復(fù)雜工業(yè)過程新型先進(jìn)控制方法研究.pdf

1、針對(duì)日益復(fù)雜的生產(chǎn)過程及其對(duì)控制的超常要求,該論文研究并提出了幾種新型預(yù)測(cè)控制方法,較好地解決了非線性系統(tǒng)和混合邏輯動(dòng)態(tài)系統(tǒng)中的難控問題,仿真和實(shí)際應(yīng)用表明該文所提方法的有效性.該文的研究的主要內(nèi)容和取得的創(chuàng)新之處體現(xiàn)在以下幾個(gè)方面:1.在研究基于尺度函數(shù)的小波神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上,首次將小波神經(jīng)網(wǎng)絡(luò)應(yīng)用到復(fù)雜青霉素發(fā)酵過程的軟測(cè)量建模與預(yù)測(cè)控制中,仿真結(jié)果和應(yīng)用結(jié)果表明小波神經(jīng)網(wǎng)絡(luò)在生化過程中具有廣闊的應(yīng)用前景.2.將支持向量機(jī)理論引入流

2、程工業(yè)預(yù)測(cè)控制中,針對(duì)流程工業(yè)提出了基于支持向量機(jī)的非線性動(dòng)態(tài)系統(tǒng)辨識(shí)方法和基于支持向量機(jī)的非線性預(yù)測(cè)控制算法,同時(shí)給出了這種非線性預(yù)測(cè)控制算法穩(wěn)定性的證明,并在一個(gè)復(fù)雜的聚酯生產(chǎn)過程上進(jìn)行了仿真驗(yàn)證,結(jié)果表明所提算法在小樣本建模情況下就能取得良好的控制效果.3.分析流程工業(yè)中存在混雜特性的基礎(chǔ)上,研究了混合邏輯動(dòng)態(tài)系統(tǒng)建模方法,提出了在將邏輯命題轉(zhuǎn)化為混合整數(shù)線性不等式時(shí)轉(zhuǎn)換方法的選取準(zhǔn)則,并利用混合邏輯動(dòng)態(tài)系統(tǒng)建模方法建立了一個(gè)實(shí)驗(yàn)

3、裝置的MLD模型.4.針對(duì)預(yù)測(cè)控制中的不可行和優(yōu)先級(jí)問題,利用混合邏輯動(dòng)態(tài)系統(tǒng)的概念,提出了一種基于輸入輸出模型的混雜預(yù)測(cè)控制方法,有效地處理了預(yù)測(cè)控制約束不可行與優(yōu)先級(jí)問題.通過將約束優(yōu)先級(jí)表示為命題邏輯并將命題邏輯轉(zhuǎn)化為整數(shù)不等式約束,從而可將約束不可行和優(yōu)先級(jí)問題轉(zhuǎn)化為統(tǒng)一的預(yù)測(cè)控制求解問題.在保證高優(yōu)先級(jí)的約束滿足的同時(shí)能最大化低優(yōu)先級(jí)約束的滿足數(shù)目.針對(duì)該方法求解過程中遇到的混合整數(shù)求解問題,根據(jù)流程工業(yè)的連續(xù)操作的特點(diǎn),提出

4、了一種Least_Low First求解方法來滿足控制實(shí)時(shí)性的要求.混雜預(yù)測(cè)控制方法在化工過程中得到了仿真驗(yàn)證,仿真結(jié)果表明該算法使系統(tǒng)控制性能得到了很大的改善.5.針對(duì)一類具有高度非線性和隨機(jī)特性的對(duì)象,提出了變周期單值智能預(yù)測(cè)控制方法,引入"過程容量"的概念,對(duì)"過程容量"變化率進(jìn)行估計(jì),在此基礎(chǔ)上對(duì)被控變量變化趨勢(shì)進(jìn)行預(yù)報(bào),并能精確計(jì)算出控制作用.基于專家知識(shí)和模糊規(guī)則的變周期控制,避免了傳統(tǒng)控制算法無論是否得到了正確的測(cè)量信息,