导读:本文包含了多变量自适应控制论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:自适应,多变,参数,神经网络,系统,模型,溴化锂。
多变量自适应控制论文文献综述
耿令超,朱军伟,李端祥,宗学贤[1]（2019）在《多变量预测在芳烃抽提装置甲苯塔上的自适应控制研究》一文中研究指出对芳烃抽提装置甲苯塔提出了自适应预测控制方案,建立了加权最小二乘预测模型并对其在线调整。由于芳烃抽提装置中的甲苯塔存在多变量、强耦合和非线性等特点,在操作与控制方面,将自适应预测控制方案和过去的预测控制相比较,并且相应的结合在线辨识,通过仿真研究发现自适应先进控制使甲苯塔回流量和甲苯塔温差处于稳定控制,这使塔内温度分布和物料分布都得到了平衡,保证了甲苯产品质量,降低了能耗。(本文来源于《化工管理》期刊2019年13期）
郑洪宇,王鹏,邹涛,胡静涛,于海斌[2]（2019）在《多变量半自适应预测控制系统架构》一文中研究指出针对模型因素引起的预测控制性能退化问题,本文提出一种多变量半自适应预测控制系统架构.该架构将传统的控制模式改变为测试模式,变传统的设定值控制为区间控制,从而实现了测试过程中输出变量的约束满足.所提出的半自适应预测控制体系架构能够在确保生产正常进行的前提下,实现过程的开环测试,提高测试效率,并通过极大化测试信号的幅值来确保测试过程的信噪比.进一步地,将该框架从约束预测控制扩展到双层结构预测控制,引入平衡系数实现经济效益与测试之间的平衡.本文提及的测试方法是一种在线开环测试,避免了闭环测试过程中测试输入信号与不可测噪声的相关性问题.仿真实例验证了该方法的有效性.(本文来源于《中国科学:信息科学》期刊2019年01期）
王坚,蒋绍华,陈雄,程素霞,姜杏辉[3]（2018）在《油气试验车内部环境的多变量自适应控制方法》一文中研究指出高压设备油气试验车内部集成了多种油气试验装置,在改装试验车时设计的环境控制系统需要具有较为精确、稳定的控制效果。提出了基于改进BP神经网络的多变量自适应控制模型,并利用所提出的模型开发出一套试验车内部环境自适应控制系统。通过在试验车上的实际应用验证了所提出的控制方法,结果表明,所提出的方法可以快速调节车内环境到设定值,符合预期目标。(本文来源于《科技创新导报》期刊2018年21期）
吴亭[4]（2018）在《基于参数估计的多变量自适应解耦控制算法的研究》一文中研究指出随着工业生产的快速发展,其过程日益复杂,生产条件的频繁变化,被控对象复杂化,呈现特点有强耦合性、多变量等,无法用确切的数学模型来描述被控对象的性能。这些复杂的特征使得常规的PID控制器难以对实际的操作系统达到较好的控制效果,影响生产效率和产品质量。提高多变量控制系统的控制性能的前提是解除多变量之间的耦合作用。本文针对结构已知、参数未知的多变量系统,将自适应解耦控制算法与参数估计相组合,提出了在线辨识控制器参数的多变量自适应解耦控制算法。本文最开始论述了有关系统辨识的相关理论知识,对结构已知、参数未知的离散时间随机线性单变量系统模型用随机梯度算法、改进的随机梯度算法和递推最小二乘算法进行了参数辨识的仿真研究。对比以上算法的研究结果,证实了改进的随机梯度算法的优越性;其次,简要阐述了多变量控制系统,对其耦合性加以分析,并阐述了叁种常见的解耦方法,最终针对多变量系统间耦合性问题提出了基于参数估计的多变量自适应解耦算法。本研究进一步针对多变量控制系统之间的耦合特性,应用了广义最小方差自适应解耦控制算法。通过自适应解耦实验前后对比、自适应解耦与PID解耦对比,研究表明自适应解耦算法的控制效果最佳,系统稳定性能最好。自适应解耦控制算法是在参数估计的基础上实现的,针对多变量广义最小方差自适应解耦控制中参数估计方法的缺点,提出了改进的随机梯度辨识算法,替代递推最小二乘法,并且对自适应解耦控制算法的收敛性进行了研究,解除了多变量之间的解耦作用,实现了较好的控制性。研究结果表明:改进的随机梯度辨识算法对参数的辨识精度更高,将其用于控制器的参数估计时,与常规PID解耦算法进行相比,采用改进的随机梯度自适应解耦算法抗干扰性能更佳。实验仿真结果验证了算法的优越性,得到的控制器参数能迅速收敛于真值,且解耦性能更好。(本文来源于《南昌航空大学》期刊2018-06-01）
韩四维,沈炯,潘蕾[5]（2018）在《非线性机炉协调系统的多变量输出反馈L1自适应控制》一文中研究指出针对机炉协调系统非线性、参数时变、受扰等特点,将现有单输入单输出、线性输出映射系统的输出反馈L1自适应控制算法推广至一类多输入多输出、非线性输出映射的系统.利用2-范数意义下利普希茨条件的性质,给出根据被控对象数学模型确定参数搜索界的方法,并对所设计控制系统的稳定性及瞬态跟踪误差界进行了分析.采用机炉系统的阀门反馈信号作为状态观测器的输入信号,解决了阀门开度的物理限制导致的积分饱和问题.利用经典的Bell-str9m机炉协调系统模型,分别对汽包水位偏差设定值不为零/为零的2组典型工况点进行了大范围负荷跟踪的仿真实验.实验结果表明,所提出的控制算法相比传统的鲁棒控制算法,过渡时间短及超调量小,在进行大范围负荷跟踪时,无需重新整定控制器参数仍能保持优良的控制性能.(本文来源于《东南大学学报(自然科学版)》期刊2018年03期）
潘蕾,张俊礼,沈炯,彭春华[6]（2017）在《微燃机叁联供机组的多变量鲁棒自适应负荷跟踪控制》一文中研究指出为提高微燃机–溴化锂双效吸收式制冷机叁联供机组(micro gas turbine-LiBr double effect absorption refrigerating machine combined cooling,heating and power system,MGT-LiBr CCHP)在多扰动条件下的大范围冷热电负荷跟踪能力,提出一种基于Hammerstein模型改进设计的L_1鲁棒自适应控制方法。首先采用Hammerstein块结构建立受控系统的非线性动态仿真模型,然后利用Hammerstein模型的特殊结构求解多变量非仿射L_1鲁棒自适应控制器的假设条件,进而得到可靠的控制器参数。该文利用该方法设计了MGT-LiBr CCHP的冷热电负荷跟踪控制器,仿真实验验证了其具有较强的大范围多负荷跟踪、鲁棒稳定和扰动抑制性能,可作为维护终端一体化集成供能系统可靠运行的先进备选控制方案。(本文来源于《中国电机工程学报》期刊2017年23期）
刘磊[7]（2017）在《基于神经网络的多变量离散系统的自适应容错控制研究》一文中研究指出随着工业4.0的到来,现代工业自动化系统不断朝着复杂化、信息化和智能化的趋势发展。同时,现代的机械制造系统又具有控制规模大、自动化程度高和柔性化强的特点。随着制造系统的结构越来越复杂,价格越来越昂贵,因为各种故障而导致的停机都是不可忍受的负担。在实际工业现场,大量的系统变量量以及系统本身的各种复杂因素对现有的单变量量系统的故障诊断技术都提出了挑战。针对多变量系统的故障诊断系统就能够在这个情况下满足需要,最大限度减少停机维修的时间,以及在故障发生之后能够迅速做出反应。由于现代工.业系统具有很大的规模以及通讯传输网络的复杂性,在实际工程实践中,局部系统部件故障,将会导致全局控制目的的丧失,所带来的经济和社会损失难以估计。虽然针对离散系统的容错控制研究有了部分成果,但是,绝大多数都集中在单变量系统上。在实际工业过程中,绝大多数是多变量系统,而且,对系统容错性能的要求往往体现的是不同指标之间的折中。关于这方面的成果还不多见。这使得作者着手研究离散多变量系统的容错控制及其优化。本论文在总结前人工.作的基础上,将智能逼近器与自适应技术相结合,利用其各自的优点,针对多变量离散系统,提出了基于神经网络的故障估计方法,基于增强学习算法,建立了一套新的容错控制方法的理论框架,克服了现有容错技术难以优化的难点。主要内容如下:第一章分析和总结了故障诊断、自适应控制理论以及智能逼近器的发展现状及研究方法。第二章研究了一类具有叁角结构的不确定多输入单输出离散系统的自适应执行器容错控制,同时考虑了执行器的失效和卡死两种故障。运用径向基神经网络来逼近未知非线性函数,设计了一种自适应容错控制机制。与现有结果相比,通过引入反步法,实现了非线性离散系统的容错控制。同时,证明了存在执行器故障的情况下,闭环系统所有信号都一致最终有界,并保证系统输出能跟踪上参考信号。解决了现有Backstepping方法难以解决多变量离散系统的容错控制的难题。第叁章在第二章的基础上,将系统拓展到多输入多输出系统,并将控制方案从状态反馈形式转变到输出反馈形式。本章研究了一类带有执行器故障的多输入多输出系统的分散式神经网络输出反馈容错控制问题。汽先,根据微分同胚映射理论,将初始系统转换成一个输入输出表达的系统,变换后的系统适合运用输出反馈控制力方法且能避免非因果问题。其次,为了对故障快速响应，通过调节神经网络权重的未知界来降低响应时间。然后,运用李雅普诺夫稳定性理论,证明了系统的稳定性,实现了该类系统的容错控制,同时保证了闭环系统所有信号都是半全局一致最终有界的。第四章在第叁章的基础上,考虑了优化算法,并将焦点从执行器故障转移到过程通道里的缓变故障及突变故障。本章基于增强学习算法,研究了一类多输入多输出非线性离散系统的容错控制问题。同时考虑了缓变故障和突变故障两种故障类型。基于神经网络的逼近能力,将增强学习算法引入容错控制策略中,其中分别用执行网络和评判网络来逼近最优控制信号和花费函数。相比现有结果,基于增强学习算法得到了一个新的容错控制器,此控制器可使发生故障的系统的性能指标最小,这减少了故障引起的破坏。本章采用在线调节神经网络权重来代替离线调节。最后,证明了即使存在未知故障动态,也能保证自适应律、跟踪误差和最优控制信号的一致有界性。第五章采用较少的调节参数,改进了第四章的容错机制。本章研究了一类多输入多输出非线性离散系统的容错控制问题。运用基于增强学习的自适应跟踪控制方法来解决容错问题,且该方法具有较少的学习参数。本章不仅考虑了突变故障,而且还考虑了缓变故障。基于神经网络的万能逼近性,分别用执行网络和评判网络估计最优控制信号和花费函数。本章提出方法显着特点是,它能在容错的过程中降低花费,同时具有较少数量的学习参数,从而减小计算量。最后,系统稳定性得以证明,且保证了自适应控制信号和跟踪误差的一致有界性。前面四章研究了基于模型的容错控制方法,第六章则研究了基于数据的容错控制问题。本章基于回声状态网,研究了一类无模型多输入单输出离散系统的自适应传感器故障检测和容错控制问题。本章的主要工作是实现故障检测、对故障函数进行估计以及设计容错控制器。由于在实际工业过程中,故障检测和容错控制的复杂性,会大大提高控制器设计和稳定性分析的难度。因为回声状态网具有很好短期记忆能力,这意味着回声状态网比递归神经网络学习和训练的快,所以本章用回声状态网来估计未知传感器故障动态。在故障被检测出来后,基于回声状态网和最优性准则,提出了容错控制策略,并证明了包含跟踪误差在内的所有信号都有界。第七章对全文的工作进行了总结,并指出了下一步研究的主要方向。(本文来源于《东北大学》期刊2017-05-01）
郭喜峰,栾方军,片锦香,贾瑶,李云路[8]（2016）在《数据驱动的APF非线性多变量自适应控制方法》一文中研究指出本文针对叁相叁线制APF的系统数学模型及其非线性特性提出一种基于数据驱动与多模型的非线性多变量自适应控制方法,该方法根据工况的不同利用切换机制完成对多变量线性自适应控制器和基于ANIFS的多变量非线性自适应控制器的转换,在线性控制器保证闭环系统(本文来源于《第27届中国过程控制会议（CPCC2016）摘要集》期刊2016-07-31）
杨宇,苏成利,施惠元,孙柏[9]（2016）在《基于T-S模型的多变量非线性自适应预测函数控制》一文中研究指出针对传统的控制方法应用于具有非线性和多变量的复杂石油化工过程,不能得到满意的控制效果,该文提出了一种基于Takagi-Sugeno(T-S)模型的多变量非线性自适应预测函数控制算法。该算法利用遗忘因子递推最小二乘法在线辨识T-S模糊模型后件参数,以克服参数饱和的问题。根据辨识的模型参数直接递推计算模型的预测输出,通过滚动优化方法递推求解预测控制律,而不需要求解Diophantine方程,从而减少了计算量。在焦化加热炉的出口温度控制仿真验证表明,该算法具有很强的跟踪性和鲁棒性。(本文来源于《自动化与仪表》期刊2016年07期）
杨振村[10]（2016）在《高速动车组双自适应多变量广义预测控制方法》一文中研究指出高速动车组复杂的运行过程是巨变的非线性动力学过程。随着高速动车组运行速度越来越快,其非线性过程更加剧烈,传统针对中低速列车的运行控制方法不能准确描述高速动车组的动态过程。因此,研究高速动车组在动态运行环境下的有效控制算法,使其在采用有效控制算法设计的控制器作用下安全、稳定、高效运行有重要的研究意义。本论文的具体研究如下:1、针对高速动车组的运行过程,分别介绍了单质点建模和多质点的分布式建模方法,并分析了两种方法的优缺点。根据高速动车组运行过程模型参数具有时变的特点,采用具有自适应建模和同步调优控制器参数功能的双自适应广义预测控制方法,研究出相应的控制器对高速动车组的运行过程进行速度跟踪控制。首先采用递推最小二乘法实时辨识列车运行过程模型参数,然后根据所得参数自适应建模并计算控制器调优参数,进而计算出高速列车需要施加的牵引/制动力,并设计确保控制器稳定的监督机制,实现高速列车对给定速度的高精度跟踪。仿真结果表明双自适应广义预测控制器的有效性,在遇到未知干扰时仍能确保列车安全、稳定地运行,其控制效果明显优于单一自适应控制器。2、考虑到高速动车组由多动力单元组成,在双自适应广义预测控制器的基础上,结合多变量广义预测控制算法,设计了高速动车组的双自适应多变量广义预测控制器。首先采用递推最小二乘法实时辨识各动力单元的模型参数,然后根据模型参数对每个动力单元自适应建模并计算控制器调优参数,并设计了监控单元确保控制器稳定实现。以CRH380A型高速动车组为仿真验证对象,仿真结果验证了本文所设计的控制器对给定速度曲线有精确的跟踪能力,跟踪效果明显优于传统PID等控制器。本文的研究工作,对高速动车组实现安全、舒适、正点运行具有一定的理论意义。同时为进一步对列车自动驾驶(ATO)运行控制提供了参考。(本文来源于《华东交通大学》期刊2016-06-30）
多变量自适应控制论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对模型因素引起的预测控制性能退化问题,本文提出一种多变量半自适应预测控制系统架构.该架构将传统的控制模式改变为测试模式,变传统的设定值控制为区间控制,从而实现了测试过程中输出变量的约束满足.所提出的半自适应预测控制体系架构能够在确保生产正常进行的前提下,实现过程的开环测试,提高测试效率,并通过极大化测试信号的幅值来确保测试过程的信噪比.进一步地,将该框架从约束预测控制扩展到双层结构预测控制,引入平衡系数实现经济效益与测试之间的平衡.本文提及的测试方法是一种在线开环测试,避免了闭环测试过程中测试输入信号与不可测噪声的相关性问题.仿真实例验证了该方法的有效性.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
多变量自适应控制论文参考文献
[1].耿令超,朱军伟,李端祥,宗学贤.多变量预测在芳烃抽提装置甲苯塔上的自适应控制研究[J].化工管理.2019
[2].郑洪宇,王鹏,邹涛,胡静涛,于海斌.多变量半自适应预测控制系统架构[J].中国科学:信息科学.2019
[3].王坚,蒋绍华,陈雄,程素霞,姜杏辉.油气试验车内部环境的多变量自适应控制方法[J].科技创新导报.2018
[4].吴亭.基于参数估计的多变量自适应解耦控制算法的研究[D].南昌航空大学.2018
[5].韩四维,沈炯,潘蕾.非线性机炉协调系统的多变量输出反馈L1自适应控制[J].东南大学学报(自然科学版).2018
[6].潘蕾,张俊礼,沈炯,彭春华.微燃机叁联供机组的多变量鲁棒自适应负荷跟踪控制[J].中国电机工程学报.2017
[7].刘磊.基于神经网络的多变量离散系统的自适应容错控制研究[D].东北大学.2017
[8].郭喜峰,栾方军,片锦香,贾瑶,李云路.数据驱动的APF非线性多变量自适应控制方法[C].第27届中国过程控制会议（CPCC2016）摘要集.2016
[9].杨宇,苏成利,施惠元,孙柏.基于T-S模型的多变量非线性自适应预测函数控制[J].自动化与仪表.2016
[10].杨振村.高速动车组双自适应多变量广义预测控制方法[D].华东交通大学.2016
论文知识图
