.2 多维泰勒网预测控制律 |
| 7.4.3 稳定性分析 |
| 7.4.4 多入多出非线性时滞系统递推d步超前多维泰勒网预测控制总体方案 |
| 7.5 多入多出非线性时滞系统未知时滞辨识与递推d步超前多维泰勒网预测控制整体方案 |
| 7.6 仿真实验 |
| 7.6.1 仿真算例 |
| 7.6.2 仿真实例 |
| 7.7 本章小结 |
| 第八章 总结与展望 |
| 8.1 论文工作总结 |
| 8.2 论文中有待进一步研究的问题 |
| 参考文献 |
| 作者简介 |
| 攻读博士学位期间发表、录用或已投出的学术论文 |
| 致谢 |
（4）抽水蓄能机组调节系统非线性建模、辨识及优化控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 水泵水轮机数学建模研究与发展现状 |
| 1.3 抽水蓄能机组系统辨识研究现状 |
| 1.4 抽水蓄能机组调节系统控制优化研究现状 |
| 1.5 本文主要研究内容 |
| 2 抽水蓄能机组调节系统建模研究 |
| 2.1 引言 |
| 2.2 抽水蓄能机组调节系统数学模型 |
| 2.3 基于最小二乘支持向量机的水泵水轮机非线性模型 |
| 2.4 抽水蓄能机组调节系统数学模型 |
| 2.5 本章小结 |
| 3 抽水蓄能机组调节系统参数辨识 |
| 3.1 引言 |
| 3.2 抽水蓄能机组模型参数辨识的问题描述 |
| 3.3 基于改进鲸鱼算法的抽水蓄能机组调节系统参数辨识 |
| 3.4 实例分析 |
| 3.5 本章小结 |
| 4 基于BiLSTM神经网络的抽水蓄能机组模型辨识 |
| 4.1 引言 |
| 4.2 BiLSTM模型辨识方法 |
| 4.3 基于BiLSTM神经网络的抽水蓄能机组非线性模型辨识 |
| 4.4 实例分析 |
| 4.5 本章小结 |
| 5 基于辨识模型的优化控制策略研究 |
| 5.1 引言 |
| 5.2 抽水蓄能机组调节系统不确定奇异时滞模型 |
| 5.3 抽水蓄能机组调节系统不确定奇异时滞模型性能分析 |
| 5.4 基于抽水蓄能机组辨识模型的PID优化控制策略 |
| 5.5 本章小结 |
| 6 基于多目标优化的抽水蓄能机组导叶关闭规律研究 |
| 6.1 引言 |
| 6.2 抽水蓄能机组导叶关闭规律优化问题描述 |
| 6.3 改进多目标灰狼算法(Improved Multi-objective Grey Wolf OptimizationAlgorithm) |
| 6.4 抽蓄机组导叶关闭规律多目标优化模型 |
| 6.5 基于IMOGWO的导叶关闭规律优化策略 |
| 6.6 仿真实例分析 |
| 6.7 本章小结 |
| 7 总结与展望 |
| 7.1 全文工作总结 |
| 7.2 下一步研究工作展望 |
| 致谢 |
| 参考文献 |
| 附录1:攻读博士期间发表论文 |
| 附录2:攻读博士期间完成和参与科研项目 |
| 附录3:攻读博士期间所获奖项 |
| 附录4:CF和UF测试函数 |
（5）深水天然气生产系统反问题与最优估计研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 最优估计理论研究概况 |
| 1.3 非线性系统模型辨识研究概况 |
| 1.3.1 传统辨识方法 |
| 1.3.2 机器学习辨识方法 |
| 1.4 数据调和研究概况 |
| 1.4.1 数据调和应用概况 |
| 1.4.2 数据调和模型发展 |
| 1.4.3 数据调和求解算法 |
| 1.5 状态估计研究概况 |
| 1.5.1 滤波方法发展概况 |
| 1.5.2 模型驱动状态估计 |
| 1.5.3 数据驱动状态估计 |
| 1.6 本文主要研究工作 |
| 第2章 天然气生产系统的过程模型建立 |
| 2.1 引言 |
| 2.2 多项式NARX模型理论基础 |
| 2.2.1 多项式NARX模型数学表达 |
| 2.2.2 多项式NARX模型辨识步骤 |
| 2.3 多项式NARX黑箱模型建立 |
| 2.3.1 模型结构参数确定 |
| 2.3.2 基于OLS的贡献项选择和参数估计 |
| 2.4 多项式NARX灰箱模型建立 |
| 2.4.1 稳态辅助模型建立 |
| 2.4.2 基于BLS的黑箱模型参数校正 |
| 2.5 DNN-NARX模型理论基础 |
| 2.5.1 DNN模型的提出和优势 |
| 2.5.2 DNN-NARX模型数学表达 |
| 2.5.3 深度学习常用激活函数 |
| 2.5.4 DNN-NARX模型辨识步骤 |
| 2.6 DNN-NARX黑箱和灰箱模型建立 |
| 2.6.1 模型设置 |
| 2.6.2 基于有监督预训练的黑箱模型建立 |
| 2.6.3 基于迁移学习的黑箱模型参数校正 |
| 2.7 算例分析 |
| 2.7.1 算例1:黑箱模型与灰箱模型对比 |
| 2.7.2 算例2:DNN-NARX模型与多项式NARX模型对比 |
| 2.7.3 算例3:DNN-NARX模型与MLP-NARX模型对比 |
| 2.8 本章小结 |
| 第3章 基于数据调和的天然气生产系统静态估计 |
| 3.1 天然气生产系统调和问题建模 |
| 3.1.1 数据调和物理意义 |
| 3.1.2 目标函数和约束条件 |
| 3.2 天然气生产系统调和反问题求解 |
| 3.2.1 简单遗传算法基本操作 |
| 3.2.2 并行遗传算法设计 |
| 3.2.3 并行性能 |
| 3.3 算例分析 |
| 3.3.1 算例描述和测试环境 |
| 3.3.2 参数设置 |
| 3.3.3 算例1:模型校正前后流量估计结果 |
| 3.3.4 算例2:总流量测量值缺失时流量估计结果 |
| 3.3.5 算例3:压力表损坏时流量估计结果 |
| 3.4 本章小结 |
| 第4章 数据驱动的天然气生产系统动态估计 |
| 4.1 无迹卡尔曼滤波器理论基础 |
| 4.1.1 模型建立 |
| 4.1.2 参数设置 |
| 4.2 衰减记忆滤波理论基础 |
| 4.3 天然气生产系统状态估计反问题求解 |
| 4.3.1 天然气生产井黑箱状态空间方程重构 |
| 4.3.2 基于UKF天然气生产系统状态估计 |
| 4.4 天然气生产系统的融合滤波状态估计 |
| 4.5 算例分析 |
| 4.5.1 参数设置 |
| 4.5.2 算例1:不同NARX模型构建的UKF估计结果 |
| 4.5.3 算例2:单UKF和融合滤波器结果对比 |
| 4.6 本章小结 |
| 第5章 模型驱动的天然气生产系统状态估计 |
| 5.1 气-液两相流物理模型建立和校正 |
| 5.1.1 气-液两相流稳态物理模型 |
| 5.1.2 基于时变可调系数的模型校正 |
| 5.2 天然气生产系统状态估计的反问题求解 |
| 5.2.1 天然气生产井白箱状态空间方程重构 |
| 5.2.2 增广滤波状态估计 |
| 5.3 算例分析 |
| 5.3.1 算例描述 |
| 5.3.2 可调系数敏感性分析 |
| 5.3.3 参数设置 |
| 5.3.4 WST稳态模拟结果 |
| 5.3.5 天然气生产系统估计结果 |
| 5.3.6 模型驱动和数据驱动算法估计结果对比 |
| 5.4 本章小结 |
| 第6章 结论与建议 |
| 6.1 本文的研究结论 |
| 6.1.1 基于数据调和的天然气生产系统静态估计 |
| 6.1.2 天然气生产系统的NARX模型辨识 |
| 6.1.3 数据驱动的天然气生产系统动态估计 |
| 6.1.4 模型驱动的天然气生产系统动态估计 |
| 6.2 对今后研究工作的建议 |
| 参考文献 |
| 附录A 天然气生产系统常规工艺参数 |
| 附录B 天然气生产系统井筒结构图 |
| 附录C 段塞流示意图 |
| 致谢 |
| 个人简历、在学期间发表的学术论文及研究成果 |
| 学位论文数据集 |
（6）CZ硅单晶等径生长阶段关键参数优化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 硅单晶生长过程建模研究现状 |
| 1.2.2 硅单晶生长工艺参数优化研究现状 |
| 1.3 主要研究内容及章节安排 |
| 2 硅单晶生长原理及其特性分析 |
| 2.1 硅单晶制备方法概述 |
| 2.2 CZ硅单晶生长工艺流程介绍 |
| 2.3 CZ硅单晶生长过程特性分析 |
| 2.4 本章小结 |
| 3 CZ硅单晶等径阶段关键参数识别 |
| 3.1 CZ硅单晶等径阶段特征参数 |
| 3.2 硅单晶等径阶段关键参数识别 |
| 3.2.1 关键参数识别方法 |
| 3.2.2 基于Pearson系数的参数冗余性分析 |
| 3.2.3 基于MIC的参数相关性分析 |
| 3.3 本章小结 |
| 4 CZ硅单晶等径阶段模型辨识 |
| 4.1 加热器温度-晶体直径特性分析 |
| 4.2 数据来源及预处理 |
| 4.2.1 辨识数据来源 |
| 4.2.2 数据预处理 |
| 4.3 加热器温度-晶体直径模型结构辨识 |
| 4.3.1 模型时滞确定 |
| 4.3.2 模型阶次确定 |
| 4.4 加热器温度-晶体直径模型参数辨识 |
| 4.4.1 基于BP神经网络的模型参数辨识 |
| 4.4.2 基于NARX神经网络的模型参数辨识 |
| 4.4.3 基于SVR支持向量回归的模型参数辨识 |
| 4.4.4 模型参数辨识实验与分析 |
| 4.5 模型检验 |
| 4.6 本章小结 |
| 5 CZ硅单晶等径阶段晶体直径控制 |
| 5.1 预测控制基本原理 |
| 5.1.1 预测模型 |
| 5.1.2 滚动优化 |
| 5.1.3 反馈校正 |
| 5.2 CZ硅单晶等径阶段晶体直径预测控制 |
| 5.2.1 NARX神经网络多步预测模型 |
| 5.2.2 基于LM算法滚动优化 |
| 5.2.3 反馈校正 |
| 5.3 仿真实验与分析 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 工作总结 |
| 6.2 研究展望 |
| 参考文献 |
| 个人简历、在学期间发表的学术论文及研究成果 |
| 致谢 |
（7）复杂多变量系统闭环辨识与内模控制方法研究（论文提纲范文）
| 学位论文数据集 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 内模控制方法 |
| 1.2.1 内模控制基本原理 |
| 1.2.2 内模控制国内外研究现状 |
| 1.2.3 多变量系统内模控制研究现状 |
| 1.2.4 多变量非方系统内模控制研究现状 |
| 1.3 系统辨识方法 |
| 1.3.1 系统辨识简介 |
| 1.3.2 多变量系统辨识研究现状 |
| 1.4 主要研究内容 |
| 第二章 基于强化学习的频域响应估计法(CARLA-FRE) |
| 2.1 引言 |
| 2.2 频域响应估计法 |
| 2.2.1 开环控制系统的频域分析 |
| 2.2.2 闭环控制系统的频域分析 |
| 2.2.3 频域分析方法的优缺点 |
| 2.3 基于强化学习的频域响应估计法 |
| 2.3.1 强化学习基本原理 |
| 2.3.2 连续动作强化学习自动机算法 |
| 2.3.3 基于CARLA的频域响应估计法 |
| 2.4 CARLA算法性能验证 |
| 2.5 本章小结 |
| 第三章 基于CARLA-FRE辨识的多变量系统内模控制应用 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.3 基于CARLA-FRE的多变量系统内模控制 |
| 3.3.1 基于CARLA-FRE的多变量方系统辨识 |
| 3.3.2 基于CARLA-FRE的多变量非方系统辨识 |
| 3.3.3 多变量系统的内模控制器设计方法 |
| 3.4 仿真实验 |
| 3.4.1 多变量方系统辨识——Wood-Berry模型 |
| 3.4.2 多变量非方系统辨识——Shell模型 |
| 3.5 本章小结 |
| 第四章 基于LQG控制方法的多变量多时滞过程最优控制 |
| 4.1 引言 |
| 4.2 卡尔曼滤波和最优控制介绍 |
| 4.2.1 卡尔曼滤波理论 |
| 4.2.2 最优控制 |
| 4.2.3 状态反馈原理 |
| 4.2.4 状态空间模型构造 |
| 4.3 基于最优控制方法的多变量多时滞过程控制律设计 |
| 4.3.1 基于卡尔曼滤波器的状态估计 |
| 4.3.2 最优控制律设计 |
| 4.4 仿真研究 |
| 4.5 本章小结 |
| 第五章 一类强耦合非方系统的内模控制方法优化研究 |
| 5.1 引言 |
| 5.2 问题描述 |
| 5.3 基于惩罚伪逆的时滞非方系统内模控制方法 |
| 5.3.1 解耦内模控制结构 |
| 5.3.2 内模控制器的设计 |
| 5.3.3 稳态性能分析 |
| 5.3.4 基于CARLA的最大惩罚因子ρ_0寻优 |
| 5.4 基于补偿器原理的非方系统内模控制方法 |
| 5.4.1 补偿器的设计 |
| 5.4.2 方形子系统的选择 |
| 5.4.3 内模控制器的应用 |
| 5.5 仿真分析 |
| 5.5.1 基于惩罚伪逆的内模控制器设计 |
| 5.5.2 基于补偿器原理的内模控制器设计 |
| 5.5.3 以上两种内模控制器的仿真分析 |
| 5.6 小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 研究成果及发表的学术论文 |
| 作者和导师简介 |
| 附件 |
（8）面向成球过程的反应釜温度控制系统的设计与实现（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 1 绪论 |
| 1.1 课题的来源及研究的背景和意义 |
| 1.1.1 课题的来源 |
| 1.1.2 课题研究背景和意义 |
| 1.2 系统辨识概述 |
| 1.2.1 数学模型及建模方法 |
| 1.2.2 系统辨识的定义 |
| 1.2.3 系统辨识的步骤 |
| 1.3 反应釜温度控制系统研究现状 |
| 1.3.1 温度模型辨识研究现状 |
| 1.3.2 温度控制方法研究现状 |
| 1.4 本文主要研究内容 |
| 2 温控系统控制方案设计 |
| 2.1 成球工艺反应釜结构 |
| 2.2 成球工艺流程概述 |
| 2.3 成球工艺温度控制要求 |
| 2.4 成球工艺温度控制方案 |
| 2.4.1 温度控制分段研究 |
| 2.4.2 时滞系数的选取 |
| 2.4.3 温度控制策略 |
| 2.5 本章小结 |
| 3 反应釜温度模型辨识研究 |
| 3.1 子空间辨识方法 |
| 3.1.1 子空间辨识概述 |
| 3.1.2 状态空间模型方程描述 |
| 3.1.3 确定性子空间辨识算法 |
| 3.2 反应釜温度模型的子空间辨识 |
| 3.3 本章小结 |
| 4 反应釜温度控制方法研究 |
| 4.1 预测控制理论 |
| 4.2 DMC算法实现 |
| 4.3 DMC控制器参数设定规则 |
| 4.3.1 采样周期和模型长度 |
| 4.3.2 优化性能指标参数 |
| 4.3.3 反馈校正系数 |
| 4.4 时滞对象的DMC算法 |
| 4.5 时滞对象的DMC算法与PID算法仿真比较 |
| 4.6 反应釜温度控制器设计及仿真 |
| 4.7 本章小结 |
| 5 温度在线控制系统开发 |
| 5.1 系统模块化设计 |
| 5.2 在线控制系统软件设计 |
| 5.3 在线控制系统软件功能模块开发 |
| 5.3.1 在线监控模块 |
| 5.3.2 系统辨识模块 |
| 5.3.3 控制仿真模块 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 附录 |
| A 攻读硕士学位期间所发表的论文及专利 |
| B 学位论文数据集 |
| 致谢 |
（9）基于时滞辨识的中央空调系统建模及优化控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 中央空调系统模型 |
| 1.2.2 中央空调系统控制方法 |
| 1.2.3 中央空调系统时滞问题 |
| 1.2.4 存在的问题 |
| 1.3 研究内容与方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 第2章 中央空调系统中时滞现象分析 |
| 2.1 中央空调系统时滞现象分析 |
| 2.2 时滞问题对中央空调系统的影响 |
| 2.2.1 时滞对中央空调系统设备运行的影响 |
| 2.2.2 时滞对中央空调系统故障诊断的影响 |
| 2.3 时滞现象及影响的数据体现 |
| 2.4 本章小结 |
| 第3章 基于时滞状态空间的中央空调系统建模 |
| 3.1 时滞状态空间模型 |
| 3.2 时滞状态空间法建模流程 |
| 3.3 建模举例-管道模型 |
| 3.3.1 水管建模 |
| 3.3.2 风管建模 |
| 3.3.3 空调房间模型 |
| 3.4 模型验证 |
| 3.5 中央空调系统模型时滞稳定上界确定 |
| 3.5.1 稳定性 |
| 3.5.2 时滞稳定范围 |
| 3.5.3 仿真示例 |
| 3.6 本章小结 |
| 第4章 中央空调系统的时滞辨识与数据建模 |
| 4.1 中央空调系统的数据特征 |
| 4.2 数据来源及处理过程 |
| 4.3 中央空调系统时滞辨识 |
| 4.3.1 运行数据变化趋势定义 |
| 4.3.2 寻优算法 |
| 4.4 时滞辨识举例及验证 |
| 4.4.1 问题描述 |
| 4.4.2 数据处理与计算参数设置 |
| 4.5 中央空调系统数据建模 |
| 4.5.1 数据建模基础理论 |
| 4.5.2 建模流程 |
| 4.5.3 改进的Elman神经网络模型-时滞预测 |
| 4.5.4 改进的BP神经网络模型-状态参数预测 |
| 4.6 模型验证 |
| 4.6.1 数据选取规律 |
| 4.6.2 水温与送风温度模型验证 |
| 4.6.3 空调房间温度变化与设备能耗模型验证 |
| 4.7 本章小结 |
| 第5章 基于时滞状态空间模型与N-E-B模型的中央空调系统优化控制 |
| 5.1 基于时滞状态空间模型的优化控制 |
| 5.1.1 预见控制器 |
| 5.1.2 仿真实例 |
| 5.2 基于N-E-B模型的优化控制 |
| 5.2.1 自适应模糊PID控制器 |
| 5.2.2 仿真实例 |
| 5.3 本章小结 |
| 第6章 多种模型间的应用条件及控制方案对比 |
| 6.1 时滞状态空间模型与传统线性模型仿真对比 |
| 6.1.1 模型性能对比 |
| 6.1.2 控制仿真对比 |
| 6.2 N-E-B模型与常规数据模型及控制仿真对比 |
| 6.2.1 模型性能对比 |
| 6.2.2 控制仿真对比 |
| 6.3 时滞状态空间模型与数据模型应用条件对比 |
| 6.3.1 数据量 |
| 6.3.2 复杂程度 |
| 6.3.3 控制仿真对比 |
| 6.4 本章小结 |
| 结论与展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 攻读博士学位期间发表论文和科研成果 |
| 名词索引 |
（10）水泥分解炉出口温度的自适应多维泰勒网控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 水泥分解炉生产工艺及设备 |
| 1.2.2 水泥分解炉出口温度控制国内外研究现状 |
| 1.2.3 多维泰勒网优化算法研究现状 |
| 1.3 课题研究内容及章节安排 |
| 第二章 水泥分解炉出口温度数学模型建立 |
| 2.1 数学建模分析 |
| 2.1.1 分解炉出口温度影响因素分析 |
| 2.1.2 数据驱动建模及方案设计 |
| 2.2 基于互相关的时滞参数估计法 |
| 2.2.1 快速傅里叶变换及逆变换 |
| 2.2.2 互相关原理 |
| 2.3 递归最小二乘法 |
| 2.4 模型参数辨识及验证比较 |
| 2.5 本章小结 |
| 第三章 分解炉出口温度控制器设计 |
| 3.1 基于改进单纯形法的PID优化控制器 |
| 3.1.1 单纯形法原理 |
| 3.1.2 改进单纯形法 |
| 3.1.3 基于改进单纯形法的PID优化控制器设计 |
| 3.2 自适应BP神经网络PID控制器 |
| 3.2.1 神经网络概述 |
| 3.2.2 自适应BP神经网络PID控制原理 |
| 3.2.3 自适应BP神经网络PID控制器设计 |
| 3.3 自适应多维泰勒网控制器 |
| 3.3.1 多维泰勒网算法介绍 |
| 3.3.2 自适应多维泰勒网控制原理 |
| 3.3.3 自适应多维泰勒网控制器设计 |
| 3.4 本章小结 |
| 第四章 水泥分解炉仿真系统设计 |
| 4.1 分解炉仿真系统 |
| 4.1.1 系统仿真设计流程图 |
| 4.1.2 系统仿真模型 |
| 4.2 分解炉出口温度控制仿真实验 |
| 4.3 干扰条件下仿真实验 |
| 4.4 模型参数改变仿真实验 |
| 4.4.1 模型系数变化 |
| 4.4.2 时滞参数t变化 |
| 4.4.3 各参数均发生变化 |
| 4.5 分解炉出口温度控制系统仿真平台设计 |
| 4.5.1 仿真平台界面设计 |
| 4.5.2 不同控制器仿真界面设计 |
| 4.5.3 干扰仿真的设计 |
| 4.5.4 参数变化仿真的设计 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 主要工作与结果总结 |
| 5.1.1 主要工作 |
| 5.1.2 结果总结 |
| 5.2 下一步工作展望 |
| 致谢 |
| 参考文献 |
| 发表论文列表 |
四、基于模型预测的神经网络非线性时滞系统的辨识和控制(英文)（论文参考文献）
- [1]基于动态线性化数据模型的离散滑模控制研究[D]. 侯明冬. 华北电力大学(北京), 2020
- [2]抽水蓄能机组系统辨识与复杂工况下控制规律研究[D]. 冯陈. 华中科技大学, 2020
- [3]非线性时滞定常系统多维泰勒网辨识与预测控制[D]. 李晨龙. 东南大学, 2020
- [4]抽水蓄能机组调节系统非线性建模、辨识及优化控制研究[D]. 丁坦. 华中科技大学, 2020(01)
- [5]深水天然气生产系统反问题与最优估计研究[D]. 王丹. 中国石油大学(北京), 2020
- [6]CZ硅单晶等径生长阶段关键参数优化研究[D]. 李欣鸽. 郑州大学, 2020(02)
- [7]复杂多变量系统闭环辨识与内模控制方法研究[D]. 蒋美英. 北京化工大学, 2019(01)
- [8]面向成球过程的反应釜温度控制系统的设计与实现[D]. 陈冲. 重庆大学, 2019(01)
- [9]基于时滞辨识的中央空调系统建模及优化控制研究[D]. 赵志达. 西南交通大学, 2019(03)
- [10]水泥分解炉出口温度的自适应多维泰勒网控制研究[D]. 余林威. 东南大学, 2019(06)