復雜工業(yè)過程新型先進控制方法研究.pdf

1、針對日益復雜的生產過程及其對控制的超常要求,該論文研究并提出了幾種新型預測控制方法,較好地解決了非線性系統(tǒng)和混合邏輯動態(tài)系統(tǒng)中的難控問題,仿真和實際應用表明該文所提方法的有效性.該文的研究的主要內容和取得的創(chuàng)新之處體現在以下幾個方面:1.在研究基于尺度函數的小波神經網絡的基礎上,首次將小波神經網絡應用到復雜青霉素發(fā)酵過程的軟測量建模與預測控制中,仿真結果和應用結果表明小波神經網絡在生化過程中具有廣闊的應用前景.2.將支持向量機理論引入流

2、程工業(yè)預測控制中,針對流程工業(yè)提出了基于支持向量機的非線性動態(tài)系統(tǒng)辨識方法和基于支持向量機的非線性預測控制算法,同時給出了這種非線性預測控制算法穩(wěn)定性的證明,并在一個復雜的聚酯生產過程上進行了仿真驗證,結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上,研究了混合邏輯動態(tài)系統(tǒng)建模方法,提出了在將邏輯命題轉化為混合整數線性不等式時轉換方法的選取準則,并利用混合邏輯動態(tài)系統(tǒng)建模方法建立了一個實驗

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

4、了一種Least_Low First求解方法來滿足控制實時性的要求.混雜預測控制方法在化工過程中得到了仿真驗證,仿真結果表明該算法使系統(tǒng)控制性能得到了很大的改善.5.針對一類具有高度非線性和隨機特性的對象,提出了變周期單值智能預測控制方法,引入"過程容量"的概念,對"過程容量"變化率進行估計,在此基礎上對被控變量變化趨勢進行預報,并能精確計算出控制作用.基于專家知識和模糊規(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量信息,