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。     

具有小滞后的连续控制系统的容错控制器设计

研究了小滞后线性连续控制系统的容错控制问题，证明了通过适当选取Ｒｉｃｃａｔｉ方程中的权矩阵Ｑ和Ｒ，当小时滞满足一个不等式时，含有执行器或传感器故障的系统模型的闭环系统为渐进稳定的。给出了系统的容错控制器的设计方法。并用一个例子说明了该方法的有效性。     

基于神经模糊系统的自适应前馈-反馈控制系统设计

在前馈控制器设计思想的启发下,提出了一种基于神经模糊系统的自适应前馈-反馈控制系统。该控制系统首先把非线性过程近似为一个线性的ARX模型和一个基于神经模糊系统的线性化误差模型(FNNM)组成的合成模型,把线性化误差模型的输出看作可测量的“扰动”,然后再引入前馈控制器,利用被控制过程的输入、误差模型的输出、线性ARX模型输出和系统输出值之间的误差以及被控制过程的合成模型的梯度信息对控制器参数进行在线调节,从而获得较好的控制结果。将提出的基于线性化误差模型的自适应控制系统用于简单不可逆放热反应的连续搅拌型化学反应器CSTR中,并与传统的PID控制器进行比较。仿真结果表明：这种基于神经模糊系统的自适应前馈反馈控制器和PID控制器相比,能得到更快、更好的控制效果。     

医院病区护理智能化监控系统检测控制的研究与实现

从医院实际出发，根据临床治疗对点滴速度的调控要求，本系统在基本模糊控制的基础上研制出二级模糊控制器，采用量化因子和比例因子分步整定积分输出的模糊算法，实现了系统调节稳定、超调小、响应快的控制效果。     

MacLab系统在动物胃运动功能实验中的应用研究

目的 研讨在动物胃运动实验中使用改进的应力传感器与完全由计算机控制的MacLab系统连用的方法。方法 自制应力传感器及直流电桥，并与MacLab的桥式放大器相连。在MacLab系统中设置胃运动实验的文件，包括通道的设置及数据板的设置。结果 使用自制的应力传感器与高精度的测试仪器连用，开发了MacLab系统的新的应用途径。MacLab系统的数字化的输出，简化了实验操作，提高了实验的精度及可靠性。     

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。     

智能型安全电源的研制

本文介绍一种的电源,采用低电压的可充电电池作电源,实现电气隔离,具有较高的安全性;用单片机作控制器,不仅可以调节输出电压的大小,提供较大的电流,供多种电动器械使用,还可对异常现象进行报警以至采取保护措施,提高系统的可靠性.     

气动调节阀黏滞故障引起的回路振荡消除方法

气动调节阀的黏滞故障是控制回路中常见的故障,由黏滞引起的回路振荡将会破坏整个控制回路的性能。针对不具有定位器的阀门,提出了利用T-S型模糊控制器代替传统的PI控制器来消除此种振荡。该控制器利用阀门黏滞时被控对象的状态信息与控制器输出变化率之间的关系来构建模糊控制的规则。通过对传统PI控制器的积分系数进行修正使得阀门快速移出黏滞区,最终消除黏滞故障对回路的影响。将该算法应用于实际的液位控制回路中,实验结果表明该算法能够较好地消除回路的振荡,且能够适应不同的设定值,具有一定的鲁棒性。     

基于内模控制原理的反馈控制器的整定

研究了用内模控制原理导出的反馈控制器ＰＩＤ的整定算法，它仅需用一个滤波器参数λ的改变来影响系统的响应特性。对工业生产中常见的过程模型进行数字仿真，并与常规整定算法进行了比较。结果表明，本算法应用于反馈控制器的参数整定时，不仅可改善控制质量，而且能有效改善系统棒稳定性，为实施本算法，提供了有关的参考数据，并实际系统中验证了本算法。     

基于小波核函数极限学习机的模型预测控制模拟

针对醋酸精馏控制中,产品质量采用常规的温度间接控制存在精度低的问题,提出了一种基于小波核函数极限学习机的模型预测控制（KMPC）策略,在醋酸浓度软测量的基础上直接控制产品质量。鉴于小波核函数极限学习机（KELM）算法训练速度快并且稳定的特点,该控制系统采用KELM建立醋酸浓度控制器预测模型,以预测控制器的输出作为再沸器蒸汽流量控制器的设定值,构成串级调节系统,同时,以灵敏板温度、塔底温度、再沸器入口温度、压力等变量作为扰动变量,实现了对复杂精馏过程的前馈控制和非线性预测控制。运用ASPEN DYNAMICS流程模拟软件建立的醋酸精馏塔动态模型对KMPC策略进行仿真研究,结果表明,与传统DMC预测控制方案比较,塔底醋酸浓度控制精度有较大提高,控制结构简单,易于实施,能够实现产品质量的卡边控制。     

基于MWMKPCA和CPI的间歇过程控制性能监测与评估

针对限定控制器结构下的间歇过程控制系统性能监测与评估的问题,采用引力搜索算法优化控制器参数,在最优控制参数的基础上得到控制性能较优的输出误差数据集;通过采用多种多元统计过程控制（MSPC）方法对数据集进行主元建模,用得到的主元模型对新的间歇过程批次进行在线监测,并提出一种基于控制图的综合控制性能指标（CPI）。仿真结果验证了采用移动窗口核主元分析法（MWMKPCA）在监测间歇过程控制性能时的准确性,同时验证了所提出的综合控制性能指标的有效性。     

基于广义最小方差基准的系统控制器设计

由控制系统性能评估中一种重要的评估方法——广义最小方差（GMV）引出基于GMV基准的系统控制器设计理论。该方法综合了系统误差信号与控制信号,既考虑了系统回路输出与参考信号的吻合程度,又考虑了控制作用的平稳性。误差权与控制权的合理设置是降低系统跟踪误差和确保系统稳定性的关键,文中详细阐述了两权的设置方法。通过仿真实例,依次有效验证了该方法在单回路系统、传统串级系统和并行串级系统中的运用,并与传统的PID控制律作了对比分析,验证了本文方法的优越性。     

一种基于RBF神经网络的传感器故障诊断方法

针对传感器故障，提出了一种基于RBF神经网络的集成故障诊断方法，用RBF神经网络建立传感器故障模型，对系统的状态和故障参数进行在线估计，然后将故障参数与修正的Bayes分类算法（MB算法）相结合，进行传感器故障在线检测、分离和估计。对连续搅拌釜式反应器（CSTR）的仿真结果表明，该集成故障诊断方法能够对多重传感器进行故障进行快速准确的分离和估计，并对传感器故障具有容错性。     

基于树莓派的无线病床呼叫系统研究与实现

目的为解决有线病床呼叫系统布线复杂、时间累积误差、故障查线不便的缺点,提出一套基于树莓派(Raspberry Pi,RPi)和ZigBee自组网的无线病床呼叫系统。方法本系统创新性地将开源硬件RPi作为呼叫系统主机,设计了一种智能编址-寻址算法和时间同步算法,实现床位的动态编排和时间一致;设计了信号碰撞重传机制,确保传输稳定可靠。结果现场测试表明,无线病床呼叫系统在150 m范围内能稳定可靠的工作,时间同步功能可能确保各个模块时间准确一致。结论该系统具有成本低廉、可靠性好、稳定性高、布线方便、易于维护等优点,能够有效替代现有的有线呼叫系统,保障医疗安全,提升医疗工作效率和服务质量。     

一种显著误差检测方法在动态数据校正中的应用

在工业过程中,采集和记录的生产数据通常用于过程的控制和在线优化等,因此保证数据的可靠性和准确度具有非常重要的意义。但是在实际情况中,测量数据不可避免地受到误差的影响,而且在生产过程中经常会出现仪表失灵、管道泄漏等现象导致测量数据中出现显著误差,进而导致测量结果严重失实。数据校正是保证工业过程数据准确可靠的主要技术手段。传统的动态数据校正通常采用卡尔曼滤波方法,但当测量数据存在显著误差时,其得到的协调值的可信度较低。为了解决动态数据校正过程中得到的测量数据存在显著误差,导致协调值失实的问题,本文在传统卡尔曼滤波方法的基础上,提出了基于动态贝叶斯模型检测方法进行显著误差的实时侦破。该方法主要通过测量值的滤波,对已经滤波的测量值进行标准化处理,利用扩展贝叶斯网络建立概率分布模型以实现显著误差的检测。根据存在显著误差和正常情况下出现的测量值条件概率大小,判断测量值是否存在显著误差,并根据侦破结果对测量协方差矩阵及卡尔曼增益等参数进行更新,以提高协调值的精度。通过实例仿真对比验证了基于动态贝叶斯的检测方法可以有效地侦破显著误差,并且可以通过参数实时调整提高了存在显著误差时协调值的精度。     

医院应急发电机组控制系统的PLC改造

本文阐述了采用PLC控制系统对医院应急发电机组控制系统进行改造的过程，介绍了采用PCL控制的医院应急发电机组控制系统的硬件及软件设计过程，改造后的医院应急发电机组控制系统的稳定性、灵敏性和可靠性都有了明显提高。     

焦化加热炉先进控制系统

以某炼化公司的焦化加热炉为工业应用背景,采用预测函数控制-P ID透明控制结构,辅以基于延迟焦化过程焦炭塔的预热切换事件设计的前馈控制器,研究开发出了一种实用的焦化加热炉先进控制系统。系统投运后,整个生产过程的平稳性和控制精度得到了显著的提高。     

深度学习算法辅助构建三维颜面正中矢状平面

目的: 旨在建立一种可准确确定三维颜面解剖标志点的深度学习算法——多视图堆叠沙漏神经网络(multi-view stacked hourglass convolutional neural networks,MSH-CNN), 并结合赋权普氏分析算法实现三维颜面正中矢状平面的自动构建。方法: 收集面部无明显畸形的受试者100例,获取三维颜面数据,由专家进行颜面标志点(21个)和正中矢状平面的标注。以上述其中80例受试者三维颜面数据作为训练集数据,训练并建立本研究的MSH-CNN算法模型。以其余20例作为测试集数据,由训练后的深度学习算法自动确定每例数据的三维颜面解剖标志点(21个), 并评价算法标点与专家标点间“定点误差”。将MSH-CNN自动确定的三维颜面解剖标志点应用于本课题组前期研究建立的赋权普氏分析算法,可自动构建出20例受试者的三维颜面正中矢状平面。计算MSH-CNN结合赋权普氏分析算法构建的正中矢状平面与专家正中矢状平面间“角度误差”,评价三维颜面正中矢状平面自动构建方法的效果。结果: 针对20例面部无明显畸形的受试者,基于MSH-CNN和赋权普氏分析算法构建正中矢状平面与专家平面间的角度误差平均为0.73°±0.50°,其中MSH-CNN自动确定颜面21个解剖标志点的定点误差平均为(1.13±0.24) mm,眶区定点误差最大平均为(1.31±0.54) mm,鼻区定点误差最小平均为(0.79±0.36) mm。结论: 将深度学习算法与赋权普氏分析算法结合应用,实现了三维颜面正中矢状平面的全自动构建,初步达到了临床专家的构建效果,为自主知识产权的软件开发奠定了基础。