【摘 要】
：
本文研究了分散控制结构下的多变量过程的辨识问题，提出了一种多变量时域辨识策略。方法采用分散控制结构下顺序阶跃测试方法采集输入输出数据，使用时域内的信号组合将MIMIO 辨识问题转化为多个单变量辨识问题。针对一个热交换过程对象，进行了分散控制结构和分散控制器设计，并将辨识方法在系统上进行了应用。仿真和实验证明了本文方法的有效性。
【机 构】
：
上海交通大学自动化系上海 200240
论文部分内容阅读
本文研究了分散控制结构下的多变量过程的辨识问题，提出了一种多变量时域辨识策略。方法采用分散控制结构下顺序阶跃测试方法采集输入输出数据，使用时域内的信号组合将MIMIO 辨识问题转化为多个单变量辨识问题。针对一个热交换过程对象，进行了分散控制结构和分散控制器设计，并将辨识方法在系统上进行了应用。仿真和实验证明了本文方法的有效性。
其他文献
建立随机漂移模型并实时补偿是提高惯性器件输出精度的有效途径。为了解决自回归滑动平均（ARMA）模型不能解释激光陀螺随机漂移非线性的问题，提出应用一类非参数ARMA模型——函数系数自回归滑动平均（FARMA）模型进行建模，并根据漂移数据的随机特性，基于相近数提出了一种模型快速估计算法。在此基础上，分别采用扩展卡尔曼滤波（EKF）和扩展卡尔曼粒子滤波（EPF）方法对激光陀螺随机漂移进行滤波，并应用交叠
成品油调合对提高炼厂经济效益有着重要的作用和意义。成品油调合优化是一个非线性约束优化问题，传统的进化算法由于搜索空间大又没有结构信息，要取得期望的求解效率和解的稳定性都是具有挑战性的任务。针对上述问题，本文提出了一种基于分片线性代理模型的成品油调合优化方法，该方法分为分片线性建模和优化两部分。首先，利用分片线性函数模型作为成品油调合非线性调合性质指标函数的代理模型，将原非线性约束优化问题转化为一系
针对铜冶炼过程中海量生产数据处理的问题，提出一种基于改进遗传算法的粗糙集约简算法。在分析粗糙集约简方法的基础上，将信息系统中条件属性对决策属性的支持度、重要度作为启发式信息加入遗传算法中，并利用种群相异度和个体相异度改进遗传算法，使算法增强整体优化性和快速收敛性。利用UCI数据集进行算法仿真和铜冶炼过程的生产数据对算法进行实测，结果表明提出的算法具有快速和有效等特点。
本文提出了一种基于共空间模式-隐马尔可夫模型的分类方法， 并把这种方法应用于四类运动想象的脑电模式识别. 首先选取4秒的运动想象数据， 把这4秒数据以2秒为时长用0.5秒的滑动窗分成四个数据段， 通过CSP方法来提取各数据段的脑电模式特征； 利用提取的四类特征来分别训练HMM得到对应四种想象模式的四个HMM；最后把测试数据分别通过四个HMM模型进行处理， 通过判别四个模型得到的最大似然概率来得到最
研究了模糊CMAC神经网络的IP模块实现方法。以模糊CMAC神经网络硬件模块为基础，编写硬件模块的驱动程序和封装文件，通过Altera的SOPC Builder开发平台，设计模糊CMAC神经网络的IP模块，使模糊CMAC神经网络硬件模块成为一个可供用户调用的智能IP模块。该IP模块的实现为模糊CMAC神经网络的进一步应用打下了基础。
针对传统的克隆选择算法只依次单独针对某一类样本数据进行监督学习从而造成的分类效率和精确度不高的问题，提出一种基于改进克隆选择算法的多类监督分类算法，并应用于UCI数据分类和多光谱遥感图像分类。算法通过进化学习可以同时获得多类样本数据的最佳聚类中心，进化过程中抗体适度值的计算综合考虑各类的类内相似性和类间差异性，从而保证获取的最佳聚类中心更具代表性。分别利用4组常用的UCI数据和红树林多光谱TM遥感
This work designed an anticipatory ILC schemes for a class of batch processes, where only the final system output is measurable and the control input is constant in each operations. This approach has
This paper presents an output feedback model predictive controller (MPC) for linear parameter varying (LPV) systems based on Quasi-Min-Max scheme. At each time instant, optimal control sequence is com
During normal operations, response or quality variables of a process will follow a input-output relation that depend on certain key sensor variables. A soft-sensor with limited model size can be devel
在实际被控非线性系统中往往存在着对变量的各种约束条件，这使得预测控制的在线优化问题变得复杂，难以获得满意的控制率，为约束预测控制的分析造成困难。粒子群优化算法具有全局寻优性能和约束处理机制，是一种有效的优化控制方法。本文将粒子群优化算法和基于T-S模糊模型的约束状态反馈预测控制相结合，用T-S模糊模型作为预测模型得到状态和输出的预测值，利用可测的过程变量对输出预测值进行反馈修正，将粒子群优化算法引