一、带有未知反应参数的一种发酵过程非线性自适应控制（论文文献综述）
张相胜[1]（2021）在《微生物代谢产物发酵过程建模研究》文中进行了进一步梳理微生物发酵过程往往要涉及到各种生物代谢反应及物理过程和化学反应,机理反应和内部的动态变化很难掌握。其生长过程涉及各种因素,属于典型的非线性系统,机理建模需要长期经验积累,考虑多种因素并进行简化处理。建立合理的数学模型是实现微生物发酵过程优化的基础,受到检测条件与水平的限制,发酵过程控制的许多重要过程变量数据通常是离线取样获得,无法在线实时检测及时反应发酵信息,具有较大时间延迟。此类复杂过程建模和优化技术亟需开展进一步的软测量研究。本文对于微生物代谢产物发酵过程模型结构已知但参数未知、结构和参数都未知情况,分别从发酵过程的工艺机理模型、机理数据混合模型和数据驱动模型三个方面开展研究,主要研究内容为:（1）研究了微生物代谢产物发酵过程中培养环境指标和建立动力学模型与提高发酵产品产量及收率的关系。首先借助响应面分析方法获得了谷氨酸发酵过程最佳的培养环境指标;其次分析了微生物发酵过程的动力学特性,给出了发酵过程通用的动力学模型,并用构造性方法估计出了丙酮酸动力学模型参数;最后分析了基于丙酮酸动力学模型发酵过程平衡点的存在性和稳定性,并分析了稳定性条件。（2）针对微生物代谢产物发酵过程的非线性时变特点,研究了具有非线性特性的Hammerstein模型参数辨识方法。首先推导了针对Hammerstein模型的辅助模型随机梯度算法;其次,为加快算法的收敛速度,借助关键项分离方法,基于辅助模型和梯度搜索原理设计了多新息随机梯度的模型参数辨识算法;最后,提出了辅助模型多新息随机梯度参数辨识方法,实现了Hammerstein结构的青霉素发酵过程模型参数的辨识。实验结果表明,在发酵过程模型结构和阶次已知情况下,该算法能够利用发酵过程的输入输出数据,估计发酵过程的参数,由所建立的模型实现对发酵产物浓度的估计。（3）针对很多微生物代谢产物发酵过程的模型结构未知,不易建模的情况,研究了一种基于多尺度小波支持向量机的发酵过程软测量方法。提出了一种多尺度小波核函数的支持向量机,提高了建模精度。实验结果表明,基于多尺度小波核函数支持向量机的软测量方法建立的谷氨酸模型,获得了较高的谷氨酸浓度、溶解氧和残糖浓度估计精度。（4）为了减小代谢产物发酵过程采集数据中异常值和噪声对回归模型的影响,提出了一种特征加权孪生支持向量回归机。首先选择K近邻方法为每个样本设置基于密度的权重,采用Wards链式聚类算法提取样本的特征信息,并将两者融合到特征加权孪生支持向量回归机的目标函数中。为提升特征加权孪生支持向量回归机的预测性能,选择二次多项式核函数和径向基核函数构成的混合核函数,并采用自适应粒子群算法优化支持向量机的模型参数。实验结果表明,基于混合核函数的特征加权孪生支持向量回归机,建立的谷氨酸发酵过程模型对谷氨酸浓度和残糖浓度估计精度较高。
盛晓晨[2]（2021）在《基于多模型集成的软测量建模》文中认为实现复杂工业过程控制的一个重要环节是以尽可能低的经济成本对产品质量进行准确实时的监测和控制。而软测量技术是实现质量变量在线估计的有效途径,因此一直是过程自动控制和智能决策领域的重要研究热点之一。随着分布式控制系统的普及与计算机存储性能的进一步提升,数据驱动的软测量技术在复杂工业过程建模和质量预报中取得了广泛的应用。基于多模型集成的软测量建模框架,能够有效地描述复杂多变量系统的非线性、强耦合和多阶段特征,实时跟踪生产状况和操作条件的动态变化,从而确保过程安全可靠和平稳运行。论文在多模型集成框架下进行了软测量建模方法的研究与应用,主要研究内容如下:（1）针对传统单一模型在处理过程动态变化和多阶段特征时出现泛化性能变差的问题,提出一种基于阶段识别的集成最小二乘支持向量回归软测量建模方法。考虑到间歇过程的多批次特性,首先采用多向主元分析方法对原始高维过程数据进行预处理和特征提取,然后采用高斯混合模型对操作阶段进行识别,并对不同的操作阶段建立最小二乘支持向量回归子模型,最后利用贝叶斯融合策略对子模型输出进行集成,得到最终预测结果。青霉素发酵过程的仿真研究表明,该方法相较于传统全局建模获得了整体预测性能的显着提升。（2）为了提高多模型集成方法在非高斯工业过程建模中的鲁棒性和自适应更新能力,提出一种在线更新策略下的自适应集成偏最小二乘软测量建模方法。在基于高斯混合模型的多模型集成建模框架的基础上,一方面,利用局部加权标准化方法对非高斯数据进行预处理,以重构建模数据集;另一方面,采用滑动窗策略实现模型自适应更新,提高局部模型的泛化性能并保证其在较长工作时间内的预测精度。因此所建模型对过程的动态变化和阶段过渡具有更强的跟踪和解释能力。当测试样本到来时,利用贝叶斯策略实现偏最小二乘局部模型的自适应集成。对硫回收过程中酸性气体浓度的在线预测,结果验证了所提方法的可行性和有效性。（3）针对一些工业过程中标记样本稀少且人工标记成本高的问题,提出一种基于分层采样主动学习的集成高斯过程回归智能软测量建模方法。传统集成模型的预测性能高度依赖于有标记样本,为此,首先采用层次聚类算法,以多层次空间的方式充分挖掘样本之间的空间信息,然后引入分层采样策略迭代选择最具过程代表性的无标记样本进行人工标记。在主动学习框架下,标记数据集在每次迭代中都被显着扩展,而后用于集成高斯过程回归模型训练。通过对青霉素发酵过程的仿真实验,证明所提方法在保持较高预测精度的同时,可以大幅降低人工标记的成本。
郑蓉建[3]（2020）在《谷氨酸发酵过程的软测量建模研究》文中进行了进一步梳理生物产业（含发酵食品、发酵化学品、发酵医药品、发酵能源等）是国民经济的支柱产业,广泛应用于食品、饲料、医药和化工等领域。谷氨酸是世界上产量最大的氨基酸,主要通过发酵生产。在发酵过程中,重要生化参数（如菌体浓度、基质浓度、产物浓度等）的实时获取,对于过程的控制与优化具有十分重要的意义。然而发酵过程具有强烈非线性、时变性、强耦合等特征,关键生化参数无法在线检测,目前生产中大都采用实验室取样分析方法来得到。为此,软测量技术通过建立过程在线易测辅助变量与难测主导变量（重要生化参数）之间的数学模型,来实现对发酵过程重要生化参数的预测估计,是解决上述问题的有效途径。在过去几十年里,软测量技术已经成为过程控制领域的研究热点,并在工业过程中得到广泛应用。本课题来源于国家自然科学基金面上项目（项目编号61273131）“生物反应过程的在线支持向量机建模与优化”,以典型生化过程——谷氨酸发酵过程为研究背景,结合谷氨酸发酵过程的实际生产操作机理,对谷氨酸发酵过程中难于在线测量的关键生化参数的软测量建模及相关问题进行了深入研究,取得的研究成果如下:（1）针对谷氨酸发酵过程关键生化参数无法在线检测给发酵优化控制带来困难问题,建立了改进遗传算法对模型参数进行辨识的谷氨酸分批流加非结构动力学模型。在发酵过程常用的Logistic模型、Luedeking-Piret等方程基础上建立了谷氨酸分批流加非结构动力学模型,分别采用非线性规划、基本遗传算法、改进遗传算法对模型参数进行辨识,并对不能在线测量的重要生化参数如菌体浓度、基质浓度和产物谷氨酸浓度进行拟合和估计预测,谷氨酸发酵实验和仿真结果验证了所建动力学模型的有效性。（2）针对高度非线性、时变性的谷氨酸发酵过程动力学模型存在批次性、预测精度差、机理建模困难问题,基于生化过程多阶段特性,提出多阶段支持向量机回归的数据驱动软测量模型、并应用于谷氨酸发酵过程产物浓度的预测。为此,首先建立了基于移动窗的皮尔逊相关系数结合线性回归的发酵过程阶段分割方法,分割结果与常规离线化验分析结果基本一致;其次,基于阶段划分的基础上建立多阶段支持向量机回归的产物谷氨酸浓度预测软测量模型。实验和仿真结果表明,多阶段模型相比全局单模型具有更高的预测能力。（3）针对支持向量机回归模型运算时间过长、谷氨酸发酵过程影响因素存在耦合等问题,在分析最小二乘支持向量机理论基础上,建立了偏最小二乘和最小二乘支持向量机相结合的谷氨酸发酵过程软测量模型。首先通过相关系数矩阵对输入变量进行相关性分析,表明变量间存在较强相关性;进一步采用方差膨胀因子对变量的多重共线性进行诊断,结果表明变量间存在中等程度共线性,需要对输入相关变量进行筛选。为此,利用偏最小二乘找出对预测模型输出变量重要的输入变量,降低预测模型输入变量维数、消除相关性、简化模型,以提高预测模型的精度。进一步,运用耦合模拟退火算法对最小二乘支持向量机的参数进行优化,谷氨酸发酵实验仿真结果表明,所建模型预测精度高,可为谷氨酸发酵过程操作及时调整及优化控制提供有效指导。（4）针对支持向量机回归和最小二乘支持向量机等参数化回归软测量建模存在过拟合、参数设置困难、不能刻画预测结果不确定问题,设计了一种基于特征关联性的输入变量选择、超参数自适应获取、输出具有概率特性的自相关决定高斯过程软测量模型,并应用于谷氨酸发酵过程。首先应用高斯过程回归模型进行训练,同时在贝叶斯框架下,确定协方差函数中的超参数,利用训练好的高斯过程回归模型进行预测。其次,分析了谷氨酸浓度对发酵参数的感度发现,发酵时间、CO2释放速率CER、O2消耗速率OUR对谷氨酸浓度影响最大。进一步,分析了预测值的不确定性即方差和模型输入在线变量之间变化关系,当发酵罐温度T、CO2释放速率CER、O2消耗速率OUR异常变化时,发现预测值的方差随之发生明显变化,可利用预测值的方差异常变化作为发酵过程状态或传感器异常的指示器。谷氨酸发酵实验和仿真研究表明,所建基于特征关联性的自相关决定高斯过程回归的软测量模型可以实现对谷氨酸浓度的较高精度预测,且预测结果具有较小的置信度区间,满足发酵过程实时控制需要。（5）谷氨酸发酵过程是一个复杂的生化过程,在无法根据发酵过程复杂内部机理建立准确的动力学模型的条件下,要实现发酵过程的优化控制是一个具有挑战性的课题。基于对谷氨酸发酵过程机理分析和研究,运用软测量技术建立了难测参数的软测量模型,设计和优化了谷氨酸发酵过程溶氧控制,将所建软测量模型应用于谷氨酸发酵过程异常批次的识别,并基于罗克韦尔公司开发的RSLogix5000编程软件平台开发了一套谷氨酸发酵过程软测量建模及优化控制系统。通过实际应用表明,该系统能满足谷氨酸发酵过程的实际运行需求,提高了自动化水平,减轻操作人员的劳动强度。
刘存根[4]（2020）在《建筑木立柱攀爬机器人自适应跟踪控制方法研究》文中提出世界上现存木结构古建筑数量众多,且历史悠久,木结构内部不可避免存在虫蛀、腐朽等。如何对其进行健康检测已成为一个亟需解决的问题。针对目前已有检测方法存在检测精度低、操作复杂、损伤被测木结构以及难以实现三维成像等不足,结合CT（计算机断层扫描）成像技术,研制了一种建筑木立柱攀爬机器人。该机器人采用主副体环抱式+旋转机构的结构设计,兼具攀爬精度高、负载能力大和可靠性高的优点,可将CT扫描仪精准运送至木立柱需要扫描的位置进行CT扫描,进而完成木立柱内部结构三维图像重建,为木结构建筑健康检测提供新的技术手段。同时,以攀爬机器人精确攀爬和高可靠性等要求为控制目标,结合机器人系统本身的非线性特性,开展了非线性系统自适应控制方法研究。首先,针对机器人关节驱动电机存在的输入死区和饱和现象,结合模糊逻辑系统和funnel（漏斗）控制技术,研究了一种同时带有未知输入死区和饱和的自适应模糊funnel非线性控制方法,以提高机器人攀爬精度。其次,为确保机器人攀爬过程中的安全性,利用预设性能控制技术,提出了一种新的无限时间和有限时间动态预设性能自适应非线性跟踪控制方法。然后,考虑攀爬机器人控制信号的无线网络传输,基于事件触发控制技术,设计了一种新的事件触发自适应非线性跟踪控制器,以减少无线网络通信数据量。最后,以机器人负载变化等原因引起的虚拟控制系数未知问题为研究对象,鉴于实际应用中因虚拟控制系数变化范围过大引起的控制器异常问题,研制了一种带有未知输入非线性和虚拟控制系数的自适应非线性控制器。上述控制方法不仅完成了稳定性证明,而且分别针对通用非线性系统和攀爬机器人旋转体进行了应用测试。全文共七章,内容介绍如下:第一章:针对建筑木结构的健康检测需求,论述了研制木立柱CT扫描攀爬机器人的必要性,并概述了国内外攀爬机器人的发展现状。同时,针对攀爬机器人控制过程中需要解决的理论问题,综述了相关控制理论的研究现状。第二章:介绍所研制的木立柱CT扫描攀爬机器人的结构、控制系统设计以及需要解决的控制问题,为后续非线性控制方法不仅提供了研究对象,同时搭建了实际应用平台。第三章:研究带有未知输入非线性的自适应模糊funnel控制问题。提出了一种可同时逼近未知死区和饱和的光滑函数,并结合模糊逻辑系统和funnel控制,设计了一种同时带有未知输入死区与饱和的自适应模糊funnel控制器,解决了机器人驱动电机的控制输入死区与饱和问题,保证了机器人的攀爬精度。第四章:研究非线性系统自适应预设性能跟踪控制问题。提出了一种参数随跟踪误差变化而实时调整的动态性能函数,进而结合有限时间控制,设计了一种有限时间动态性能函数。然后,以带有零动态的严格反馈非线性系统为研究对象,研制了动态预设性能自适应跟踪控制器,确保了机器人攀爬的可靠性。第五章:研究基于事件触发的非线性自适应跟踪控制问题。针对虚拟控制系数不确定这一难题,在不使用Nussbaum（努斯鲍姆）增益技术、模糊逻辑或神经网络的前提下,提出了一种解决虚拟控制系数未知问题的新方法。而且,设计了改进的事件触发控制策略,并研制了一种新的事件触发自适应跟踪控制器,减少了无线网络通信的数据量。第六章:研究带有未知输入非线性和虚拟控制系数的自适应跟踪控制问题。将虚拟控制系数转换为已知函数加未知有界项的方式,结合第三章所提出可同时逼近输入死区和饱和的光滑函数,并利用Nussbaum增益技术和辅助变量,设计了一种新的自适应跟踪控制器,可适用于虚拟控制系数大范围变化的机器人系统。第七章:总结了本文的主要工作,并展望下一步的研究方向。
章智凯[5]（2020）在《输出受约束系统的改进自适应动态面控制》文中进行了进一步梳理任何实际控制系统出于物理器件局限性、性能和安全需要等因素考虑都不可避免地会受到各种约束条件的限制。如果系统运行过程中这些约束条件得不到满足,将可能导致系统性能下降甚至造成不稳定。另一方面,随着科学技术的飞速发展,控制领域研究对象日趋复杂,人们对控制品质要求也日益提高。在实际需求和理论挑战的驱动下,输出受约束系统的控制近年来受到广泛关注。动态面控制是在经典Backstepping方法的基础上发展起来的一种主流非线性控制设计方法。它具有Backstepping方法的优点而克服了其固有的“复杂性爆炸”缺陷,因此在理论和应用研究中都备受青睐。然而,基于现有动态面控制方法所设计控制器稳定性条件与系统的初始条件、参考输入都密切相关,控制器参数取值范围无法明确给出。另外,最终控制精度也依赖于设计参数取值因而无法事先指定。这些缺点使得控制器实现时设计参数选择尤为棘手,给设计者带来不便。基于现有动态面控制方法对输出受约束系统设计会使控制参数选择和系统调试难度进一步增大,且参数取值还会对初始输出可行区域大小产生影响。考虑上述背景,本论文提出一种改进的自适应动态面控制方法,并以此为基础,系统地对输出受约束的不确定下三角非线性系统控制进行研究,并将所提出的理论方法应用于考虑攻角约束的高超声速飞行器纵向控制设计。全文主要研究内容包括:1.提出了一种改进的自适应动态面控制方法克服现有动态面控制方法的局限性。这种改进方法在传统Backstepping方法的基础上,引入非线性自适应滤波器避免对虚拟控制律进行复杂的求导运算,同时结合带有平坦区域的Lyapunov函数进行稳定性分析。基于该方法所设计的控制器不但可以保证闭环系统所有信号一致最终有界和跟踪误差收敛到事先指定精度,而且稳定性条件也与系统的初始条件、参考输入无关,控制参数取值范围可以明确给出。因此,控制器实现时设计者只需从参数可行范围内自由取值以提高闭环系统动态性能。数值仿真结果进一步验证了所提方法的有效性。2.针对输出受时变非对称约束的不确定严格反馈系统跟踪控制问题,提出了基于时变非对称障碍Lyapunov函数的和基于非线性映射（Nonlinear Mapping,NM）的改进自适应动态面控制方案。所得控制器能在保证输出约束满足前提下使得系统输出以指定精度跟踪参考信号,且闭环系统所有信号一致最终有界。与已有结果相比,所提的两种控制方案都能将初始输出可行区域扩大为整个约束区间,放宽对初始条件要求,并且控制参数的取值范围可以明确给定。其中,基于NM的设计所得控制器结构简单,便于设计者使用。仿真研究进一步验证了所提约束控制方案的有效性。3.利用基于NM的改进自适应动态面控制方法研究了输出受约束的不确定纯反馈系统的跟踪控制。从解决非仿射特性带来困难的角度出发提出两种控制方案。一种是利用系统变换将非仿射系统转化为严格反馈系统,继而按照严格反馈系统的设计方法设计约束控制器。另一种是直接利用纯反馈系统本身结构,结合新型坐标变换进行设计。借鉴“最少学习参数”的思想,通过估计每一步设计中不确定参数的最大值而不是参数本身,既可以减少在线调节参数个数,又能一定程度避免过参数化问题。所得的控制器结构简单,计算量小,还克服了现有结果中常见的控制器循环结构问题以及基于逼近器方法的缺点。仿真研究进一步验证了所得理论结果正确性与有效性。4.将基于NM的改进自适应动态面控制方法拓展应用于解决状态不可测系统的输出约束控制问题。针对输出受约束的参数输出反馈系统,构造降阶K-滤波器估计不可测状态,在高频增益符号已知和未知两种情况下分别设计控制器,并给出了闭环系统严格的稳定性分析。所提输出反馈控制策略的整个设计过程只含ρ步（ρ为系统相对阶）,且只有第一步需要对不确定参数进行估计,因此显着地降低了控制设计的复杂程度,所得控制器的结构也十分简单。特别地,针对高频增益符号未知情形,结合Nussbaum增益技术设计,本文方法还可以避免Nussbaum函数自变量漂移问题。仿真结果验证了所提方法的有效性。5.研究了考虑攻角约束的高超声速飞行器纵向控制系统设计问题。将飞行器纵向运动模型拆分为速度子系统和高度子系统,并将攻角约束问题归结为高度子系统中姿态回路输出约束问题,采用攻角反馈实现对其直接控制。根据飞行任务给出速度指令和攻角指令,综合考虑不确定性等因素影响,对速度回路和姿态回路分别建立面向控制设计模型并设计相应的控制律,使得实际飞行速度和攻角分别跟踪各自指令从而完成既定飞行任务。其中,在姿态回路设计时采用基于NM的改进自适应动态面控制方法从理论上严格保证攻角约束满足。闭环仿真结果表明所设计控制器能达到满意的控制效果。
郭威[6]（2020）在《基于局部模型的软测量建模方法研究》文中研究表明随着生产技术水平的不断提升,工艺过程日渐复杂,过程数据也表现出时变性、非高斯性、多阶段性、不确定性等复杂特征,使得机理建模变得更加困难。因此,人们往往从系统的过程数据出发,借助于机器学习、数据挖掘以及统计分析等手段,采用局部建模方法,以多个局部模型实现对复杂系统的逼近,达到对关键性能指标实时估计的目的。这种建模方法,不仅能够将复杂模型简单化,而且还具有开发成本低、实时性高、易于调整和维护等优点,从而备受人们关注。本文在国家自然科学基金（项目编号:61873113）的资助下,以流程工业为研究对象,直接利用所获得的过程数据,在局部建模思想下,将部分过程信息与建模算法相结合,研究了复杂系统的软测量建模算法,其主要内容包括:针对过程数据不能完全覆盖系统的工况,提出一种变超参数递推高斯过程回归在线校正模型。该模型利用改进的共轭梯度算法,通过重置模型参数更新非线性映射关系,以适应函数空间非线性特征的变化,并在滚动窗口机制下,实现局部高斯过程回归建模。通过数值案例和青霉素发酵仿真平台验证该模型的有效性。针对大范围工况系统中数据分布呈现非高斯特性,提出一种基于局部近邻标准化的自适应多级偏最小二乘算法。该算法利用辅助变量的最大差异信息,将原始数据进行局部近邻标准化处理,使其满足单峰分布并建立相应的偏最小二乘模型。采用样本更新和块状更新策略,提升模型的自适应能力。通过模拟连续搅拌釜反应器和蒸馏塔异丙苯含量软测量模型验证算法的有效性。针对间歇过程的不同阶段数据分布存在重叠性问题,提出了基于稳定状态分析的循环神经网络（SSID RNN）算法与时间信息内嵌的高斯混合模型（TFGMM）算法。在SSID RNN算法中,通过稳态区间表征不同的过程阶段,利用方差信息对稳态阶段进行辨识,建立相应的局部循环神经网络模型,并借助循环神经网络的记忆单元建立阶段间的联系。在TFGMM中,利用间歇过程的时序特性,改变重叠区域样本的后验概率,进而改善混合模型中的未知参数估计的准确性。通过数值仿真和青霉素发酵过程验证算法的有效性。针对过程输入数据易受噪声干扰问题,提出一种有限EM迭代的子空间辨识算法,该算法借助卡尔曼滤波的动态局部最优估计思想,将传统数据驱动模型拓展至系统矩阵未知的状态空间描述中,以减少随机输入噪声对预测模型的影响。通过EM算法改善最小二乘框架下子空间辨识结果的有偏性。利用输出噪声方差估计,给出了有限EM迭代终止条件,获得预测模型的系统矩阵。通过数值仿真和TE过程验证算法的有效性。
陈鑫[7]（2019）在《马尔可夫跳变系统参数辨识方法研究》文中认为控制工程实践中,由于实际被控对象本身的复杂性和外界环境的影响,被控对象的过程特性一般存在一定的非线性。对于带有多模型切换特性的一类非线性过程,可以采用马尔可夫跳变系统进行建模。另一方面,在工业过程中时常面临信息缺失的情况,部分信息难以获取。当系统的部分信息缺失时,需要根据可测数据对缺失信息进行推断,从而完成对整个系统模型的辨识和估计。本文在前人工作的基础之上,对部分变量或者数据信息缺失或不可测时马尔可夫跳变系统的建模与参数辨识领域中的一些问题进行了研究。主要研究内容包括:（1）针对带有未知延迟的马尔可夫跳变系统的离线参数估计问题进行了研究。马尔可夫跳变系统是一种特殊的混杂系统,其中连续动态和离散模态共存,而离散模态的演化满足马尔可夫性。未知延迟是工业过程经常会出现的实际问题,影响系统模型的辨识精度。在系统参数辨识过程中,需要对延迟进行考虑。本文将随机模态和未知延迟一同视为系统信息缺失的问题,并使用ARX模型对马尔可夫跳变系统的连续动态进行建模,采用期望最大化算法、变分贝叶斯推断方法对带有未知延迟的马尔可夫跳变系统参数辨识问题进行了研究,分别得到系统参数的点估计和后验分布。随后,采用数值仿真和连续发酵反应器过程例子对算法的有效性进行了验证。（2）采用递推期望最大化算法对带有未知延迟的马尔可夫跳变ARX系统的在线辨识问题进行了研究。传统的期望最大化算法是一种迭代算法,以批处理的方式对存在信息缺失的系统进行参数估计。虽然传统期望最大化算法可以解决部分信息缺失的问题,但是对于在线估计问题却难以处理。递推期望最大化算法弥补了传统期望最大化算法在在线应用方面的不足,以递推充分统计量的方式,实现了参数的在线更新。在本文中,针对马尔可夫跳变ARX系统中的未知延迟问题,以递推Q-函数为媒介,完成了充分统计量递推更新方程的推导,实现了参数和模态转移概率的在线更新。文中采用数值仿真和连续发酵反应器过程对算法特性进行了验证。（3）针对带有异常检测数据的马尔可夫跳变ARX系统参数估计问题进行了研究。异常检测数据是实际工业过程中经常出现的现象,本文针对检测数据随机缺失和界外点这两种类型的检测数据异常情况,采用变分贝叶斯推断的方法进行了处理。对于检测数据随机缺失的情况,采用期望进行替代,最终得到参数的后验分布。对于界外点,采用学生t分布对检测噪声进行描述,得到针对马尔可夫跳变ARX系统的鲁棒变分贝叶斯推断方法。最终,采用数值仿真和连续发酵反应器过程验证了算法的有效性。综上所述,本文对于马尔可夫跳变ARX系统中的一些特定问题,如延迟、检测值缺失、界外点存在等条件下的辨识问题进行了研究,对于马尔可夫跳变ARX系统参数辨识的期望最大化算法、变分贝叶斯推断和递推期望最大化算法的构造进行了一定程度的探索。在正文中,将会对以上问题进行详细的分析,并对未来的工作作出展望。
胡茂博[8]（2020）在《基于极值搜索的厌氧消化过程优化控制研究》文中认为近年来,我国经济得到了飞速发展,但由于我国的能源构成依然以煤炭、石油等化石能源为主,且大量的有机废弃物未被合理利用,带来了日愈突出的能源短缺和环境污染等问题,这严重影响了我国的可持续发展。厌氧消化技术作为一种绿色、高效的有机废弃物处理技术,通过厌氧微生物将有机废弃物降解并产生绿色能源—氢气与甲烷,这可以节省数千吨的石油,有效改善现阶段的能源短缺和环境污染问题。针对现有厌氧消化工艺存在产气率低且不稳定等问题,本文重点研究产氢产甲烷厌氧消化工艺,并采用基于数据与先验知识融合的极值搜索算法进行优化控制的研究,具体工作如下:1)首先,针对现有厌氧消化模型过于简单且只考虑甲烷的生成,对能同时产生氢气与甲烷的厌氧消化过程进行数学建模。在研究厌氧消化过程以及不溶性有机废弃物产氢产甲烷厌氧消化工艺相关机理的基础上,采用物料质量守恒定理分别建立产氢气生物反应器BR1与产甲烷生物反应器BR2的数学模型,其中增加了乙酸、丙酸、丁酸等中间产物的转化过程,为达到较好的模型性能,对模型相关系数的取值进行研究分析。另外,Matlab/Sumlink的开环仿真实验与静态特性验证了该数学模型的可用性及产气率极值点的存在。2)其次,考虑到厌氧消化过程具有机理复杂、非线性程度高且其精确数学模型较难获取等特点,提出不利用模型信息、结构简单的极值搜索控制。首先,在研究卡尔曼滤波算法的基础上,设计一种能获得更为准确梯度估计值的梯度估计器,然后将其引入摄动极值搜索控制以加快收敛速度,同时摄动信号采用更为普遍的随机信号,并给出该控制算法的原理介绍及收敛性证明。最后,与摄动极值搜索控制的仿真对比验证了基于卡尔曼滤波的极值搜索控制的优势性。3)再次,为消除极值搜索控制中存在的稳态振荡并进一步提高控制性能,提出一种无稳态振荡的Netwon极值搜索控制。在该控制算法中,设计了幅值与极值估计误差成正比关系的随机摄动信号和能同时估计出梯度与Hessian信息的KF估计器,接下来对该控制算法的原理进行了介绍,并对摄动信号幅值的收敛性进行了证明分析。另外,仿真实验验证了该控制算法不仅可以加快收敛速度,还能消除稳态振荡这一不利因素。4)最后,针对干扰影响极值点变化的非线性系统优化问题,为增加控制算法的鲁棒性,提出一种自优化极值搜索控制。该控制算法采用优化层与控制层的分层结构,极值搜索控制器位于优化层,为控制层的自优化控制器提供准确的设定值,同时自优化控制器能迅速地对干扰进行处理,该控制算法将极值搜索的无模型与自优化的抗干扰等特性进行结合,能迅速有效地处理预期干扰与未建模干扰,对比仿真验证了该自优化极值搜索控制的有效性。
苏航[9]（2019）在《几类带有死区或执行器故障约束的非线性系统自适应模糊控制研究》文中进行了进一步梳理系统的控制性能不仅和被控对象本身有关,而且也会受到执行回路中执行器等部件物理特性的影响。执行器常常受到多种非线性特性约束,从而使得执行器的输入和输出间产生了较大的差距,如果未将这些执行器约束考虑在内,那么系统的稳定性及控制器的控制精度则会严重下滑。执行器约束通常是非线性的,同时会对控制器的设计产生一些难题。而且,执行器在运行过程中可能会发生故障,这些故障甚至会导致控制系统出现失稳现象。此外,被控对象也会受到外部工作环境和系统本身建模误差的影响,使得系统具有不确定性和非线性。因此,研究具有死区或者执行器故障的非线性系统的控制问题是具有理论和实际意义的。本文以模糊逻辑系统作为未知非线性函数的逼近器,结合backstepping技术、自适应控制和动态面技术等方法,解决了几类非线性系统的自适应模糊控制问题:（1）研究了带有模糊死区的不确定非线性系统的自适应模糊动态面控制问题。采用重心解模糊化方法,对死区模糊数值的斜率进行解模糊。首先,针对一类带有模糊死区、未建模动态和未知控制增益函数的单输入单输出严格反馈非线性系统,设计了有效的自适应模糊控制器。在控制器设计每一步中,构造模糊逻辑系统逼近辅助的中间控制信号。然后,研究了具有模糊死区的多输入多输出非线性系统的自适应模糊跟踪控制问题,并且设计了每阶子系统在死区斜率分别为确定数值和模糊数值两种情况下的控制器。对于两类系统,使用动态面控制技术,从而避免了对虚拟控制信号求导、多阶次求导及系统复杂性而引发的“计算爆炸”问题。所提控制方案不仅能够保证系统输出较好地跟踪给定的参考信号,而且能够确保闭环系统所有信号的有界性。（2）研究了带有输出死区的非线性系统的自适应模糊跟踪控制问题。首先,考虑了一类带有输出死区的纯反馈随机非线性系统的跟踪控制问题,运用均值定理,将所研究的非仿射系统转化成为仿射非线性系统。引入Nussbaum函数性质,构造辅助虚拟控制器,解决输出非线性的不确定性所带来的难题。结合backstepping技术,构建了针对此系统的有效的控制器。所提控制方案既能保证系统较好的跟踪性能,而且能够保证闭环系统的所有信号都是依概率有界的。然后,研究了一类带有输出死区的非严格反馈非线性系统的预设性能自适应控制问题,为保证系统的跟踪误差收敛到限定的区域范围内,设计性能函数,使得系统能够同时满足瞬态性能和稳态性能要求。所提控制方案既能够保证闭环系统所有信号的有界性,而且能够确保跟踪误差限制在预定范围中。（3）研究了一类带有执行器故障、未建模动态和不可测状态的严格反馈非线性系统的自适应模糊控制问题。执行器故障包含卡死故障和失效故障两种模型。引入输入-驱动滤波器,以解决系统状态不可测的问题。运用backstepping技术,综合小增益定理和输入-状态实用稳定理论,设计出有效的自适应模糊容错控制器。所提出的控制策略能够保证即使在有执行器故障发生的情况下,闭环系统也能够是输入-状态实用稳定的。（4）研究了非严格反馈非线性系统的自适应模糊容错控制问题。首先,针对带有执行器故障的非严格反馈随机非线性系统,设计自适应模糊容错控制器。在控制器设计的每一步中,构造模糊逻辑系统逼近辅助的虚拟控制信号。将理想加权向量的最大范数最为估计的参数,使得系统最终只产生一个自适应参数,从而使计算复杂性减小。通过仿真可以验证所提控制策略不仅对执行器故障和随机扰动具有鲁棒性,而且能够保证系统信号依概率有界。然后,研究了一类带有量化输入的非严格反馈非线性系统的自适应模糊容错控制问题。考虑非对称式迟滞类量化器,引入量化器输出的非线性分解策略,综合考虑执行器故障的影响,进而提出了针对更具一般性系统的有效的自适应控制策略。所提控制策略能够保证闭环系统得到较好的跟踪性能和所有信号的有界性。通过仿真对比了量化参数对于系统性能的影响,并验证了所提量化控制方法的有效性。
伍小龙[10]（2019）在《城市污水处理过程自组织滑模控制研究》文中进行了进一步梳理城市污水处理过程控制是保证出水水质达标、提高处理效率的重要手段,其基本思想是:通过及时获取运行过程数据,利用控制方法对风机、回流泵、加药泵等进行调节,达到期望的运行效果。然而,由于城市处理包含物理处理、生物处理和化学处理等过程,其过程控制面临巨大的挑战,主要体现在:1)影响城市污水处理过程状态的因素众多且相互影响,城市污水处理过程机理异常复杂,缺少精确的机理模型。2)城市污水处理过程变量难以实时检测,尤其是关键水质参数总磷（TP）、氨氮（NH4-N）等无法在线检测,缺少足够的运行状态信息。3)城市污水处理过程入水只能被动接受,入水流量、成份、污染物种类、有机物浓度等波动较大,是一个典型的多干扰非线性动态系统,且始终运行于非平稳状态。因此,如何精确识别城市污水处理过程状态,利用有效的过程控制方法实现过程变量的稳定精准控制,仍然是当前城市污水处理过程控制研究的热点和难点。针对上述城市污水处理过程控制面临的挑战,论文以城市污水处理出水水质稳定达标为目标,基于城市污水处理过程工艺和原理,解析过程生化反应机理,提取城市污水处理过程难在线检测的水质参数,建立了关键水质参数的智能检测模型,实现了实时在线检测出水TP、出水NH4-N等关键水质参数;分析典型控制过程及其工况特征,确定影响过程控制性能的因素,设计了具有强自适应能力和鲁棒性的自组织滑模控制器,实现了城市污水处理过程溶解氧、内回流等典型过程变量的稳定高精度控制;完成了污水处理过程检测、控制等技术的封装,研制出城市污水处理过程自组织滑模控制系统,并在实际污水处理厂进行测试应用。论文主要研究工作和创新点如下:（1）关键水质参数的智能检测模型设计针对出水TP、出水NH4-N等关键水质参数难以在线精确检测的问题,文中设计了一种基于自组织模糊神经网的关键水质参数智能检测模型。首先,通过最小二乘法提取关键水质参数的相关变量,确定智能检测模型的输入输出变量;其次,基于模型结构风险评价指标优化模型结构,同时更新模型的结构和参数,提高了智能检测模型的精度;最后,分析出智能检测模型的收敛条件,并给出了结构优化算法的收敛条件下参数选择的准则,确保模型的成功应用,实际应用结果显示所提出的智能检测模型具有较好的实时性和检测精度。（2）城市污水处理过程鲁棒滑模控制器设计针对城市污水处理过程存在严重的外部和内部扰动问题,论文提出了一种城市污水处理过程鲁棒滑模控制方法。首先,设计出外部鲁棒控制器,基于自适应趋近率完成滑模控制率的求解,实现了控制过程的快速收敛和外部干扰的抑制;其次,设计出内部鲁棒控制器,基于模糊神经网络完成内部干扰动态特征的提取,形成内部鲁棒控制率,确保内部干扰下系统的鲁棒性;最后,通过构造李雅普诺夫函数,完成了鲁棒滑模控制器的性能分析。典型非线性系统和城市污水处理过程硝态氮控制的应用效果表明,鲁棒滑模控制器不仅能够在内部和外部干扰作用下保持稳定的控制性能,而且具有收敛速度快的优势。（3）城市污水处理过程单变量自组织滑模控制器设计针对城市污水处理过程中存在严重的非线性和不确定性问题,论文提出了一种城市污水处理过程单变量自组织滑模控制器,实现了溶解氧浓度的精准控制。首先,利用控制器的跟踪误差和结构风险,设计控制器性能评价指标,并根据评价结果优化控制器结构,减轻自组织滑模抖振现象;其次,采用自适应投影算法对控制器的参数进行更新,提高控制响应速度;最后,在控制器固定结构和自适应结构阶段,分别分析了控制器的稳定性和收敛性,同时给出了自适应参数设置方法,以确保自组织滑模控制器的成功应用。典型非线性系统和城市污水处理过程溶解氧控制的应用效果表明,单变量自组织滑模控制器不仅能够保持平稳精准的跟踪控制性能,还在动态设定点跟踪控制时具有较快的控制响应。（4）城市污水处理过程多变量自组织滑模控制器设计针对城市污水处理全流程难以平稳运行的问题,论文提出了一种城市污水处理过程多变量自组织滑模控制器。首先,设计出一种适用于城市污水处理全流程的多变量自组织滑模控制器架构,包括:多输入多输出滑模控制、多输入多输出自组织模糊神经网络补偿控制、以及自适应策略;其次,基于控制率计算结构和系统输出信息,提出一种的自适应控制增益优化策略,通过调节控制器增益,平滑控制器的输出,解决了控制信号波动大引起的控制性能下降问题,确保控制器控制性能;最后,为了保证控制器的稳定性,给出了多变量自组织滑模控制器参数设计原则及执行步骤,确保控制器实际应用中的可操性。城市污水处理过程多变量控制的应用效果表明,该控制器不仅能同时稳定精准控制曝气、内回流等过程,而且控制器输出的控制信号连续平滑。（5）城市污水处理过程自组织滑模控制系统为了实现城市污水处理过程自组织滑模控制的验证与应用,论文研制出一套城市污水处理过程自组织滑模控制系统。首先,在控制系统架构方面,采用封装式可嵌入应用软硬件,其中包含数据采集模块、关键水质参数检测模块以及自组织滑模控制模块等,确保与其他控制系统的兼容,实现自组织滑模控制功能;其次,在控制系统操作方面,运用执行系统界面监控系统运行状态,设计信号读写端口,对控制模块进行初始设置和执行信号输入,实现对典型控制过程的任意控制变量的自动控制;最后,在城市污水处理厂中试平台中,运用城市污水处理过程曝气控制和出水总磷控制测试了系统的有效性。结果显示,系统运行良好、操作简便且能够根据实际需要实现预期的控制目标。
二、带有未知反应参数的一种发酵过程非线性自适应控制（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、带有未知反应参数的一种发酵过程非线性自适应控制（论文提纲范文）
（1）微生物代谢产物发酵过程建模研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 问题提出和研究意义 |
| 1.2 微生物代谢产物发酵过程建模研究概况 |
| 1.2.1 发酵过程工艺机理建模的现状 |
| 1.2.2 发酵过程混合模型辨识的现状 |
| 1.2.3 发酵过程基于数据驱动的软测量 |
| 1.3 微生物代谢产物发酵过程模型类别 |
| 1.3.1 发酵过程模型的分类 |
| 1.3.2 微生物发酵过程建模一般步骤 |
| 1.4 论文研究内容 |
| 第二章 代谢产物发酵过程动力学模型及稳定性分析 |
| 2.1 引言 |
| 2.2 发酵培养条件分析 |
| 2.2.1 微生物营养要素 |
| 2.2.2 微生物培养环境条件 |
| 2.2.3 培养环境优化技术 |
| 2.3 微生物发酵过程培养基及其优化 |
| 2.3.1 培养基的基本构成 |
| 2.3.2 培养基条件的优化 |
| 2.4 微生物发酵过程物料平衡分析 |
| 2.4.1 基本公式 |
| 2.4.2 微生物发酵过程生长和底物消耗动力学模型 |
| 2.4.3 微生物发酵过程比生长速率分析 |
| 2.5 发酵过程通用动力学模型 |
| 2.5.1 微生物生长、维持、死亡状态空间模型 |
| 2.5.2 丙酮酸发酵过程动力学模型 |
| 2.6 丙酮酸发酵过程模型稳定性分析 |
| 2.6.1 丙酮酸发酵过程动力学方程的平衡点 |
| 2.6.2 丙酮酸发酵动力学方程平衡点的稳定性 |
| 2.7 本章小结 |
| 第三章 基于Hammerstein模型的发酵过程参数辨识 |
| 3.1 引言 |
| 3.2 Hammerstein非线性输出误差模型描述 |
| 3.3 非线性输出误差模型参数辨识的梯度迭代算法 |
| 3.3.1 算法推导 |
| 3.3.2 仿真实验 |
| 3.4 辅助模型多新息随机梯度算法 |
| 3.4.1 辅助模型多新息随机梯度算法推导 |
| 3.4.2 仿真实验 |
| 3.5 青霉素发酵过程参数辨识 |
| 3.5.1 发酵过程的多模型结构 |
| 3.5.2 仿真实验 |
| 3.5.3 青霉素发酵工艺 |
| 3.5.4 青霉素发酵过程参数辨识 |
| 3.6 本章小结 |
| 第四章 基于多尺度小波支持向量机的发酵过程软测量研究 |
| 4.1 引言 |
| 4.2 小波核函数的基本原理 |
| 4.2.1 希尔伯特空间和小波框架 |
| 4.2.2 基于框架的核函数 |
| 4.2.3 小波函数分析 |
| 4.3 多尺度小波核函数 |
| 4.3.1 多分辨分析 |
| 4.3.2 小波函数和小波空间分析 |
| 4.4 多尺度小波核函数支持向量机 |
| 4.4.1 支持向量机 |
| 4.4.2 多尺度小波核函数的支持向量机 |
| 4.4.3 仿真实验及应用 |
| 4.5 小波支持向量机在谷氨酸软测量中的应用 |
| 4.5.1 谷氨酸工艺过程概述 |
| 4.5.2 实验材料与方法 |
| 4.5.3 训练数据的预处理 |
| 4.5.4 支持向量回归机的软测量建模 |
| 4.5.5 多尺度小波核函数的支持向量回归机软测量建模 |
| 4.6 本章小结 |
| 第五章 基于孪生支持向量机的发酵过程软测量研究 |
| 5.1 引言 |
| 5.2 特征加权孪生支持向量回归机 |
| 5.2.1 孪生支持向量回归机 |
| 5.2.2 位置特征和结构特征 |
| 5.2.3 特征加权孪生支持向量回归机 |
| 5.2.4 连续超松弛方法 |
| 5.3 谷氨酸发酵参数选择 |
| 5.3.1 数据的来源 |
| 5.3.2 输入输出变量的确定 |
| 5.4 谷氨酸发酵过程软测量建模 |
| 5.4.1 混合核函数 |
| 5.4.2 特征孪生支持向量回归机参数的自适应粒子群寻优 |
| 5.4.3 混合核函数的孪生支持向量机参数优化 |
| 5.4.4 特征加权孪生支持向量机的发酵过程建模 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文工作总结 |
| 6.2 研究展望 |
| 致谢 |
| 参考文献 |
| 作者在攻读博士学位期间发表的论文及其他成果 |
（2）基于多模型集成的软测量建模（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题背景及意义 |
| 1.2 软测量技术研究现状 |
| 1.2.1 软测量技术概述 |
| 1.2.2 软测量建模基本方法 |
| 1.2.3 工业过程基本特征及分析方法 |
| 1.3 基于多模型集成的软测量建模 |
| 1.3.1 集成学习方法介绍 |
| 1.3.2 基于多模型集成的软测量建模方法 |
| 1.4 论文的主要研究内容 |
| 第二章 基于阶段识别的多模型集成软测量建模 |
| 2.1 引言 |
| 2.2 最小二乘支持向量回归算法 |
| 2.3 高斯混合模型 |
| 2.4 基于阶段识别的集成LSSVR软测量建模方法 |
| 2.4.1 多向主元分析方法 |
| 2.4.2 模型参数优化 |
| 2.4.3 基于阶段识别的多模型集成框架 |
| 2.5 仿真研究 |
| 2.5.1 青霉素发酵过程 |
| 2.5.2 仿真结果 |
| 2.6 本章小结 |
| 第三章 一种在线更新策略下的自适应集成软测量建模 |
| 3.1 引言 |
| 3.2 偏最小二乘算法 |
| 3.3 自适应更新策略 |
| 3.3.1 局部加权标准化 |
| 3.3.2 基于滑动窗的自适应更新策略 |
| 3.4 在线更新策略下的自适应集成PLS软测量建模方法 |
| 3.5 仿真研究 |
| 3.5.1 硫回收过程 |
| 3.5.2 仿真结果 |
| 3.6 本章小结 |
| 第四章 基于分层采样主动学习的多模型集成软测量建模 |
| 4.1 引言 |
| 4.2 高斯过程回归建模方法 |
| 4.3 基于分层采样的主动学习方法 |
| 4.3.1 层次聚类算法 |
| 4.3.2 自适应采样策略 |
| 4.4 基于分层采样主动学习的集成GPR软测量建模方法 |
| 4.5 仿真研究 |
| 4.5.1 主动学习方法验证 |
| 4.5.2 仿真结果 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 工作总结 |
| 5.2 前景展望 |
| 致谢 |
| 参考文献 |
| 附录:作者在攻读硕士学位期间研究成果 |
（3）谷氨酸发酵过程的软测量建模研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外谷氨酸产业的发展现状 |
| 1.2.1 谷氨酸物化性质及发展历史 |
| 1.2.2 国内外谷氨酸产业现状 |
| 1.3 软测量技术 |
| 1.3.1 软测量建模概述 |
| 1.3.2 软测量建模步骤与内容 |
| 1.3.3 软测量建模方法 |
| 1.3.4 软测量技术应用 |
| 1.4 发酵过程软测量建模国内外研究现状 |
| 1.4.1 基于机理模型的发酵过程软测量 |
| 1.4.2 基于数据驱动的发酵过程软测量 |
| 1.4.3 混合模型软测量 |
| 1.5 主要研究内容和结构安排 |
| 第二章 谷氨酸发酵过程动力学建模 |
| 2.1 引言 |
| 2.2 发酵过程基础数学模型 |
| 2.2.1 发酵过程合成和和代谢分解反应 |
| 2.2.2 发酵过程典型数学模型 |
| 2.2.3 发酵过程比反应速率模型 |
| 2.3 谷氨酸发酵过程代谢(流)网络分析 |
| 2.3.1 材料与方法 |
| 2.3.2 发酵过程影响因素分析 |
| 2.3.3 代谢网络模型的简化、计算和求解 |
| 2.3.4 基于代谢网络结构模型的谷氨酸浓度预测 |
| 2.4 谷氨酸发酵分批流加非结构动力学建模 |
| 2.4.1 非线性规划确定非结构动力学模型参数 |
| 2.4.2 遗传算法确定非结构动力学模型参数 |
| 2.4.3 改进遗传算法确定非结构动力学模型参数 |
| 2.5 本章小结 |
| 第三章 基于多阶段支持向量机回归的谷氨酸发酵过程软测量 |
| 3.1 引言 |
| 3.2 支持向量机 |
| 3.2.1 支持向量机分类 |
| 3.2.2 支持向量机回归 |
| 3.3 多阶段分割算法 |
| 3.4 基于多阶段支持向量机回归的谷氨酸浓度软测量 |
| 3.5 结果与讨论 |
| 3.6 本章小结 |
| 第四章 基于偏最小二乘和最小二乘支持向量机的谷氨酸发酵过程软测量 |
| 4.1 引言 |
| 4.2 偏最小二乘 |
| 4.2.1 PLS原理与计算方法 |
| 4.2.2 模型提取成分的确定 |
| 4.3 最小二乘支持向量机 |
| 4.4 基于耦合模拟退火的最小二乘支持向量机软测量 |
| 4.4.1 模拟退火算法 |
| 4.4.2 耦合模拟退火算法 |
| 4.4.3 耦合模拟退火优化参数算法 |
| 4.4.4 基于CSA优化的LSSVM软测量预测算法 |
| 4.5 基于PLS-LSSVM的谷氨酸发酵过程软测量 |
| 4.5.1 PLS-LSSVM软测量预测模型实现流程 |
| 4.5.2 辅助变量选择 |
| 4.6 结果与讨论 |
| 4.6.1 模型性能评估指标 |
| 4.6.2 PLS与 LSSVM模型比较 |
| 4.6.3 SVM和 LSSVM预测模型比较 |
| 4.6.4 PLS-LSSVM简化模型性能分析 |
| 4.7 本章小结 |
| 第五章 基于高斯过程的谷氨酸发酵过程软测量 |
| 5.1 引言 |
| 5.2 高斯过程模型 |
| 5.2.1 无参预测 |
| 5.2.2 高斯过程回归 |
| 5.2.3 协方差函数 |
| 5.2.4 高斯过程的模型选择 |
| 5.2.5 高斯过程稀疏化 |
| 5.3 基于PLS-GP的谷氨酸发酵过程软测量 |
| 5.3.1 基于PLS-GP的软测量模型架构 |
| 5.3.2 训练数据的准备 |
| 5.3.3 输入变量选择 |
| 5.3.4 协方差函数的确定 |
| 5.3.5 结果和讨论 |
| 5.4 基于预测方差的谷氨酸发酵过程异常状态分析 |
| 5.4.1 基于预测方差的自主动高斯过程模型 |
| 5.4.2 基于预测方差的谷氨酸发酵过程异常状态分析 |
| 5.5 基于自相关决定高斯过程的谷氨酸发酵软测量 |
| 5.5.1 基于特征关联性的自相关决定变量选择 |
| 5.5.2 结果和讨论 |
| 5.6 本章小结 |
| 第六章 谷氨酸发酵过程软测量建模及优化控制系统的开发 |
| 6.1 引言 |
| 6.2 谷氨酸发酵过程软测量实施系统软件构架 |
| 6.3 谷氨酸发酵过程计算机控制系统 |
| 6.3.1 溶解氧控制 |
| 6.3.2 温度控制 |
| 6.3.3 pH值控制 |
| 6.3.4 压力的控制 |
| 6.3.5 泡沫的控制 |
| 6.4 谷氨酸发酵过程溶解氧的优化控制 |
| 6.4.1 材料与方法 |
| 6.4.2 DO控制算法 |
| 6.4.3 结果和讨论 |
| 6.5 监控系统设计 |
| 6.6 Matlab与 RSView32 通信的实现 |
| 6.7 软测量应用实例——谷氨酸发酵过程异常批次识别 |
| 6.8 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 致谢 |
| 参考文献 |
| 附录:作者在攻读博士学位期间的成果 |
（4）建筑木立柱攀爬机器人自适应跟踪控制方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 攀爬机器人国内外研究现状 |
| 1.2.1 夹持式攀爬机器人 |
| 1.2.2 环抱式攀爬机器人 |
| 1.2.3 手爪式攀爬机器人 |
| 1.3 所涉及非线性控制问题综述 |
| 1.3.1 输入死区/饱和非线性问题 |
| 1.3.2 预设性能控制 |
| 1.3.3 事件触发控制 |
| 1.3.4 非线性系统虚拟控制参数未知问题 |
| 1.4 本文的主要工作 |
| 第二章 建筑木立柱CT扫描攀爬机器人 |
| 2.1 引言 |
| 2.2 攀爬机器人结构及工作原理 |
| 2.2.1 机器人结构 |
| 2.2.2 机器人工作原理 |
| 2.3 机器人控制系统介绍 |
| 2.4 机器人控制问题 |
| 2.5 本章小结 |
| 第三章 带有未知输入死区和饱和的非线性系统自适应模糊funnel控制 |
| 3.1 引言 |
| 3.2 系统描述及预备知识 |
| 3.3 控制器设计及稳定性分析 |
| 3.4 仿真结果 |
| 3.4.1 通用非线性系统控制 |
| 3.4.2 攀爬机器人旋转体控制 |
| 3.5 本章小结 |
| 第四章 带零动态严格反馈非线性系统自适应动态预设性能跟踪控制 |
| 4.1 引言 |
| 4.2 系统描述与预备知识 |
| 4.3 控制器设计与稳定性分析 |
| 4.4 仿真例程 |
| 4.4.1 通用非线性系统控制 |
| 4.4.2 攀爬机器人旋转体控制 |
| 4.5 本章小结 |
| 第五章 带有未知虚拟控制系数的非线性系统事件触发自适应跟踪控制 |
| 5.1 引言 |
| 5.2 系统描述与知识预备 |
| 5.3 控制器设计与主要结果 |
| 5.4 仿真结果 |
| 5.4.1 通用非线性系统控制 |
| 5.4.2 攀爬机器人旋转体控制 |
| 5.5 本章小结 |
| 第六章 带未知输入非线性和虚拟控制系数的非线性系统自适应跟踪控制 |
| 6.1 引言 |
| 6.2 系统描述与预备知识 |
| 6.3 控制器设计与稳定性分析 |
| 6.4 仿真结果 |
| 6.4.1 通用非线性系统控制 |
| 6.4.2 攀爬机器人旋转体控制 |
| 6.5 本章小结 |
| 第七章 结论与展望 |
| 7.1 论文的主要结论与创新点 |
| 7.1.1 主要结论 |
| 7.1.2 创新点 |
| 7.2 后续研究工作展望 |
| 参考文献 |
| 后记 |
| 攻读博士学位期间所做的主要工作 |
（5）输出受约束系统的改进自适应动态面控制（论文提纲范文）
| 摘要 |
| Abstract |
| 主要符号表 |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 相关问题的研究现状 |
| 1.2.1 动态面控制方法研究概述 |
| 1.2.2 输出约束问题主要研究方法 |
| 1.2.3 考虑攻角约束的高超声速飞行器控制研究现状 |
| 1.3 现有结果局限性分析 |
| 1.4 本文的主要研究内容及结构安排 |
| 第2章 不确定非线性系统的改进自适应动态面控制 |
| 2.1 引言 |
| 2.2 问题描述 |
| 2.3 改进的自适应动态面控制 |
| 2.3.1 控制器设计 |
| 2.3.2 稳定性分析 |
| 2.4 仿真分析 |
| 2.4.1 数值算例 |
| 2.4.2 直流电机驱动单连杆机械臂系统 |
| 2.5 本章小结 |
| 第3章 输出受约束的严格反馈系统改进自适应动态面控制 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.3 基于BLF的改进自适应动态面控制 |
| 3.3.1 BLF基础 |
| 3.3.2 控制器设计 |
| 3.3.3 稳定性分析 |
| 3.4 基于NM的改进自适应动态面控制 |
| 3.4.1 约束变换 |
| 3.4.2 改进的自适应动态面控制设计 |
| 3.5 仿真分析 |
| 3.5.1 直流电机驱动单连杆机械臂系统 |
| 3.5.2 蔡氏电路系统 |
| 3.6 本章小结 |
| 第4章 输出受约束的纯反馈系统的改进自适应动态面控制 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.3 基于系统变换的改进自适应动态面控制 |
| 4.3.1 系统变换 |
| 4.3.2 控制器设计 |
| 4.3.3 稳定性分析 |
| 4.4 基于新型坐标变换的改进自适应动态面控制 |
| 4.5 仿真分析 |
| 4.5.1 一类受控Brusselator化学反应模型 |
| 4.5.2 输入非仿射纯反馈系统数值算例 |
| 4.5.3 一个欠驱动弱耦合力学系统 |
| 4.6 本章小结 |
| 第5章 输出受约束的输出反馈系统的改进自适应动态面控制 |
| 5.1 引言 |
| 5.2 问题描述 |
| 5.3 状态观测器设计 |
| 5.4 输出反馈控制器设计 |
| 5.4.1 高频控制增益符号已知情形 |
| 5.4.2 高频控制增益符号未知情形 |
| 5.5 仿真分析 |
| 5.5.1 数值算例 |
| 5.5.2 直流电机驱动单连杆机械臂系统 |
| 5.5.3 蔡氏电路系统 |
| 5.6 本章小结 |
| 第6章 考虑攻角约束的高超声速飞行器纵向控制系统设计 |
| 6.1 引言 |
| 6.2 高超声速飞行器模型与问题描述 |
| 6.2.1 高超声速飞行器纵向运动模型 |
| 6.2.2 设计目标与控制方案 |
| 6.3 指令信号设计 |
| 6.4 控制律设计 |
| 6.4.1 控制设计模型 |
| 6.4.2 速度与姿态跟踪控制器设计 |
| 6.4.3 稳定性分析 |
| 6.5 仿真分析 |
| 6.5.1 仿真条件 |
| 6.5.2 仿真结果 |
| 6.6 本章小结 |
| 结论 |
| 参考文献 |
| 附录A 第6章附录 |
| 攻读博士学位期间发表的学术论文 |
| 致谢 |
| 个人简历 |
（6）基于局部模型的软测量建模方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 软测量技术研究现状 |
| 1.2.1 线性模型 |
| 1.2.2 非线性模型 |
| 1.2.3 自适应模型 |
| 1.2.4 局部模型 |
| 1.3 问题描述 |
| 1.4 本文内容安排 |
| 第二章 局部递推高斯过程回归算法 |
| 2.1 引言 |
| 2.2 递推高斯过程回归 |
| 2.2.1 高斯过程回归 |
| 2.2.2 递推高斯过程回归 |
| 2.3 变超参数递推高斯过程回归算法 |
| 2.3.1 共轭梯度下降法 |
| 2.3.2 变超参数递推高斯过程回归算法 |
| 2.3.3 复杂度分析 |
| 2.4 算法验证 |
| 2.4.1 数值仿真 |
| 2.4.2 青霉素发酵过程 |
| 2.5 本章小结 |
| 第三章 局部近邻标准化自适应偏最小二乘算法 |
| 3.1 引言 |
| 3.2 隐变量回归模型 |
| 3.2.1 主成分回归 |
| 3.2.2 偏最小二乘回归 |
| 3.3 基于局部近邻标准化的自适应多级偏最小二乘算法 |
| 3.3.1 局部近邻标准化方法 |
| 3.3.2 基于局部近邻标准化的自适应多级偏最小二乘算法 |
| 3.3.3 算法分析 |
| 3.4 算法验证 |
| 3.4.1 CSTR模型 |
| 3.4.2 工业案例 |
| 3.5 本章小节 |
| 第四章 多阶段过程多模型建模算法 |
| 4.1 引言 |
| 4.2 多阶段过程建模机制 |
| 4.2.1 切换模型 |
| 4.2.2 混合模型 |
| 4.3 基于稳定状态分析的循环神经网络算法 |
| 4.3.1 稳定状态分析 |
| 4.3.2 循环神经网络 |
| 4.3.3 基于稳定状态分析的循环神经网络算法 |
| 4.3.4 算法验证 |
| 4.4 时间信息内嵌的高斯混合模型 |
| 4.4.1 间隔减半趋势划分模型 |
| 4.4.2 基于时间信息内嵌的高斯混合模型 |
| 4.4.3 等效性分析 |
| 4.4.4 算法验证 |
| 4.5 本章小结 |
| 第五章 有限EM迭代的子空间辨识算法 |
| 5.1 引言 |
| 5.2 概率隐变量模型 |
| 5.2.1 因子分析 |
| 5.2.2 概率主成分分析 |
| 5.3 有限EM迭代子空间辨识算法 |
| 5.3.1 子空间辨识算法 |
| 5.3.2 有限EM迭代子空间辨识算法 |
| 5.3.3 算法分析 |
| 5.4 算法验证 |
| 5.4.1 数值仿真 |
| 5.4.2 TE过程 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读博士期间的主要学术成果 |
（7）马尔可夫跳变系统参数辨识方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究目的与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 非概率模型描述下的辨识方法 |
| 1.2.2 概率模型描述的系统参数辨识方法 |
| 1.3 本文的主要研究内容 |
| 第二章 基于期望最大化算法的延迟马尔可夫跳变ARX系统离线参数辨识 |
| 2.1 引言 |
| 2.2 问题描述 |
| 2.3 基于期望最大化算法的辨识方法 |
| 2.3.1 期望最大化算法简介 |
| 2.3.2 期望最大化算法推导 |
| 2.3.3 隐藏变量后验期望 |
| 2.4 仿真实验 |
| 2.4.1 数值仿真实验 |
| 2.4.2 连续发酵反应器仿真实验 |
| 2.5 本章小结 |
| 第三章 基于变分贝叶斯推断的延迟马尔可夫跳变ARX系统离线参数辨识 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.3 基于变分贝叶斯推断的辨识算法推导 |
| 3.3.1 参数先验 |
| 3.3.2 变分贝叶斯推断原理 |
| 3.3.3 变分贝叶斯期望过程 |
| 3.3.4 变分贝叶斯最大化过程 |
| 3.3.5 延迟估计 |
| 3.4 仿真实验 |
| 3.4.1 数值仿真实验 |
| 3.4.2 连续发酵反应器仿真实验 |
| 3.5 本章小结 |
| 第四章 带有延迟的马尔可夫跳变ARX系统参数在线辨识 |
| 4.1 引言 |
| 4.2 递推期望最大化算法推导 |
| 4.2.1 从批次Q-函数到递推Q-函数 |
| 4.2.2 递推最大化过程 |
| 4.2.3 潜变量后验概率 |
| 4.2.4 延迟估计 |
| 4.3 仿真实验 |
| 4.3.1 数值仿真实验 |
| 4.3.2 连续发酵器仿真实验 |
| 4.4 本章小结 |
| 第五章 检测数据随机缺失条件下马尔可夫跳变ARX系统参数辨识 |
| 5.1 引言 |
| 5.2 问题描述 |
| 5.3 基于变分贝叶斯推断的辨识算法推导 |
| 5.3.1 变分贝叶斯推断算法原理 |
| 5.3.2 参数先验 |
| 5.3.3 变分贝叶斯期望过程 |
| 5.3.4 变分贝叶斯最大化过程 |
| 5.3.5 缺失检测值重构 |
| 5.4 仿真实验 |
| 5.4.1 数值仿真实验 |
| 5.4.2 连续发酵反应器仿真实验 |
| 5.5 本章小结 |
| 第六章 检测数据中存在界外点情况下马尔可夫跳变ARX系统参数鲁棒辨识 |
| 6.1 引言 |
| 6.2 学生t分布简介 |
| 6.3 基于变分贝叶斯推断的鲁棒辨识算法推导 |
| 6.3.1 参数先验 |
| 6.3.2 变分贝叶斯推断方法的原理 |
| 6.3.3 变分贝叶斯期望过程 |
| 6.3.4 变分贝叶斯最大化过程 |
| 6.4 数值仿真实验 |
| 6.5 本章小结 |
| 第七章 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 :作者在攻读博士学位期间发表的论文 |
（8）基于极值搜索的厌氧消化过程优化控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 厌氧消化技术的国内外研究现状 |
| 1.2.1 厌氧消化理论的研究现状 |
| 1.2.2 厌氧消化过程数学建模的研究现状 |
| 1.2.3 厌氧消化过程控制算法的研究现状 |
| 1.3 极值搜索控制的研究现状 |
| 1.4 本文研究思路及具体技术路线 |
| 1.5 论文的主要研究内容 |
| 2 产氢产甲烷厌氧消化过程模型建模及分析 |
| 2.1 厌氧消化过程描述 |
| 2.2 产氢产甲烷厌氧消化过程的数学模型 |
| 2.2.1 厌氧消化过程数学模型的建立 |
| 2.2.2 数学模型相关参数的选取 |
| 2.3 厌氧消化数学模型分析与仿真 |
| 2.4 本章小结 |
| 3 基于卡尔曼滤波的极值搜索控制研究 |
| 3.1 卡尔曼滤波梯度估计器设计 |
| 3.1.1 卡尔曼滤波算法原理介绍 |
| 3.1.2 梯度估计器的设计 |
| 3.1.3 数值仿真分析 |
| 3.2 基于卡尔曼滤波的极值搜索控制设计 |
| 3.2.1 相关问题描述 |
| 3.2.2 基于卡尔曼滤波极值搜索控制的基本原理 |
| 3.2.3 原理介绍与收敛性分析 |
| 3.3 产氢产甲烷厌氧消化过程的仿真分析 |
| 3.3.1 以氢气产率为优化目标的仿真结果 |
| 3.3.2 以总气体产率为优化目标的仿真结果 |
| 3.4 本章小结 |
| 4 无稳态振荡的Netwon极值搜索控制研究 |
| 4.1 摄动极值搜索控制产生稳态振荡的机理分析 |
| 4.2 无稳态振荡的Netwon极值搜索控制设计 |
| 4.2.1 无稳态振荡的Netwon极值搜索控制的基本原理 |
| 4.2.2 Netwon优化器的设计 |
| 4.2.3 卡尔曼滤波估计器的设计 |
| 4.2.4 随机摄动信号的设计 |
| 4.2.5 原理介绍 |
| 4.3 产氢产甲烷厌氧消化过程的仿真分析 |
| 4.3.1 以氢气产率为优化目标的仿真结果 |
| 4.3.2 以总气体产率为优化目标的仿真结果 |
| 4.4 本章小结 |
| 5 自优化极值搜索控制研究 |
| 5.1 相关问题描述 |
| 5.2 自优化控制研究 |
| 5.2.1 自优化控制的基本原理 |
| 5.2.2 选择矩阵H的计算 |
| 5.3 自优化极值搜索控制设计 |
| 5.3.1 自优化极值搜索控制器的结构组成 |
| 5.3.2 稳定性分析 |
| 5.4 产氢产甲烷厌氧消化过程的仿真分析 |
| 5.4.1 自优化极值搜索控制器设计 |
| 5.4.2 仿真结果分析 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 本文工作总结 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（9）几类带有死区或执行器故障约束的非线性系统自适应模糊控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 符号说明表 |
| 1 绪论 |
| 1.1 研究背景及选题意义 |
| 1.2 几种非线性系统控制方法 |
| 1.3 带有死区约束的非线性系统的研究现状 |
| 1.4 带有执行器故障约束的非线性系统的研究现状 |
| 1.5 本文主要研究内容和章节安排 |
| 2 带有模糊死区的非线性系统自适应模糊动态面控制 |
| 2.1 引言 |
| 2.2 带有模糊死区的不确定非线性系统自适应模糊动态面控制 |
| 2.3 带有模糊死区的多输入多输出非线性系统自适应模糊动态面控制 |
| 2.4 仿真研究 |
| 2.5 小结 |
| 3 带有输出死区的非线性系统自适应模糊跟踪控制 |
| 3.1 引言 |
| 3.2 带有输出死区的纯反馈随机非线性系统自适应模糊跟踪控制 |
| 3.3 带有输出死区的非线性系统自适应模糊预设性能控制 |
| 3.4 仿真研究 |
| 3.5 小结 |
| 4 基于小增益定理的严格反馈非线性系统自适应模糊容错控制 |
| 4.1 引言 |
| 4.2 预备知识和问题描述 |
| 4.3 自适应模糊控制器设计 |
| 4.4 仿真研究 |
| 4.5 小结 |
| 5 带有执行器故障的非严格反馈非线性系统自适应模糊控制 |
| 5.1 引言 |
| 5.2 非严格反馈随机非线性系统的自适应模糊容错控制 |
| 5.3 带有量化输入的非严格反馈非线性系统自适应模糊容错控制 |
| 5.4 仿真研究 |
| 5.5 小结 |
| 6 总结与展望 |
| 6.1 论文主要工作总结 |
| 6.2 研究工作展望 |
| 参考文献 |
| 作者简历 |
| 致谢 |
| 学位论文数据集 |
（10）城市污水处理过程自组织滑模控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究及研究意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.1.3 课题来源 |
| 1.2 城市污水处理过程控制研究现状 |
| 1.2.1 基于机理模型的城市污水处理过程控制研究现状 |
| 1.2.2 基于数据的城市污水处理控制研究现状 |
| 1.3 论文主要工作 |
| 1.4 论文内容安排 |
| 第2章 城市污水处理过程控制要素分析 |
| 2.1 引言 |
| 2.2 城市污水处理过程概述 |
| 2.2.1 城市污水处理过程机理分析 |
| 2.2.2 城市污水处理过程影响因素分析 |
| 2.3 城市污水处理过程控制架构 |
| 2.3.1 城市污水处理过程控制关键组成 |
| 2.3.2 城市污水处理过程控制主要流程 |
| 2.4 城市污水处理过程变量检测 |
| 2.4.1 城市污水处理过程关键水质变量检测 |
| 2.4.2 城市污水处理过程状态识别 |
| 2.5 城市污水处理过程典型过程控制 |
| 2.5.1 城市污水处理典型过程分析 |
| 2.5.2 城市污水处理过程控制目标分析 |
| 2.5.3 城市污水处理过程控制器设计原则 |
| 2.5.4 城市污水处理过程控制关键点分析 |
| 2.6 本章小结 |
| 第3章 城市污水处理过程关键水质参数检测 |
| 3.1 引言 |
| 3.2 城市污水处理过程关键水质参数特征变量分析 |
| 3.2.1 城市污水处理过程关键水质参数相关变量 |
| 3.2.2 城市污水处理过程关键水质参数特征变量选取 |
| 3.3 自组织模糊神经网络 |
| 3.3.1 模糊神经网络结构 |
| 3.3.2 结构自组织优化算法 |
| 3.4 基于自组织模糊神经网络的关键水质参数特征模型设计 |
| 3.4.1 关键水质参数特征模型结构 |
| 3.4.2 关键水质参数检测主要流程 |
| 3.4.3 模型特性分析 |
| 3.5 实验分析 |
| 3.5.1 出水NH4-N浓度在线检测 |
| 3.5.2 出水TP浓度在线检测 |
| 3.6 本章小结 |
| 第4章 城市污水处理过程鲁棒滑模控制器设计 |
| 4.1 引言 |
| 4.2 城市污水处理过程干扰分析 |
| 4.2.1 城市污水处理过程动态模型 |
| 4.2.2 外部扰动特征分析 |
| 4.2.3 内部扰动特征分析 |
| 4.3 外部鲁棒控制器设计 |
| 4.3.1 滑模控制自适应趋近率 |
| 4.3.2 滑模控制自适应控制增益 |
| 4.3.3 外部鲁棒控制率 |
| 4.3.4 外部鲁棒控制器特性分析 |
| 4.4 内部鲁棒控制器设计 |
| 4.4.1 基于模糊神经网络的内部扰动辨识器 |
| 4.4.2 内部鲁棒控制率 |
| 4.4.3 内部鲁棒控制器特性分析 |
| 4.5 实验分析 |
| 4.5.1 典型非线性控制系统仿真实验 |
| 4.5.2 典型城市污水处理过程控制实验 |
| 4.5.3 实验结果分析 |
| 4.6 本章小结 |
| 第5章 城市污水处理过程单变量自组织滑模控制器设计 |
| 5.1 引言 |
| 5.2 城市污水处理过程非线性特征分析 |
| 5.2.1 城市污水处理过程非线性特性描述 |
| 5.2.2 城市污水处理过程典型控制变量描述 |
| 5.3 自组织滑模控制器设计 |
| 5.3.1 自组织滑模控制器结构 |
| 5.3.2 控制器结构自组织算法 |
| 5.3.3 控制器参数自适应率 |
| 5.3.4 自组织滑模控制算法 |
| 5.4 自组织滑模控制器特性分析 |
| 5.5 实验结果与分析 |
| 5.5.1 典型非线性控制系统仿真实验 |
| 5.5.2 典型城市污水处理过程控制验证实验 |
| 5.5.3 结果分析 |
| 5.6 本章小结 |
| 第6章 城市污水处理过程多变量自组织滑模控制器设计 |
| 6.1 引言 |
| 6.2 城市污水处理过程运行过程分析 |
| 6.2.1 城市污水处理全流程分析 |
| 6.2.2 城市污水处理典型过程分析 |
| 6.3 城市污水处理过程多变量自组织滑模控制器 |
| 6.3.1 多变量控制原理 |
| 6.3.2 多变量控制器设计 |
| 6.3.3 多变量控制器性能分析 |
| 6.4 实验验证 |
| 6.4.1 实验环境设置 |
| 6.4.2 恒定设定值的跟踪控制 |
| 6.4.3 动态设定值的跟踪控制 |
| 6.4.4 实际城市污水处理厂过程控制验证实例 |
| 6.5 本章小结 |
| 第7章 城市污水处理过程自组织滑模控制系统设计 |
| 7.1 引言 |
| 7.2 城市污水处理过程自组织滑模控制系统架构 |
| 7.2.1 控制系统需求分析 |
| 7.2.2 控制系统总体设计 |
| 7.2.3 控制系统功能模块开发 |
| 7.3 城市污水处理过程自组织滑模控制系统 |
| 7.3.1 控制系统运行环境分析 |
| 7.3.2 控制设备的选择 |
| 7.3.3 控制系统界面设计与管理 |
| 7.3.4 控制系统实施操作 |
| 7.4 城市污水处理过程自组织滑模控制系统应用验证 |
| 7.5 本章小结 |
| 结论与展望 |
| 参考文献 |
| 攻读博士学位期间的成果 |
| 致谢 |
四、带有未知反应参数的一种发酵过程非线性自适应控制（论文参考文献）
- [1]微生物代谢产物发酵过程建模研究[D]. 张相胜. 江南大学, 2021
- [2]基于多模型集成的软测量建模[D]. 盛晓晨. 江南大学, 2021(01)
- [3]谷氨酸发酵过程的软测量建模研究[D]. 郑蓉建. 江南大学, 2020(01)
- [4]建筑木立柱攀爬机器人自适应跟踪控制方法研究[D]. 刘存根. 山东建筑大学, 2020(08)
- [5]输出受约束系统的改进自适应动态面控制[D]. 章智凯. 哈尔滨工业大学, 2020(01)
- [6]基于局部模型的软测量建模方法研究[D]. 郭威. 江苏大学, 2020(01)
- [7]马尔可夫跳变系统参数辨识方法研究[D]. 陈鑫. 江南大学, 2019(05)
- [8]基于极值搜索的厌氧消化过程优化控制研究[D]. 胡茂博. 南京理工大学, 2020(01)
- [9]几类带有死区或执行器故障约束的非线性系统自适应模糊控制研究[D]. 苏航. 山东科技大学, 2019(03)
- [10]城市污水处理过程自组织滑模控制研究[D]. 伍小龙. 北京工业大学, 2019