小波核极限学习机及其在醋酸精馏软测量建模中的应用

传统的机器学习算法一般通过迭代进行参数寻优,导致学习速度慢,且容易陷入局部最小值。针对这个问题,提出了一种基于小波核函数的极限学习机（KEML）的软测量建模方法,将支持向量机（SVM）中核函数的思想运用到极限学习机（EML）中,避免了SVM训练速度慢以及ELM算法不稳定的缺点。将KEML算法运用于醋酸精馏的软测量建模问题中,仿真实验结果验证了该算法的学习速度是SVM的92倍,且算法的精度以及模型的泛化能力都有所提高。     

一种基于2次核函数支持向量机的多步预测控制算法

提出了一种基于2次多项式核函数支持向量机的多步预测控制方法。通过黑箱辨识和线性化技术得到非线性系统的近似模型,根据预测控制机理,最小化滚动时域的二次型目标函数,利用模型算法控制的方法得到控制器的解析输出。通过一个标准预测模型和一个工业用连续搅拌槽式反应器的模型仿真验证了该控制器的性能,仿真结果表明:该控制器有着良好的预测性能。     

甲醇连续精馏回收装置的设计

在异维C纳原料药的生产过程中,需要使用大量的有机溶媒甲醇,为了降低原料单耗和生产成本,必须将使用过的甲醇予以回收套用,笔者根据医药工业生产之特点和工厂实践经验,设计了一个甲醇连续精馏的回收装置,供参考。1 工艺流程用泵(2)将甲醇废液从废液贮罐(1)压入预热器(3),并加热至69.5℃左右(液体接近沸点),送入精馏塔(5)内。同时,打开再沸器(4)蒸汽加热控制阀。(蒸汽压力控制在0.15MPa以下),在塔底见液面后缓慢升高塔底温度至工艺指标(96℃)。当再     

基于小波递归神经网络的间歇过程迭代学习优化控制

针对间歇过程提出了基于小波神经网络的迭代学习优化控制算法,实现产品终点质量指标的控制。小波递归神经网络用于建立提供长期预测的间歇过程模型。由于模型误差以及未知干扰的影响,基于预测模型得到的控制变量在实际应用中得不到期望的终点质量指标。利用间歇过程的重复特性,采用迭代学习优化控制改善批次间的产品质量,根据以前批次的模型预测误差均值来修正神经网络模型预测输出,继而计算出下一个批次的控制输入。随着批次的进行,模型误差逐渐消失,控制输入达到最优控制。仿真实验结果验证了该算法的有效性。     

乙烯精馏塔的动态模拟

以工业装置为背景,建立了乙烯精馏塔的动态模型。用FORTRAN语言编程,在CDC机上进行模拟。研完了该塔的几个主要变量(进料流量、进料组成、侧线产品流量、再沸器热量)存在阶跃干扰下,该塔的动态特性,获得了与定性概念相一致的模拟结果。     

基于贝叶斯学习的关联向量机及其在软测量中的应用

介绍了一种与支持向量机(SVM)函数形式相同的稀疏概率模型--关联向量机(RVM),其训练是在贝叶斯框架下进行的,在处理具有噪声的函数回归时,RVM具有很出色的性能.与SVM相比不仅解更稀疏,而且无需调整模型参数,核函数选择也不受限制.将RVM应用于PTA装置溶剂脱水塔塔顶塔底组分软测量建模,仿真结果表明:该方法预测精度较高,具有一定的应用价值.     

隔板塔(DWC)多定态解的净物质流分析

与传统精馏分离工艺相比,完全热耦合精馏技术（隔板塔）有更多的操作变量（即自由度）,这些操作变量在实现优化设计的同时,也会引起多定态现象。采用单组分净物质流,针对隔板塔在三组分分离过程中存在多定态解的现象进行分析,通过等效热耦合四塔模型,研究其多解现象。在不同定态解的条件下,计算并分析隔板塔内部的净物质流。结果表明,多个定态解对应的塔内部组分净物质流之间存在差异。     

基于支持向量机的急性百草枯中毒预后模型的建立与评价

目的：比较支持向量机（support vector machine,SVM）和传统的Logistic回归构建的急性百草枯（paraquat,PQ）中毒早期预后判别模型的预测性能。方法：收集急性PQ中毒患者152例,随访观察2个月的临床转归情况。应用随机数字表法以3∶2的比例分为两组,一组作为训练样本用于筛选变量和建立预测模型,计91例;另一组作为验证样本,用于评价模型预测效果,计61例。建模方法采用SVM和常规统计方法中的Logistic回归。结果：通过对PQ中毒患者的预测判别验证,线性核、多项式核、Sigmoid核及径向基函数核SVM模型的预测准确率分别为77.92%、74.03%、75.32%、79.22%。对所有预测模型性能对比显示,SVM模型预测性能高于Logistic回归模型,其中径向基核函数（RBF）?SVM模型效果最好,灵敏度为87.5%,特异度为70.6%。结论：采用SVM模型能更好地整合各种影响PQ中毒患者早期预后的信息,所建立的模型具有更好的预测能力,为预测PQ中毒患者的预后提供了一种新方法。     

污水处理过程的多变量预测控制

提出了一种针对活性污泥法污水处理系统的多变量预测控制策略,并将该策略应用到污水处理的脱氮上,对污水中氨氮与硝酸氮浓度实施多变量预测控制。通过对国际水质协会活性污泥1号模型(A SM 1)的闭环计算机仿真表明,应用该算法可实现对污水中氮含量浓度的有效控制,减小系统输出的波动,稳定最终输出。     

苯胺加氢反应过程的多变量解耦广义预测控制

针对苯胺加氢间歇反应具有高度不确定性和交叉耦合性,传统PID控制器很难达到理想控制品质,本文采用阶梯控制策略设计多变量广义预测控制(GPC)解耦控制系统。首先针对系统的交叉耦合性,对目标函数解耦算法进行了简化设计以有效减少计算量;然后利用GPC策略构建一个双输入双输出解耦GPC系统;最后将多变量解耦GPC控制与传统PID变结构控制进行对比分析,模拟仿真效果验证了该控制系统的有效性和强鲁棒性。     

基于通信的数据驱动分布式预测控制

针对分布式控制系统的特点,提出了一种新型的基于数据的分布式预测控制优化算法。由输入、输出数据直接设计分布式控制器,控制器在各个子系统通信的条件下采用基于纳什最优的分布式控制优化算法,以较低的成本达到整个大系统的性能优化。这种基于数据的方法使传统的预测控制器设计过程中的系统辨识和基于状态空间模型的预测控制简化为直接的一步,即直接利用数据设计分布式控制器。本文给出了这种新型算法的收敛条件,仿真结果证明了该方法的有效性。     

PTA装置溶剂脱水系统中共沸剂回收塔的动态模拟及控制

针对以醋酸正丙酯为共沸剂的工业醋酸回收系统中的共沸剂回收塔,基于Aspen Plus和Aspen Dynamics平台在稳态模型的基础上对其进行了动态模拟及动态控制策略研究,设计了两种控制结构并分别对其动态响应特性进行了分析。结果表明,本文方法通过直接调节供热流股来控制灵敏板温度具有更好的控制性能,并且能在扰动出现后更快、更稳地达到所需分离要求,回到稳态值、缩短过渡过程并减少相应的物耗及能耗损失,为以后进行共沸剂回收过程的动态实时优化、先进控制等研究以及实现PTA装置的高效优化运行提供有用的理论基础。     

基于双层不变集的多智能体系统事件触发分布式预测控制

针对含有扰动的多智能体系统,提出了基于双层不变集的事件触发鲁棒分布式预测控制策略。在分布式控制结构下,对每个智能体构建了目标函数含有耦合关联项的事件触发分布式预测控制优化问题。利用输入状态稳定性理论,推导出与子系统自身信息以及邻域子系统信息相关的事件触发条件。每个智能体判断事件触发条件,仅当条件满足时,才进行分布式预测控制优化问题的求解以及子系统之间的信息交互。利用双层不变集来保证扰动作用下多智能体系统的鲁棒性能,并在此基础上给出保证算法递推可行性和闭环稳定性的充分条件。最后通过车辆控制系统对算法进行仿真分析,验证了算法的有效性。     

带有量化的事件触发预测控制

针对存在量化的网络控制系统,提出了一种基于事件触发机制的预测控制设计方法,其中,信号从传感器传送到控制器和从控制器传送到执行器时需要被量化。建立了带有事件发生器的网络化模型,设计了事件触发机制,给出了预测控制律的设计方法,分析了闭环系统稳定性条件。最后,通过数值仿真验证了本文方法的有效性。     

基于机理模型的精馏塔组分非线性预测控制算法

当精馏塔存在如进料流量、进料成分扰动,或是负荷发生大范围扰动变化时,常规控制器难以保持控制品质。本文提出了一种基于机理模型的精馏塔组分非线性预测控制方法;针对精馏塔组分不能在线测量的问题设计了扩展卡尔曼滤波器,使用可测的状态温度估计组分,并结合慢频的分析化验值对组分进行联合校正。仿真结果表明了该算法的有效性,在系统存在失配或进料扰动的情况下,可以取得良好的控制效果。     

基于多模型模糊核聚类方法的污水处理过程软测量建模

针对污水处理过程高度非线性及强耦合性的特点,基于多个模型的组合可以提高模型精度和鲁棒性的思想,提出了一种基于 模糊核聚类的多最小二乘支持向量机的软测量建模方法。该方法根据不同工况使用模糊核聚类算法对输入数据进行聚类划分,针对 每个聚类子集用最小二乘支持向量机方法建立子模型,最终通过子模型切换策略得到系统输出。在污水处理过程仿真平台展开验证 工作,对生化需氧量BOD的软测量进行建模,获得了良好的实验结果。     

非完整移动机器人的神经网络滑模自适应轨迹跟踪控制

针对非完整移动机器人的轨迹跟踪控制问题,提出了一种鲁棒项系数自调整的神经网络滑模自适应控制策略。首先由反推法 设计运动学控制器;其次,基于滑模控制设计动力学控制器,利用径向基神经网络(RBF)自适应逼近系统非线性不确定性上界,实现 鲁棒项系数自调整,克服了传统滑模控制鲁棒项设计需要已知系统不确定性上界的缺陷,实现了速度跟踪。李亚普诺夫稳定性定理 保证了闭环系统的稳定性及跟踪误差的渐近收敛。仿真结果进一步验证了所提方案的可行性。