双线性系统状态反馈鲁棒控制的新方法

研究了存在扰动的一般双线性系统的非线性状态反馈控制方案及双线性系统进行状态反馈精确线性化的特点，结合线性系统鲁棒控制的研究成果及非线性系统输出稳定理论，给出了一种双线性不确定系统鲁棒控制的新方案，最后给出了设计示例。     

一种非线性稳态自适应优化方法

结合系统优化和参数估计的修改二步法(MTS),提出了单参数在线修正模型的非线性优化控制自适应方法。根据Lyapunov稳定性定理,给出了MTS法稳定收敛的最优协调增益K的在线计算方法,大大加快了算法的收敛速度,以甲醇制甲醛生产优化控制为例,仿真结果表明,该方法是有效的。     

乙烯裂解炉的数学模型及状态估计

本文以大型乙烯装置的裂解炉为背景,在建立静态数学模型的基础上,应用推广的卡尔曼滤波器的方法,估计裂解炉沿管长的反应温度和各组分浓度的分布。仿真结果表明,温度和浓度都较好地接近工厂的实测值。     

糠醛精制过程的数学模型与优化

根据糠醛精制过程的机理分析和操作经验,建立了过程的静态数学模型。这些模型包括:精制油收率模型、精制油粘度模型以及精制油粘度指数模型。交叉验证的结果表明,所建模型的精度较高。提出了在精制油质量指标满足要求的前提下,以精制油收率最高为目标的糠醛精制过程操作优化策略,研究了不同工况下的操作条件。仿真研究与计算机离线指导生产结果都表明,本文提出的优化策略,可以提高精制油收率1～2%,具有明显的经济效益。     

基于正交函数的双线性系统预测控制器设计方法

基于离散脉冲正交函数及其性质,建立了一种新的附加系统方法,以实现双线性系统的预测控制方案。这种设计方法避免了非线性优化问题,所有的运算均为代数计算,使设计过程得以简化。对合成氨反应器仿真结果,证明了本法的有效性。     

自适应DNA免疫算法在化工软测量中的应用

将T-S模糊模型与RBF神经网络相结合,构成T-S模糊RBF神经网络,提出了一种自适应DNA免疫算法优化设计T-S模糊RBF神经网络的规则后件参数的方法。该方法采用基于抗体浓度和克隆选择的更新策略调节机制,能有效地保持抗体的多样性,避免早熟收敛。将该方法应用于延迟焦化汽油干点的软测量建模,仿真结果表明了DNA免疫遗传算法在T-S模糊神经网络系统优化设计中的有效性,并可获得较高精度的模型。     

受决策过程神经学机制启发的机器人行为协调

行为协调是基于行为的机器人控制系统中的一个主要问题。受决策过程的神经学机制启发,将一个或多个传感器的信息以及不同时间点上的信息组合,并累积得到似然比来表示行为选择的相对可能性,然后根据行为的可能性排序来决定机器人行为的取舍。通过一个机器人推棒子的仿真实验验证了该方法的可行性。     

永磁直驱式风力发电机三相不平衡的补偿控制算法

提出了一种用于电网侧三相电压不平衡情况下的永磁直驱式风力发电机的逆变控制算法。通过对不平衡三相瞬时电压的矢量变换、分解并形成负序电流分量,与通过锁相环单位归一化的逆变输出电流相加,可以保证永磁直驱式风力发电机逆变输出的电流具有良好的正弦及三相平衡特性。该控制算法解决了永磁直驱式风力发电机在电网侧三相电压不平衡情况下的输出畸变问题,算法简单有效,计算量小,硬件采用分立元件即可实现,方便且可靠。     

化工数据预处理及其在建模中的应用

对化工数据预处理问题进行了研究,阐述了化工数据智能建模中辅助变量选择、数据采集、数据校正、输入数据降维等各种数据预处理的思路与方法。仿真实验表明:对数据进行有效的预处理,可以改善模型的精确度。     

基于微粒群优化算法和支持向量机的软测量建模

在分析基本微粒群优化算法(PSO)和支持向量机(SVM)原理的基础上,采用带有末位淘汰机制的微粒群优化算法优化支持向量机的参数,建立了延迟焦化装置粗汽油干点软测量的微粒群支持向量机模型.该方法利用支持向量机结构风险最小化原则和PSO算法快速全局优化的特点,用于软测量建模.仿真实验表明:所建模型的泛化性能较好,模型具有较高的精度.