收藏本站
《上海交通大学》 2007年
收藏 | 手机打开
二维码
手机客户端打开本文

基于局部学习策略的非线性系统多模型建模与控制

潘天红  
【摘要】: 随着现代工业生产的发展,生产过程日趋大型化、复杂化,工作点的变化范围大,使得完全通过机理模型来了解被控过程中各变量之间的关系变得更加困难,且成本很高。因此,人们往往从系统的输入输出数据出发,借助于机器学习、统计学理论以及数据挖掘等手段,采用基于分治策略的多模型建模方法,分析和了解被控过程相关特性,达到对非线性系统建模与控制的目的。这种建模方法,将复杂问题简单化,以多个局部模型来覆盖系统的不确定性与结构的复杂性,以及逼近系统的强非线性,从而倍受人们的关注。本文以非线性系统为研究对象,直接利用所获得的系统数据,在分治策略框架下,将多模型方法与数据聚类,以及局部建模算法相结合,研究了非线性系统的模型辨识与控制器设计等问题,其主要内容包括: 针对一类可由分段仿射模型表示的非线性系统,在获得系统全部工况数据的基础上,提出一种PWARX模型离线辨识算法。利用改进的G-K模糊聚类算法,在克服聚类迭代过程中出现非数值解问题的同时,实现对系统数据的满意划分,并用多性能指标综合评判的方法确定子模型的个数。在此基础上充分挖掘数据聚类的信息,以数据点的模糊隶属度值作为权重实现各子模型参数的加权最小二乘辨识,从而提高子模型辨识的精度;以数据聚类中心最近邻为准则确定两两相邻的回归空间数据,将切换面方程的辨识问题转化为线性分类问题,用软边界支持向量机获得其切换面方程的系数。最后,以一个连续的非线性函数与实际的PWARX模型为例,验证本文算法的有效性,以及PWA模型的非线性逼近能力。 由于在实际的工业过程中,离线搜集覆盖全部工况的数据要花费大量的时间或根本不可能做到,因此,本文依据统计的局部学习理论,提出一种基于即时学习算法的非线性系统在线辨识方法。在分析时间序列数据相似性的基础上,提出k -VNN方法,构造即时学习算法的建模邻域,提高了算法预测精度。同时,利用PRESS统计策略,给出了一种递归的辨识算法与数据窗口h大小的确定方法,大大减小了算法的在线计算量。由于即时学习算法的建模邻域都是在线搜索确定,为减少算法的复杂度,在k-均值聚类的基础上,给出了一种两层递阶搜索策略。另外,为增强即时学习算法的自适应能力,同时避免给计算机增加过多的开销,本文还提出了一种数据库在线更新策略。并以非线性函数估计为例,验证本文辨识算法的有效性。最后,将本文算法应用到聚酯酯化率的软测量中,拓展算法的应用范围,并为工业软测量提供一种新的方法。 针对可获得大量输入输出数据的非线性系统,结合本文所提出的局部模型在线辨识算法,给出了两种控制器设计方案。首先,直接从系统的数据出发,在线辨识当前工况下系统的逆映射模型与正向映射模型,并基于优化的性能指标,提出一种迭代寻优算法,得到当前控制器的输出值,对某一SISO非最小相位非线性系统的仿真研究证明了该方案的有效性。其次,将即时学习算法与预测控制相结合,提出了一种MIMO系统的预测控制器设计方案,推导相应带有系统约束的预测控制策略,以解决实际工业过程中多变量与大量约束的问题,某一燃油电力单元的仿真研究也验证了该方案的有效性。最后,定性比较了基于即时学习的线性化方法与其它几种线性化策略的优缺点。 将本文的局部模型在线辨识算法与过程控制相结合,研究了大范围工况系统PID控制器的参数调整问题。首先,提出一种两层结构的PID控制器设计方案,即:底层的传统PID控制回路,以及上层以广义最小方差性能指标为目标函数的优化回路。利用即时学习算法的本质自适应特点,在线获取系统不同工况下的有效模型,在此基础上,依据广义最小方差性能指标,优化得到物理意义明确的PID参数值,以适应不同工况下控制系统的性能要求。其次,给出了一种启发式的参数调整规则,增强了算法的实际使用性能。最后通过Hammersterin模型与CSTR机理模型为例验证本文算法的有效性。 为了解决验证先进控制算法有效性的困难,给算法设计人员提供一个模拟工业现场的环境,本文结合所提出的建模与控制算法,开发了一套AAS(Advanced Algorithm Simulation)仿真平台。该平台基于开放的OPC协议,依托实验室互连网络为传输数据的中介,使用Matlab软件作为模型与算法程序运算的核心组件,用WinCC软件来模拟工业现场的运行环境,完成Server/Client结构类型的网络组态。为进一步研究与开发先进控制算法提供了一个良好的研究平台。
【学位授予单位】:上海交通大学
【学位级别】:博士
【学位授予年份】:2007
【分类号】:TP13

【引证文献】
中国期刊全文数据库 前2条
1 刘乙奇;黄道平;李艳;;基于改进JIT算法的软测量建模及其在污水处理中的应用[J];华南理工大学学报(自然科学版);2011年05期
2 叶剑斌;丁志燕;;基于支持向量机的模糊系统辨识研究[J];计算机与现代化;2011年11期
【参考文献】
中国期刊全文数据库 前10条
1 孙维,王伟;基于即时学习算法非线性系统多模型自适应控制[J];大连理工大学学报;2002年05期
2 张晓蕾;邢艳芳;徐健健;;OPC技术在远程控制系统中应用[J];电子测量技术;2006年01期
3 薛振框,李少远;MIMO非线性系统的多模型建模方法[J];电子学报;2005年01期
4 颜学峰,余娟,钱锋;基于自适应偏最小二乘回归的初顶石脑油干点软测量[J];化工学报;2005年08期
5 张宇,李柠,黄道;基于多神经网络模型的酯化反应软测量[J];华东理工大学学报(自然科学版);2005年02期
6 李柠,李少远,席裕庚;比例型T-S模糊控制系统稳定性分析与设计[J];控制理论与应用;2003年04期
7 李柠,李少远,席裕庚;基于满意聚类的多模型建模方法[J];控制理论与应用;2003年05期
8 李柠,李少远,席裕庚;基于LPF算法的多模型建模方法[J];控制与决策;2002年01期
9 李柠,李少远,席裕庚;利用模糊满意聚类建立pH中和过程模型[J];控制与决策;2002年02期
10 皮道映,孙优贤;一种新的多模型模糊自适应控制算法[J];控制与决策;1996年01期
【共引文献】
中国期刊全文数据库 前10条
1 蒋中;一种基于非线性Laguerre模型的预测控制算法[J];安徽大学学报(自然科学版);2000年02期
2 高洪;侯大寅;李泽应;王军;;RBF神经网络在织物风格中的研究与应用[J];安徽工程科技学院学报(自然科学版);2006年03期
3 马从国;赵德安;;基于模糊聚类多模型池塘溶解氧软测量研究[J];安徽农业科学;2011年15期
4 姚仲舒,王宏飞,杨成梧;一种机器人轨迹跟踪的迭代学习控制方法[J];兵工学报;2004年03期
5 于传强;郭晓松;马长林;张安;;导弹起竖过程的非线性预测控制[J];兵工学报;2008年11期
6 帅猛;韩磊;谢昆青;宋国杰;马修军;陈冠华;;一种基于局部加权学习的自适应交通流预测机制[J];北京大学学报(自然科学版);2010年01期
7 冯婷;吴建德;袁徐轶;范玉刚;黄国勇;;基于LLSSVM的MUH高度信息融合技术的研究[J];传感器与微系统;2011年12期
8 吕哲;王福利;常玉清;孙天瑜;;支持向量机在注塑产品图像预处理中的应用[J];东北大学学报(自然科学版);2008年06期
9 王成亮;王宏华;向昌明;徐钢;;发电机进相能力的RBF神经网络模型[J];电工技术学报;2012年01期
10 吴一鸣;雷虎民;邵雷;刘代军;;基于输入输出数据的一体化多模型建模与控制[J];电光与控制;2011年08期
中国重要会议论文全文数据库 前10条
1 Sano Akira;;Adaptive Nonlinearity Compensation for Power Amplifiers Based on Local-Modeling Approach[A];第二十六届中国控制会议论文集[C];2007年
2 李坚强;裴海龙;刘馨;贺跃帮;陈勇;;小型无人直升机的混合系统建模与控制[A];第二十七届中国控制会议论文集[C];2008年
3 翟军勇;费树岷;;基于多模型切换的智能控制研究[A];江苏省自动化学会七届四次理事会暨2004学术年会青年学者论坛论文集[C];2004年
4 郝万君;乔焰辉;强文义;;基于自适应竞争聚类和OLS算法的非线性系统辨识[A];2009中国控制与决策会议论文集(1)[C];2009年
5 ;A Novel Supervised Multi-model Modeling Method Based on k-means Clustering[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年
6 李少远;薛振框;;非线性系统多模型控制方法的研究[A];第二十二届中国控制会议论文集(上)[C];2003年
7 孙希明;赵军;;一类切换线性不确定中立时滞系统的稳定性[A];第二十三届中国控制会议论文集(下册)[C];2004年
8 潘天红;李少远;王昕;;基于即时学习的非线性系统多模型建模方法[A];第二十四届中国控制会议论文集(上册)[C];2005年
9 ;A Novel Hierarchical Searching Cluster Strategy for Lazy Learning[A];第25届中国控制会议论文集(上册)[C];2006年
10 孙维;王伟;;基于即时学习算法的非线性系统多模型自适应控制[A];第二十届中国控制会议论文集(下)[C];2001年
中国博士学位论文全文数据库 前10条
1 冷欣;船用增压锅炉汽包水位预测控制方法研究[D];哈尔滨工程大学;2009年
2 李书艳;单点氨基酸多态性与疾病相关关系的预测及其机制研究[D];兰州大学;2010年
3 邵宗凯;无刷双馈电机建模及智能控制策略研究[D];华中科技大学;2010年
4 程熙;交互式虚拟人运动生成与控制算法研究[D];浙江大学;2010年
5 杜静静;基于非线性度量和MLD-MPC的多模型方法研究[D];浙江大学;2010年
6 雷蓓蕾;定量结构活性关系及分子模拟方法在药物设计中的应用研究[D];兰州大学;2011年
7 肖中俊;抄纸过程智能控制策略研究[D];陕西科技大学;2011年
8 毕永涛;直/气复合控制导弹制导控制问题研究[D];哈尔滨工业大学;2010年
9 王志杰;闭环自适应逆控制及在热力系统中的应用研究[D];重庆大学;2011年
10 谢春利;基于最小二乘支持向量机的非线性系统自适应控制方法的研究[D];大连理工大学;2011年
中国硕士学位论文全文数据库 前10条
1 武海博;预测函数控制系统的鲁棒性研究[D];郑州大学;2010年
2 李楠;基于BP神经网络广义预测控制在气体压缩过程中的应用研究[D];哈尔滨理工大学;2010年
3 黄燕燕;基于神经网络集合的多模型控制方法研究及应用[D];南昌大学;2010年
4 梅振益;基于数据驱动的多模型软测量研究[D];江南大学;2011年
5 俞赟;模型预测控制在核电站堆芯温度控制中的应用研究[D];华北电力大学(北京);2011年
6 龙丽婧;西洋乐器的音色特征值提取与研究[D];上海师范大学;2011年
7 王高峰;火电厂燃烧系统预测控制技术研究[D];南京理工大学;2011年
8 吴颐轩;模型预测控制技术在催化裂化装置的应用[D];华东理工大学;2011年
9 李立;300MW单元机组控制对象建模及控制算法研究[D];华北电力大学;2011年
10 解晓杰;过热汽温的先进控制策略设计[D];华北电力大学;2011年
【同被引文献】
中国硕士学位论文全文数据库 前1条
1 孙立萍;基于T-S模型的模糊辨识方法及其应用研究[D];燕山大学;2006年
【二级参考文献】
中国期刊全文数据库 前10条
1 曹柳林;聚酯工业缩聚过程的微观质量数学模型[J];北京化工大学学报(自然科学版);1999年04期
2 赵望达,刘勇求,贺毅;基于RBF神经网络提高压力传感器精度的新方法[J];传感技术学报;2004年04期
3 常玉清,王小刚,王福利;PCA-DRBFN模型在精馏塔精苯干点估计中的应用[J];东北大学学报;2004年02期
4 曾文华;初馏塔侧线温度的广义预测控制[J];化工自动化及仪表;2000年03期
5 刘伯高,俞金寿,黄道,华向明;一类固定床反应器基于改进混合模型的推断估计[J];华东理工大学学报;1998年03期
6 张永玲;;国外PET制造过程工程研究进展[J];聚酯工业;1993年01期
7 沈瀛坪,赵玲,戴迎春,朱中南;聚酯酯化反应过程研究方法[J];聚酯工业;1998年02期
8 高新波,谢维信;模糊聚类理论发展及应用的研究进展[J];科学通报;1999年21期
9 魏海坤,丁维明,宋文忠,徐嗣鑫;RBF网的动态设计方法[J];控制理论与应用;2002年05期
10 于静江,周春晖;过程控制中的软测量技术[J];控制理论与应用;1996年02期
【相似文献】
中国期刊全文数据库 前10条
1 孙浩;车载VLBI天线精确定位预测控制系统[J];上海交通大学学报;1996年04期
2 印建平,高峰;基于最优控制的新型非线性预测仿真研究[J];现代制造工程;2004年01期
3 史恩秀,黄玉美,史文浩;轮式移动机器人轨迹跟踪的预测控制[J];机械科学与技术;2004年10期
4 潘晨;肖健梅;;基于SVM的船舶动力定位系统预测控制[J];仪器仪表用户;2010年06期
5 张厚杼;;氨合成塔温度的最佳预测控制[J];化工自动化及仪表;1988年01期
6 王永骥,徐桂英,涂健;水轮发电机组l~∞范数性能指标预测控制[J];控制理论与应用;1991年04期
7 吕剑虹,陈来九;一种多变量连续时间预测控制方法[J];自动化学报;1995年02期
8 毛志忠;一种全局稳定的直接预测自适应控制器[J];信息与控制;1995年02期
9 彭辉,桂卫华;预测控制中逆矩阵的递推求解算法[J];中南工业大学学报(自然科学版);1997年04期
10 方斌,李仁,季幼章;关于预测控制的鲁棒性[J];安徽大学学报(自然科学版);1998年02期
中国重要会议论文全文数据库 前10条
1 敖培;;通风烤箱温度神经网络控制系统的仿真研究[A];全面建设小康社会:中国科技工作者的历史责任——中国科协2003年学术年会论文集(上)[C];2003年
2 张峻;席裕庚;;输入受限时预测控制的一种简易算法[A];1996中国控制与决策学术年会论文集[C];1996年
3 毛志忠;陈晓峰;;一种简化的预测控制算法[A];1995中国控制与决策学术年会论文集[C];1995年
4 刘晓华;;一类双线性加权自适应预测控制[A];1996中国控制与决策学术年会论文集[C];1996年
5 杨健;恽为民;席裕庚;张钟俊;;改进遗传算法及在优化控制中的应用[A];1994中国控制与决策学术年会论文集[C];1994年
6 周明;周坚刚;余达太;;钢铁企业模型预测控制技术综述[A];冶金轧制过程自动化技术交流会论文集[C];2005年
7 陈云云;宁芳青;;锅炉蒸汽温度控制系统中广义预测控制的应用研究[A];冶金轧制过程自动化技术交流会论文集[C];2005年
8 陆冬娜;杨马英;;基于DCS系统的神经网络预测控制[A];第八届工业仪表与自动化学术会议论文集[C];2007年
9 薛云灿;胡树棠;;专家模型算法控制的进一步研究[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集(上册)[C];1995年
10 任作新;;一种预测控制新算法[A];1995中国控制与决策学术年会论文集[C];1995年
中国重要报纸全文数据库 前10条
1 本报记者 何晓曦;中国能源战略寻求突破[N];国际商报;2004年
2 ;算法设计的策略[N];电脑报;2003年
3 金石;轧钢模型控制技术培训首次在中国举行[N];中国冶金报;2007年
4 丁广冉;夏甸承担国家安全科技支撑项目[N];中国黄金报;2007年
5 本报记者 沈洪竹;贵阳市南明区民族工作成绩斐然[N];贵州民族报;2006年
6 本报记者 席大伟;六大巨头谋动WiMax 中兴华为有望借机突围[N];通信信息报;2008年
7 本报记者 严振华;站在巨人的肩膀上[N];中国保险报;2003年
8 本报记者 张自然 曾铭 王倩;倾听“天堂硅谷”[N];中国电子报;2002年
9 曾凡红;搭建目标成本管理平台 提高企业经济效益[N];中国建材报;2003年
10 中冶连铸专家组;连续铸钢新技术问答[N];中国冶金报;2004年
中国博士学位论文全文数据库 前10条
1 潘天红;基于局部学习策略的非线性系统多模型建模与控制[D];上海交通大学;2007年
2 李海生;支持向量机回归算法与应用研究[D];华南理工大学;2005年
3 魏晋宏;预测控制在工业生产过程中的应用研究[D];太原理工大学;2011年
4 安爱民;基于预测控制的先进过程控制技术研究[D];兰州理工大学;2010年
5 李姝;基于预测控制的汽油发动机怠速控制方法研究[D];吉林大学;2010年
6 冷欣;船用增压锅炉汽包水位预测控制方法研究[D];哈尔滨工程大学;2009年
7 韩恺;化工过程中的若干预测控制算法与应用研究[D];浙江大学;2009年
8 臧传德;船舶航行的智能预测控制研究[D];哈尔滨工程大学;2002年
9 刘岩;网络流量控制若干关键技术研究[D];复旦大学;2005年
10 林永君;基于复杂机理模型的过程预测控制研究[D];华北电力大学;2002年
中国硕士学位论文全文数据库 前10条
1 敖培;多步预测性能指标函数下的神经网络控制及其应用[D];辽宁工程技术大学;2004年
2 李湘君;智能预测控制算法及其应用研究[D];南京工业大学;2004年
3 陈凯;基于智能算法的双进双出钢球磨煤机建模与优化控制[D];沈阳工业大学;2008年
4 李建民;AUV水下回收预测与协调控制技术研究[D];哈尔滨工程大学;2010年
5 郄程飞;室内温控系统的预测控制研究[D];燕山大学;2011年
6 贾晓波;线性时滞系统的预测控制[D];中国海洋大学;2003年
7 李晓燕;预测控制在非最小相位系统中的应用[D];华北电力大学(河北);2010年
8 撒继铭;预测控制在工业窑炉温度控制中的应用研究[D];武汉理工大学;2002年
9 滕海涛;主动队列管理的优化与预测控制算法设计[D];大连理工大学;2005年
10 杨黎峰;基于神经网络预测控制的水源热泵控制系统研究[D];北方工业大学;2005年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026