【摘 要】
：
在实际工业控制系统中,针对具有非最小相位的对象进行辨识是一个典型难题,尤其当零点与时滞同时存在时,采用常规传统辨识方法难以达到良好的效果,导致无法满足工业控制需求.针对这一情况,提出了一种新的含非最小相位过程对象模型的频域辨识方法,通过Matlab中的Simulink对闭环控制回路进行仿真,对仿真中所产生的输入输出信号的分解和拉普拉斯变换,分析并获取其过程对象在重要频率范围内的频率响应特性,采用最小二乘法从幅频与相频两部分去拟合参数,从而精准地辨识出对象模型.通过与传统模型辨识方法比较,仿真实验结果表明,
【机 构】
：
上海理工大学光电信息与计算机工程学院,上海 200093
论文部分内容阅读
在实际工业控制系统中,针对具有非最小相位的对象进行辨识是一个典型难题,尤其当零点与时滞同时存在时,采用常规传统辨识方法难以达到良好的效果,导致无法满足工业控制需求.针对这一情况,提出了一种新的含非最小相位过程对象模型的频域辨识方法,通过Matlab中的Simulink对闭环控制回路进行仿真,对仿真中所产生的输入输出信号的分解和拉普拉斯变换,分析并获取其过程对象在重要频率范围内的频率响应特性,采用最小二乘法从幅频与相频两部分去拟合参数,从而精准地辨识出对象模型.通过与传统模型辨识方法比较,仿真实验结果表明,该辨识方法具有很好的鲁棒性和更高的精确度.
其他文献
本文对应急管理虚拟仿真实验教学项目的建设进行探索,通过建设自然灾害与事故灾害公共危机应急决策沙盘推演实验教学项目,同时综合采用情境模拟教学、模拟角色扮演、自主学习等多种教学方式,将该实验教学项目运用于应急管理人才培养教学中,分析其在应急管理本科专业教学中的教学效果.通过分析得出,虚拟仿真实验教学是一项新的教学模式,可以有效弥补传统实验教学与应急处突实践能力培养的不足,有助于教育教学信息化的推进与教学质量的提高.
针对许多领域中的时间序列存在维数过高以及变量间多重相关性严重等问题,提出一种相关性变量筛选偏最小二乘回归(CVS-PLSR)建模算法.该算法通过引入基于相关性的特征选择(CFS)来获取最优特征子集,进而实现数据降维,并选用偏最小二乘回归法(PLSR)作为建模的核心算法,有效地解决了变量间多重相关性带来的危害.使用矿浆元素品位预测数据对所提算法进行验证,改进的CVS-PLSR算法得到的模型最精简,测试集均方根误差仅为1.690 2,预测值与实测值相关性达到了97％以上.通过仿真实验和模型评价指标对比结果可以
针对视觉惯性同时定位与地图构建(visual-inertial simultaneous localization and mapping,Ⅵ-SLAM)系统中存在计算效率低和位姿估计精确度低问题,提出了一种同时采用扩展卡尔曼滤波和增量式光束平差法的紧耦合双目Ⅵ-SLAM算法.前端采用扩展卡尔曼滤波将惯性测量单元与双目相机的测量信息进行耦合估计位姿与速度,在后端通过增量式光束平差法来优化位姿获得全局一致的运动轨迹.与只采用滤波方法或者优化方法的SLAM算法相比较,在公开数据集EuRoC(European
针对电网中存在的虚假数据注入攻击的检测问题,利用电网的直流线性和交流非线性模型,分别构建了基于编码策略的虚假数据攻击检测方法.对于直流线性模型,设计了数据驱动的编、解码方案,并按有无通信约束两种情形分别求解编码、解码矩阵的最优数据赋值.对于交流非线性模型,通过构建拉伸矩阵使得被攻击的冗余观测产生较大的检测残差,并由此提出相应的编码、解码策略,给出了解码矩阵的选取条件.最后,在IEEE-14节点系统中使用实际负荷数据分别验证了所提方法的有效性.
针对工业控制系统网络攻击日益增加,现有的基于深度学习入侵检测模型的最优超参数组难以确定,从而造成检测精度不高的问题,提出一种结合超参数优化算法和堆叠长短时记忆(SLSTM)网络的工控系统入侵检测模型,实现了基于深度学习工控入侵检测模型超参数的自动寻优,有效地提高了检测精度.首先,采用基于边界的合成少数类过采样技术解决原始数据中样本不平衡的问题.然后,采用贝叶斯优化算法搜索堆叠长短时记忆网络的最优超参数组.最后,在工控网络标准数据集上将所提算法与其他相关算法进行对比实验.实验结果表明所提算法在工控入侵检测中
研究一类严格反馈非线性系统基于事件触发的自抗扰预设有限时间跟踪控制问题.采用反步法并结合自抗扰控制技术、预设性能及有限时间控制方法,提出了一种基于事件触发的自抗扰预设性能有限时间控制策略,并给出了控制器的设计方法.该方法在每一步的递推设计中使用 自抗扰技术的扩张状态观测器来估计系统中的未知项,同时使用跟踪微分器来估计虚拟控制的导数从而避免微分膨胀.它可以保证系统输出在一个任意给定的停息时间内以预先设定的精度跟踪参考信号,并且闭环系统中的所有信号是有界的.事件触发机制的使用,使得控制输入不再持续更新,节约了
针对工业信息物理系统数据不平衡,从而使得基于深度学习的攻击检测方法对稀有攻击检测率低的问题,提出了一种工业信息物理系统攻击检测增强模型.该模型从原始数据集中选取出稀有攻击样本,使用梯度惩罚Wasserstein距离生成式对抗网络进行稀有攻击样本扩充,并将扩充得到的样本与原始数据集混合,形成新的数据集用于训练多层感知机,实现攻击检测.为检验模型性能,使用以Modbus作为通信协议的真实数据集进行测试.实验结果表明,与广泛采用的数据增强方法相比,攻击检测增强模型能显著改善攻击检测的能力.
平面四连杆机构是一种常见的传动机构,对机构参数进行优化设计是获得最佳动力性能的重要途径.为了解决这一机构参数优化问题,提出了一种多智能体混沌鸟群算法(multi-agent chaos bird swarm algorithm,MACBSA).该算法将多智能体系统中智能体的行动策略和混沌搜索机制引入鸟群算法的进化过程.多智能体的竞争与合作机制可以提高个体学习与信息交互的能力,增强群体内部的多样性和信息反馈;而混沌搜索则能够帮助算法跳出局部最优.最后,该算法在4个标准函数中进行了测试,并应用到四连杆机构参数
为提高滑坡位移的预测精度,提出了一种基于奇异谱分析法(singular spectrum analysis,SSA)和长短时记忆网络(long short-term memory neural network,LSTM)组合的动态预测模型.首先,利用SSA将滑坡位移时间序列分解为趋势项、周期项位移子序列同时剔除噪声,减少随机波动对实验结果的影响.然后利用高斯拟合方法对趋势项位移子序列进行拟合预测;LSTM神经网络模型对其周期项位移子序列进行预测.最后,通过叠加各位移子序列的预测值,得到累积滑坡位移的预测值
为了更好地提取与学习风速在时域和频域上的特征,解决风速信号时域随机性和频域复杂性问题,提出了一种基于小波分解(WD)、变分模态分解(VMD)、长短时记忆(LSTM)网络和注意力机制(AT)的短期风速组合预测模型(WD-VMD-DLSTM-AT).在此基础上,提出了一种基于注意力机制的多输入多输出(MIMO)的编码解码多步预测模型(MMED-AT).通过实验对比分析,所提出的组合预测模型具有最优的统计误差,在短期风速预测方面能显著提高预测精度.基于组合模型的(MMED-AT)模型能明显消除递归式多步预测的累