基于模式运动的一类复杂生产过程建模、分析与控制

论文摘要

近年来,针对一类具有统计运动规律的复杂生产过程,很多学者深入研究了基于模式运动的系统动力学描述方法。对于该方法虽然取得了一定的研究成果,但是关于系统稳定性、工况模式的类别划分对系统性能的影响以及确定初始控制（预测）模型结构的方法尚未涉及。本文采用模式类别中心对模式类别变量度量,分析并建立了系统工况模式的类别划分与系统的稳定性、调节性能间的关系,并根据基于模式运动的系统动力学描述方法的特点,提出了基于模式分类的系统建模与控制方法。主要研究成果如下:①为了研究系统工况模式样本的类别划分对系统稳定性的影响,定义了模式类别划分特征,在模式运动状态空间研究了该特征与系统稳定性的关系。首先,由初始控制（预测）模型,推导并建立了系统在欧氏空间内非线性状态空间模型。根据类别划分方法,定义了工况模式类别划分特征。然后,给出了模式运动状态空间的定义,并在其内定义并分析了系统的稳定性,进而建立了系统渐近稳定与类别划分特征间的关系。最后,针对无输入时滞与带输入时滞控制系统,给出了设计状态反馈控制器的方法。②为了研究工况模式聚类参数对系统调节性能的影响,提出了基于粒子群优化的最大熵聚类方法,分析并建立了聚类参数与系统调节性能间的关系。首先,提出了最大熵聚类算法,解决了k-means与ISODATA算法中初始聚类中心及其个数难以确定的问题,且能保证聚类结果概率分布更接近真实样本分布,包含足够多的系统动态信息。然后,定义并提取了系统调节性能指标,包括系统的动态调节性能指标与产品质量调节性能指标。最后,基于覆盖算法提出了构造型分类神经网络,并利用该网络建立聚类参数与调节性能指标间的关系。③为了解决在复杂过程建模中系统初始模型的结构难以估计、参数不易辨识的问题,由基于模式运动的系统动力学描述方法的特点,提出了新的基于模式分类的系统建模与控制方法。首先,分别对系统输入输出数据进行类别划分。通过分析输出类别的条件熵,获取模型的输入输出阶数,进而构造描述系统当前运行状态的模式（简称系统模式）。然后,将当前时刻系统模式所对应的下一时刻的输出类别作为该模式的类别标签,采用覆盖算法建立了系统一步预测模型（分类模型）,并给出了系统的控制方法。该方法将系统建模问题变成模式识别问题。最后,采用构造型分类神经网络对系统模式进行模式分类,实现对系统输出的预测。

论文目录

• 致谢
• 摘要
• Abstract
• 符号清单
• 1 引言
•   1.1 课题的研究背景与意义
•   1.2 基于模式的系统建模与控制综述
•     1.2.1 基于模式的建模与状态估计
•     1.2.2 基于模式的故障诊断与缺陷辨识
•     1.2.3 基于模式的系统控制
•     1.2.4 基于模式运动的系统建模与控制
•   1.3 论文的研究内容
•   1.4 论文的组织结构
• 2 基于模式运动的系统建模与控制框架
•   2.1 引言
•   2.2 基本概念
•     2.2.1 模式运动
•     2.2.2 统计性变量
•   2.3 基于模式运动的建模与控制框架
•     2.3.1 系统运行子空间与工况特征子空间
•     2.3.2 模式运动“空间”与模式类别变量
•     2.3.3 基于模式运动的系统建模与控制
•   2.4 木章小结
• 3 系统稳定性与工况模式类别划分
•   3.1 引言
•   3.2 系统非线性状态空间模型
•   3.3 系统稳定性定义与分析
•     3.3.1 系统稳定性定义
•     3.3.2 系统稳定性分析
•   3.4 无输入时滞系统控制
•   3.5 带输入时滞系统控制
•   3.6 仿真验证
•     3.6.1 无输入时滞系统建模与控制
•     3.6.2 带输入时滞系统控制
•     3.6.3 输出类别划分对原控制系统的影响
•     3.6.4 关于非线性部分的讨论
•   3.7 本章小结
• 4 系统调节性能与工况模式类别划分
•   4.1 引言
•   4.2 基于粒子群的最大熵聚类算法
•     4.2.1 粒子群寻优算法
•     4.2.2 基于粒子群的最大熵聚类算法
•   4.3 调节性能与类别划分
•     4.3.1 状态反馈控制方法
•     4.3.2 生产过程调节性能描述
•   4.4 构造型分类神经网络
•     4.4.1 构造型分类神经网络
•     4.4.2 分类神经网络训练
•     4.4.3 泛化能力分析
•     4.4.4 提高网络泛化能力方法
•   4.5 数值仿真
•     4.5.1 最大熵聚类方法
•     4.5.2 模式运动“空间”构造
•     4.5.3 聚类参数对调节性能影响
•     4.5.4 聚类参数与调节性能间的映射
•     4.5.5 神经网络泛化能力分析
•   4.6 本章小结
• 5 基于模式分类的系统建模与控制
•   5.1 引言
•   5.2 基于模式分类的系统建模
•     5.2.1 基于模式分类的系统模型
•     5.2.2 系统模型阶数辨识
•     5.2.3 基于覆盖分类的系统建模
•     5.2.4 覆盖分类器在线更新
•   5.3 基于覆盖分类模型的系统控制
•     5.3.1 基于预测模型的系统控制
•     5.3.2 控制系统稳定性分析
•   5.4 基于构造型分类神经网络的输出预测
•     5.4.1 基于构造型分类神经网络的输出预测
•     5.4.2 网络的训练与在线更新
•   5.5 仿真研究
•     5.5.1 基于覆盖分类的系统建模
•     5.5.2 基于覆盖分类的系统控制
•     5.5.3 基于构造型分类神经网络的输出预测
•   5.6 本章小结
• 6 结论与展望
•   6.1 论文工作总结
•   6.2 未来工作展望
• 参考文献
• 作者简历及在学研究成果
• 学位论文数据集

文章来源

类型: 博士论文

作者: 王目树

导师: 徐正光

关键词: 模式运动,模式类别变量,过程控制,系统建模与控制,模式识别

来源: 北京科技大学

年度: 2019

分类: 基础科学,信息科技

专业: 数学,自动化技术

单位: 北京科技大学

分类号: O231;TP18

总页数: 162

文件大小: 12501K

下载量: 167