一、基于模糊遗传算法的工业过程控制参数优化研究（论文文献综述）
高雪佳[1]（2021）在《上肢康复机器人主动控制方法研究》文中研究说明偏瘫是脑卒中最常见的后遗症,若不及时进行康复治疗,易造成肌肉萎缩等问题,给患者日常生活带来极大不便。目前,临床采用人工辅助治疗方法,既造成医疗资源紧张,又无法衡量患者的主动参与度。本文以五自由度上肢康复机器人为研究对象,主要研究患者进行主动康复训练时,实现机器人末端实际运动轨迹准确跟踪期望轨迹,同时保持机器人与患者间具有良好柔顺性的控制方法,从而提高患者康复训练的有效性和安全性。本文主要研究内容如下:1)上肢康复机器人基础理论。采用D-H（Denavit-Hartenberg）法对机器人运动过程进行分析,描述机器人末端位姿与各关节角度之间的关系,通过理论计算与虚拟仿真对机器人末端运动信息进行对比分析;采用拉格朗日法描述机器人运动过程中每个关节力矩的变化,对机器人各关节位移和力矩之间的关系进行验证。2)康复机器人末端运动轨迹规划。首先根据人体各关节运动的极限位置角度确定了机器人极限位置角度,进而通过蒙特卡罗方法绘制了机器人的工作空间;通过对比适用于关节空间轨迹规划的两种方法,得出五次多项式插值更优的结论;在笛卡尔空间直接采用了常用的空间直线插值法进行仿真;仿真结果证明:机器人的运动轨迹连续且平滑,速度较慢,比较平稳,适合患者进行康复运动。3)康复机器人主动控制方法的优化。为了提高患者进行主动训练时,机器人末端轨迹的位置精度,改善与机器人之间的柔顺性,本文对阻抗控制方法进行了优化。模糊控制器寻找阻抗控制参数时,解决了传统寻优方式下耗时太大的缺点,但仍存在寻优控制精度低的问题。因此本文将模糊控制器中隶属度函数的模糊量和隶属度这两个变量作为遗传算法中待优化的参数,进行复制、交叉、变异操作,确定新的阻抗控制参数最优值。仿真结果表明:在对阻抗控制器进行寻优时,相比于模糊阻抗方法,遗传模糊阻抗方法精度更高,人机间柔顺性更好。最后分别采用遗传模糊阻抗和模糊阻抗两种控制方法,控制上肢康复机器人带动健康受试者进行肩部外展、肘部屈曲的单关节运动和肩部与肘部一起屈曲的多关节运动,根据各种传感器获得的运动信息,描绘出机器人末端运动轨迹。实验结果表明:采用遗传模糊阻抗控制方法的系统表现出更高的精度与良好的柔顺性。
孙盟[2]（2021）在《基于模糊自适应策略下的多电机同步控制优化》文中研究表明在目前科学发展繁盛期,对各种产品质量与产量的要求不断提高。多电机同步控制协调技术已经广泛应用于各种工业场合中,在包装机械行业中,针对产品的好坏,多电机同步控制协调技术起了决定性的作用。信封机是由多个部分模块组成的自动化机器,每个功能模块分别靠不同电机驱动,各个部分模块相互协调运动完成信封机的整体工作,本论文以优化信封机同步控制为目的,分析单台永磁同步电机速度控制系统并提出一种经过灾变遗传优化的模糊PID控制策略,提升单电机的响应速度与响应精度。为了进一步提升多电机同步控制性能,模拟信封机单元模块以四台永磁同步电机同步控制系统为对象,提出一种改进型偏差耦合速度补偿结构,具体研究成果主要包括以下内容:首先,对信封机工作状态进行分析,剖析永磁同步电机内部构造并转化成数学模型,按照数学模型研究控制方法,选择空间矢量脉宽调制技术达成电机速度控制目的,并且综合以上方法策略搭建永磁同步电机控制系统的Simuink仿真模型。分析常见的电机控制策略,将灾变遗传模糊PID控制方法,替换原始PID控制策略,针对原始模糊控制方法存在的不足,运用灾变遗传算法优化模糊控制器中的模糊规则,针对原始遗传算法面对非线性、复杂问题时具有陷入局部最优解、“早熟”等缺点,添加了灾变操作。并且通过仿真证明控制方法的可行性与有效性。针对现有的多电机同步控制方法进行结构分析,提出一种新型速度补偿器,用Simulink软件对各个同步控制策略进行仿真比较,验证改进型偏差耦合速度补偿器的可行性与优化性能。最后,将基于灾变遗传模糊PID的永磁同步电机按照改进型偏差耦合的同步控制连接方法搭建四电机并联仿真模型,仿真结果表明:各个电机间同步误差减小,更快达到速度同步,提升了信封机的同步控制性能。
郭博辉[3]（2021）在《鸡腿菇采摘机器人轨迹跟踪控制研究》文中研究表明传统鸡腿菇的采摘和加工主要靠人工劳作,其中不可食用的根部切削是整个加工流程最费时费力的一道流程,实现根部自动化切削是目前急需解决的关键问题,机器人的应用给解决这一问题提供了契机。因鸡腿菇自身较脆,采摘加工过程对机器人的核心-“控制器”要求较高;基于运动学位置误差控制对伺服驱动器要求较高,且机器人发生意外,不能及时做出响应,造成机器人损坏甚至对工作人员的生命安全产生威胁。基于动力学模型力矩误差控制,可以保证机器人关节高精度轨迹跟踪控制,同时也改善了机器人的动态特性,提高了误差收敛速度。本文在鸡腿菇采摘加工流程设计的基础上,对夹取机构的机器人展开基于动力学模型力矩误差控制研究,实现机器人高效、平稳、快速的抓取鸡腿菇。本文主要研究内容有:首先设计了整套鸡腿菇采摘加工的工艺流程。将整个采摘流程的机械系统分为采摘机构、传送机构、夹取机构、切削机构。通过对目前市面上主要机器人的应用分析决定利用SCARA机器人作为夹取机构的机器人。其次建立了夹取机构机器人的运动模型和动力学模型;利用机器人的D-H参数变换解出机器人的正运动学和逆运动学模型,求出机器人的雅可比矩阵实现机器人工作空间和任务空间的坐标转换;以拉格朗日法建立夹取机构的机器人动力学模型,对于机器人关节存在摩擦,利用线性函数逼近Stribeck摩擦模型。通过线性变换消去一些线性相关的动力学参数,求出了机器人动力学最小参数集。然后由于夹取机构的机器人动力学参数未知,采用理论辨识法对其动力学参数辨识。为了提高参数辨识精度,重点对辨识算法进行了优化改进,采用改进优化后的遗传算法替代传统最小二乘法。然后按照动力学参数辨识基本流程对夹取机构的机器人的参数辨识。最后通过实验验证了优化改进的遗传参数辨识的精度比最小二乘法高,可以替代最小二乘法作为参数辨识的算法,对抓取机构机器人轨迹跟踪控制提供了动力学模型。最后对夹取机构的机器人的轨迹跟踪控制展开研究。辨识的动力学参数无法与实际值完全相等,影响动力学模型精度的因素主要为建模时摩擦模型不精确和外界干扰。因此以计算力矩控制作为主控制器,然后对未建模（外界干扰和摩擦建模不精确）非线性部分采用模糊RBF神经网络自适应补偿控制策略。设计的模糊RBF神经网络是一个具有五层结构的Mamdani型,动态调整径向基函数的中心和宽度。利用模糊RBF神经网络逼近动力学未建模部分非线性部分进行反馈控制,引入滑模面抑制机器人抖动。仿真实验表明,采用了模糊RBF神经网络补偿控制策略比单纯的计算力矩控制降低了关节跟踪误差和时滞性。实现了机器人高精度轨迹跟踪控制和平面定位,为机器人抓取鸡腿菇提供了高效、平稳、快速的控制策略。
周恒[4]（2021）在《高能耗过程智能操作优化方法研究》文中进行了进一步梳理流程工业高能耗生产过程的操作优化,是其实现节能减排与提质增效的重要技术手段。然而,流程工业的复杂性导致高能耗生产过程操作优化面临诸多困难。例如,大型高炉炼铁高能耗过程中物理化学反应极其复杂,从布料到出铁存在大滞后,检测手段欠缺且工艺指标参数强耦合,这些特征严重制约着关键工艺质量指标建模预测与过程操作优化;在造纸制浆高能耗过程中多级磨浆产生的数据多源多采样率问题,给基于数据驱动的制浆过程实时操作优化带来了挑战;另外,流程工业中存在信息孤岛、管理分散、操作知识难以固化共享等难题,亟需研究构建工业云平台以实现高能耗生产过程操作优化知识的软件组件化与共享复用。针对以上问题,本文分别研究大型高炉炼铁高能耗过程关键工艺质量指标建模预测与过程操作优化方法、数据多源多采样率的造纸制浆高能耗过程操作优化方法,并研究构建工业云平台将这些高能耗过程操作优化方法以微服务的形式进行部署应用,为流程工业高能耗过程操作优化的知识分享探索新模式。具体研究工作和研究成果分为以下几个部分:1)针对高能耗工业过程建模预测难,以大型高炉炼铁过程铁水质量预报为研究对象,提出了基于滑动窗口的模糊神经网络方法。通过互信息方法选择与质量指标关系性最高的操作变量,并构建具有滑动窗口的T-S模糊神经网络用于建模,学习动态生产过程中铁水质量变化的特征。与传统基于机理建模的方法相比,该方法不用考虑高炉内部复杂的物理变化与化学反应,能够有效处理工况多变的炼铁过程铁水质量指标预测问题。2)针对高能耗工业过程操作优化难,以大型高炉炼铁过程多目标优化为研究对象,提出了基于进化算法与深度学习的多目标智能优化控制方法。首先通过门控循环神经网络描述过程变量与工艺指标间的映射关系,建立数据驱动的高炉铁水生产过程黑箱模型。其次在生产工况、质量守恒、操作限制等约束条件下,使用基于遗传算法的多目标优化算法对工艺指标和操作参数进行优化。通过将深度学习所建立的模型作为遗传算法适应度函数,实现高能耗过程建模优化一体化模型的构建。3)针对高能耗过程数据多源问题,以造纸工业多采样率过程作为研究对象,提出了基于智能协同优化框架的能耗优化模型。首先基于多采样率回归模型建立磨浆系统的多采样率模型,通过高采样率变量预测低采样率指标。然后基于所建立的多采样率回归模型,通过自适应种群遗传算法寻找最优的目标函数值以及所对应的输入参数。最终在不影响纸浆质量与产量的情况下,实现磨浆系统中高浓磨浆机能耗的优化。4)针对智能操作优化算法运行部署问题,以流程工业高能耗过程为研究对象,构建了基于工业互联网平台的智能操作优化微服务APP应用。首先在工厂搭建由多台服务器组成的本地云计算集群,其次通过Rancher和Harbor提供云平台服务,然后建立基于容器的流程工业互联网平台,最后将智能操作优化方法打包成容器镜像部署于工业互联网平台上,实现流程工业高能耗过程的智能操作优化。在文章的最后对本文的研究内容和研究结果进行了总结,并对未来高能耗工业过程的智能操作优化研究方向进行了展望。
郑蓉建[5]（2020）在《谷氨酸发酵过程的软测量建模研究》文中研究指明生物产业（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。
刘岩峰[6]（2020）在《多重不确定性需求下装备制造企业多品种生产计划方法研究》文中进行了进一步梳理企业战略目标的实现依赖于对战略指导下的生产经营活动的计划及实施。生产系统运行管理的首要职能就是对系统生产活动的计划管理。企业生产计划又是企业的总体生产大纲,在实际应用中使用较为广泛的如企业资源计划ERP、制造执行系统MES等,都需要依据生产计划大纲才能转化为可具体执行的生产作业计划并加以实施和控制。作为制造业的核心,装备制造企业在国民经济和工业建设中的地位及其重要。伴随着工业革命持续推进,客户对产品的需求也逐渐定制化、多样化,使得生产变得复杂化、分散化,装备制造企业开始转向多品种小批量生产,装备产品生产越来越柔性。产品生产的发展特征也逐渐表现出个性化、多样化。与此同时,也使装备制造企业多品种生产计划面临着客户需求多样个性、动态多变和难以预见的新挑战。但通过对覆盖了7个大类装备制造业137个企业进行访谈和问卷调查表明:相对于最终消费品制造企业而言,装备制造企业由于其产品知识密集,产品比较专业化和复杂化,设计制造上顾客参与度低以及需求变更、修改订单等原因,生产计划制定仍然面临着诸多的不确定性需求问题。当前企业都面临着市场需求的多样化、定制化和持续多变的环境问题。为了能够快速应对外部需求不断变化,如何制定计划是企业组织生产活动和生产过程的永恒主题。因此,迄今已有众多关于生产计划方法方面的研究成果,但这些方法主要是针对确定性需求或是需求数量不确定、需求数量-期限不确定情形下的生产计划制定,生产实际中大多还是基于经验或数学方法,并通过反复实验或称“试错法”来制定生产计划。面对客户需求品种、质量、数量、期限上的多重不确定性,如何描述客户需求的多重不确定性以及多重不确定性需求之间的关系?如何将这些多重不确定性需求关系及其需求共性反映到生产计划制定之中?又如何建立多重不确定性需求下多品种生产计划模型?这是生产计划管理理论和实践上亟待破解的难题。本文围绕装备制造企业多品种生产中,面临多重不确定性需求下迫切需要解决的生产计划方法问题开展研究,研究完成的主要工作有以下四个方面:（1）对多重不确定性需求以及装备制造企业多重不确定性需求概念进行了界定。首先,对不确定基本概念与相关理论基础进行了分析,主要从单重不确定性研究扩展到多重不确定研究,从常用的随机性和模糊性,也拓展到了粗糙性。然后,分别根据研究对象的不同和对象属性不同的特点进行了分类和划分,以及对相关文献的梳理,从而界定了多重不确定性和多重不确定性需求的概念。最后,通过对现实中的装备制造企业的需求问题进行了提炼和归纳,给出了装备制造企业多重不确定性需求的概念界定。（2）分析了制造企业多重不确定性需求以及它们相互之间的关系,并提出了生产计划应对的生产策略。首先,分别对生产计划制定的不确定性的品种、数量、质量、交货期等需求要素分析。其次,按照制造企业客户需求的影响过程,逐一明确各种需求之间的关系及相互影响,从而建立制造企业客户多重不确定性需求之间的关系模型。再次,采用动态情景分析描述装备制造企业多重不确定性需求的作用关系,提出了多重不确定性需求的各情景下的生产计划应对策略。最后,采用动态随机规划方法建立了多重不确定性需求下生产计划动态规划模型;并针对装备制造企业的实际问题,采用了不同的生产计划安排策略,包括先来先服务、短作业优先、需求时间优先以及最小转换成本策略等,并采用了算例模拟对比分析。研究表明:品种、数量、交货期、质量等需求要素存在着不确定性并且是相关影响的,算例结果证明该模型有效且有实用价值。（3）根据装备制造企业的订单变动和紧急订货情景,建立了多重不确定性需求下装备制造企业多品种生产计划模型。首先,对装备制造企业订单变动和紧急订货情景下产生的品种、数量、交货期和质量的需求变化进行分析。其次,根据满足客户需求、生产计划成本最小、产品生产周期最短、利润最大化四个生产目标,建立了具有多重不确定性的装备制造企业多目标生产计划模型。再次,在该模型中,不仅考虑了各种生产约束条件,还采用数学表达方式描述模糊不确定性数量需求,模糊不确定性交货期、由于客户和企业的认知不同产生的粗糙不确定性质量,以及在一定范围内波动的模糊价格需求等。最后,模型算例模拟求解采用了带精英策略的快速非支配排序遗传算法（NSGA-II）算法,结果表明该模型的有效性和可行性;同时将运算结果对比了带罚函数的粒子群算法求解该模型的模拟运算结果,对比结果表明NSGA-II算法求解本模型更适用。（4）构建了多重不确定性需求下装备制造企业多品种相似性生产计划模型。首先,针对装备制造企业分析了客户的离散随机的品种需求、模糊的交货期需求、随机的数量需求、模糊的质量需求。其次,对装备制造企业的产品和组件的相似性分析,建立了产品或组件的相似性计算模型。再次,针对产品或组件的相似性距离和多重不确定性需求的相似性,建立了基于FCM（模糊C-均值模糊聚类）的聚类模型。然后,根据聚类模型建立了相似生产计划模型,并利用多层编码遗传算法求解。最后,对比了SAGA（基于遗传模拟退火算法的聚类算法）的聚类分析,结果表明:SAGA聚类算法比FCM算法求解该聚类模型优越性更明显;对各模型进行模拟求解验证了模型的可行性和实用性。
马浩兴[7]（2020）在《吊装起重施工平台同步顶升系统控制技术研究》文中提出随着工业化建筑的迅猛发展,装配式建筑的施工现状对工业化建筑的配套设施的发展提出了更多的需求。目前装配式建筑施工装备尚未突破,仍在使用传统装备施工。因此研发设计专门用于装配式建筑施工的装备成为了亟待解决的问题。吊装起重施工平台的同步顶升液压系统作为装配式建筑专用装备中重要的一部分,其同步的可靠性和精确性直接影响着施工作业的安全,具有重要的研究意义。主要研究内容与结论如下:（1）通过对同步顶升液压系统工作过程和工作原理进行的分析,应用液压仿真软件AMESim建立了同步顶升液压系统的仿真模型,分析了液压系统的运行原理。（2）通过对同步顶升液压系统的深入分析,建立了系统的数学模型,得到了系统的传递函数,并对同步顶升液压系统的稳定性进行了研究。（3）针对同步顶升液压系统在同步误差控制上的问题,提出了一种基于多种群遗传算法优化的模糊PID控制器。使用Matlab/Simulink在标准PID控制器、模糊PID控制器、多种群遗传算法优化的模糊PID控制器的控制下对同步顶升系统进行仿真,通过仿真结果对比各控制器的控制效果。（4）将AMESim中搭建的液压同步顶升系统和Matlab/Simulink中搭建的多种群遗传算法优化的模糊PID控制器进行联合仿真,仿真结果表明,同步顶升液压控制系统在多种群遗传算法优化的模糊PID控制器的控制下具有良好的同步性能,具有很好的实用价值。
牛晓燕[8]（2020）在《复合电源混合动力汽车能量优化控制策略研究》文中研究说明混合动力汽车兼顾纯电动汽车节能和环保的特点,又继承了传统燃油汽车续驶里程长的优点,是目前新能源汽车行之有效的方案之一。本文以某并联混合动力汽车为研发背景,构建了混合动力汽车动力系统模型,研究了基于粒子群优化（particle swarm optimization,PSO）粒子滤波（particle filter,PF）的蓄电池荷电状态（state of charge,SOC）估计方法,设计了基于小波分解的复合电源功率分流控制策略,提出了整车能量管理转矩分配控制策略并进行了仿真验证。研发了基于TMS320F2812主控芯片的混合动力汽车整车控制器,提出了利用遗传算法对模糊规则进行优化的电机转速控制策略并进行了半实物仿真验证。依据混合动力汽车动力性能要求,进行了发动机、电机及储能部件的匹配计算及选型,建立了并联混合动力汽车的仿真模型,包括发动机模型、驱动电机模型、储能部件模型、传动系模型以及整车行驶动力学模型等,设计了由动力蓄电池、超级电容和DC-DC功率转换器构成混合动力汽车复合电源系统。为监测蓄电池的SOC,设计了带遗忘因子的递推最小二乘法对蓄电池Thevenin等效电路模型中的未知参数进行了参数辨识,在考虑电池充放电过程中充放电倍数、温度和循环次数等参数的基础上,设计了基于PF的实时蓄电池SOC估计算法。为进一步精确估计SOC,提出了基于PSO算法优化的PF估计蓄电池SOC方法,有效解决了SOC实时估计过程中滤波噪声不确定的问题,实现了蓄电池实时SOC状态的精确估计。为提升整车的性能和延长蓄电池使用寿命,设计了复合电源系统的功率分流控制策略。分别设计了基于逻辑门限值滤波的功率分流控制策略和以信号级联与重构为基础的基于小波变换的功率分流控制策略,实现对蓄电池和超级电容需求功率的分流控制。使用ADVISOR软件仿真对分流策略进行了验证,所设计的功率分流策略可以有效降低蓄电池的需求功率,有利于延长蓄电池使用寿命。在复合电源功率分流控制的基础上,建立了以发动机作为主动力源,电机补充发动机转矩为核心的电机辅助控制策略;设计了基于发动机最佳转矩曲线的T-S模糊转矩分配控制器,保证发动机尽量工作于高效区并维持蓄电池充放电平衡;提出了基于PSO优化的模糊转矩分配控制策略并与小波功率分流策略构成了整车联合控制策略,优化后的联合控制策略进一步提升了发动机工作效率。以数字信号处理器TMS320F2812作为主控芯片,完成了混合动力汽车电子控制系统的开发,经电池管理系统测试和电机调速测试,验证了电子控制系统有效性。为快速响应混合动力汽车发动机和电机的能量分配控制策略,建立了无刷直流电机（brushless DC motor,BLDCM）的数学模型,设计了BLDCM模糊转速控制器,并使用遗传优化算法对模糊规则进行了优化,利用d SPACE快速原型实验平台进行了模糊规则优化验证,验证结果表明设计的转速控制器转速跟随性能显着提升。
姜光[9]（2020）在《商用车柴油机空气系统性能参数优化及控制研究》文中提出在先进柴油机开发中,空气系统对柴油机性能的综合提高起着至关重要的作用。本文以一款带有废气再循环（EGR）系统与可变几何截面涡轮增压（VGT）系统的商用车柴油机为研究对象,对其空气系统开展了性能参数优化与控制策略开发研究。研究工作对深入掌握柴油机空气系统特性及其控制理论、推进高效率国产商用车柴油机设计开发和提升国产柴油机整机性能,有一定的学术研究意义和工程应用意义。本文首先运用GT-Power搭建并验证了商用车柴油机工作过程仿真模型。结合GT-Power在发动机性能计算方面的优势和MATLAB/Simulink在数据传递与控制计算方面的优势,本文搭建了以GT-Power进行发动机性能仿真、以MATLAB/Simulink进行算法寻优的耦合平台。在此基础上,以最低燃油消耗率为目标,在满足排放要求的前提下,对EGR阀门开度与VGT叶片开度两个控制参数进行了单目标遗传算法优化。本文建立了面向控制的商用车柴油机空气系统三阶非线性模型,并采用多目标遗传算法对模型中的未知参数进行辨识。针对柴油机空气系统的非线性控制问题,本文将空气系统三阶非线性模型转化为准线性变参数状态空间方程形式,实现非线性到准线性转化的处理。本文以增压压力与进气流量的期望值为目标,以EGR阀门开度与VGT叶片开度为控制参数,采用基于模型的控制方法对柴油机空气系统进行多变量控制。运用模型预测控制算法,研究设计了算法中的预测模型、滚动优化目标函数与反馈校正环节。通过MATLAB/Simulink与GT-Power耦合平台仿真结果显示,本文设计的控制方案在柴油机中、低转速下可获得较好的控制效果。图49幅,表19个,参考文献118篇。
彭世通[10]（2020）在《发动机再制造系统能效提升及其宏观环境效益研究》文中研究说明制造业涉及面广,能耗总量巨大,大力推进制造业能效提升是工信部《工业绿色发展规划（2016～2020年）》中的重要议题。再制造作为一项资源节约、环境友好的战略新型制造模式,高度契合循环经济发展的理念,受到学术界、工业界以及政府组织的高度重视。当前,我国再制造产业发展势头方兴未艾,高能效运行是循环经济战略对再制造系统提出的新要求和新挑战。因此,开展再制造系统能效提升及其环境效益评估研究,可为高能效再制造生产实践提供基础理论与方法,具有重要的科研价值和现实意义。再制造系统以废旧零部件为毛坯,导致生产过程受诸多不确定因素的影响。其能耗形式兼具强动态不确定性、非线性时变和复杂多约束性,致使再制造系统能效提升的难度加大。为了切实可行地解决上述问题,提高再制造系统的能源使用效率,本文围绕发动机再制造系统不确定性、能效提升方法、能效提升的宏观环境效益,结合理论分析、建模仿真、优化算法设计、企业实地调研等方式展开研究工作。首先,探讨了发动机再制造系统不确定性内涵和类型,研究不确定性的数学描述和传递分析方法;然后,建立再制造系统多层次的能效优化模型,提出高精度、高稳定性和高适应性的预测和求解算法;最后,构建非线性环境评估模型,揭示再制造系统能效提升的宏观环境效益。本研究具有多学科、跨领域、综合性强的特点,具体研究内容包含如下几个方面:（1）研究了发动机再制造系统不确定性数学描述和分析方法。首先,阐述了发动机再制造系统的不确定性内涵、类型以及不确定规划模型。然后,在经典的图形评审技术（Graphical Evaluation and Review Technique,GERT）中引入随机性、模糊性和灰色不确定性参数,构建了含多元不确定性的GERT网络模型,并阐述了基于梅森拓扑方程、等价传递函数和矩母函数性质的模型目标参数解析方法。最后,将该网络模型应用于废旧发动机连杆修复的工艺过程描述,求解各个工艺路线分支概率、加工时间和能耗的范围。在利用Arena仿真验证模型准确性的基础上,研究引入快速检测技术和高效修复技术所产生的系统扰动和传递效应对完工时间和能耗的影响。该模型能够准确、快速计算不确定条件下再制造生产指标值。（2）提出了集成设备选择和参数优化的两阶段再制造设备能效优化方法。在第一阶段,针对再制造工艺设备多样性的问题,综合考虑设备能耗特性、经济性及技术性指标,分别采用能量足迹、生命周期成本、模糊综合评判理论度量各指标值,构建基于逼近理想解排序（Technique for Order Preference by Similarity to Ideal Solution,TOPSIS）的模糊决策模型,以选择合理的再制造设备。在第二阶段,提出改进的基因表达式编程算法,并用于建立所选设备的效率（能效和材料利用率）预测模型;基于能耗和材料消耗监测实验数据,将该模型与传统响应曲面法所得模型进行对比;利用典型的多目标优化方法即快速非支配排序遗传算法（Non-dominated Sorting Genetic Algorithm-II,NSGA-II）,获得约束条件下能效最优时的加工参数组合。最后,通过发动机曲轴修复实例以及激光熔覆加工实验,验证两阶段能效优化方法的有效性和设备能效经验模型的高精度和高稳定性。激光熔覆设备参数优化表明,在相同粉末利用率约束下,优化值比经验值的能效高可出50%。（3）研究了再制造工艺链节能调度模型及其启发式与元启发式求解算法。首先,根据发动机再制造系统设备组织特点、设备间交互特性以及能耗的状态依附特性,在阐明模糊数运算法则以及系统约束的基础上,综合考虑加工时间、工艺路线不确定性以及并行机、批处理机同时存在的问题,采用减少待机能耗策略,建立面向节能的再制造工艺链层生产调度数学模型。其次,作为一种元启发式方法,提出基于激素调节机制的自适应遗传算法,并进行操作算子设计。然后,作为一种启发式方法,构建了面向调度的赋时变迁Petri网模型,根据优化目标设计了 A*算法的三种启发式函数,为避免状态空间爆炸问题,提出了动态窗搜索的新规则。最后,发动机缸体再制造加工工艺链实例表明,改进的自适应遗传算法和整合新动态窗搜索规则的A*算法分别使工艺链能效提升9.7%和7.6%,且后者求解效率比前者高出两个数量级。（4）提出了面向发动机再制造系统能效提升的可计算一般均衡（Computable General Equilibrium,CGE）模型。该模型包含五个基本模块:生产模块、贸易模块、收入支出模块、市场均衡模块、环境模块。基于效用最大化、成本最小化、市场闭合等经济学理论或规则,构建各模块的代数方程组,采用参数标定、企业调研、文献查找等手段得到模型的数据集,包括社会核算矩阵（Social Accounting Matrix,SAM）、份额参数、替代弹性系数、环境排放系数等。通过通用代数建模系统（General Algebraic Modeling System,GAMS）平台编程和模拟,完整且系统地揭示了发动机再制造部门不同能效提升量下的各经济部门产出变化以及对应环境排放净削减量。使用敏感性分析方法验证了 CGE模型的稳健性。
二、基于模糊遗传算法的工业过程控制参数优化研究（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、基于模糊遗传算法的工业过程控制参数优化研究（论文提纲范文）
（1）上肢康复机器人主动控制方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 主要符号表 |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 上肢康复机器人国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 上肢康复机器人主动控制方法研究现状 |
| 1.3.1 基于脑机接口技术的控制 |
| 1.3.2 基于表面肌电信号的控制 |
| 1.3.3 直接力控制 |
| 1.3.4 阻抗控制 |
| 1.3.5 虚拟隧道控制 |
| 1.4 论文主要内容及结构安排 |
| 1.4.1 本文主要内容 |
| 1.4.2 本文结构安排 |
| 2 上肢康复机器人运动学与动力学分析 |
| 2.1 引言 |
| 2.2 人体上肢康复训练动作 |
| 2.3 上肢康复机器人运动学分析 |
| 2.3.1 运动学分析 |
| 2.3.2 运动学仿真 |
| 2.4 上肢康复机器人动力学分析 |
| 2.4.1 动力学分析 |
| 2.4.2 动力学仿真 |
| 2.5 本章小结 |
| 3 上肢康复机器人轨迹规划 |
| 3.1 引言 |
| 3.2 机器人工作空间 |
| 3.3 关节空间轨迹规划 |
| 3.3.1 三次多项式插值法 |
| 3.3.2 五次多项式插值法 |
| 3.3.3 关节空间轨迹规划仿真 |
| 3.4 笛卡尔空间轨迹规划 |
| 3.4.1 空间直线插值 |
| 3.4.2 笛卡尔空间轨迹规划仿真 |
| 3.5 本章小结 |
| 4 上肢康复机器人主动控制方法研究 |
| 4.1 引言 |
| 4.2 阻抗控制方法研究 |
| 4.2.1 阻抗控制方法研究 |
| 4.2.2 阻抗控制参数选取 |
| 4.3 模糊阻抗控制方法研究 |
| 4.3.1 模糊控制方法研究 |
| 4.3.2 模糊控制器设计 |
| 4.3.3 模糊阻抗控制方法仿真 |
| 4.4 基于遗传算法的模糊阻抗控制方法研究 |
| 4.4.1 遗传算法原理 |
| 4.4.2 遗传算法优化隶属度函数 |
| 4.4.3 基于遗传算法的模糊阻抗方法仿真 |
| 4.5 本章小结 |
| 5 上肢康复机器人主动控制方法实验验证 |
| 5.1 上肢康复机器人实验平台 |
| 5.2 上肢康复机器人单关节实验 |
| 5.3 上肢康复机器人多关节实验 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及成果 |
| 致谢 |
（2）基于模糊自适应策略下的多电机同步控制优化（论文提纲范文）
| 摘要 |
| Absract |
| 第一章 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.1.1 课题的研究背景 |
| 1.1.2 课题的意义 |
| 1.2 发展历程和国内外研究现状 |
| 1.3 课题的研究内容及方法 |
| 1.3.1 课题的研究内容 |
| 1.3.2 课题的研究方法 |
| 1.4 本章小结 |
| 第二章 永磁同步电机的建模以及控制原理的分析 |
| 2.1 永磁同步电机的结构与特征 |
| 2.2 永磁同步电机的数学模型 |
| 2.2.1 永磁同步电机在ABC坐标下的基本方程 |
| 2.2.2 坐标变换 |
| 2.2.3 三相静止坐标系与两相静止坐标系相互转换 |
| 2.2.4 两相静止坐标系转为两相旋转坐标系 |
| 2.3 永磁同步电机的矢量控制 |
| 2.3.1 永磁同步电机的控制原理 |
| 2.3.2 永磁同步电机的矢量控制的控制方法 |
| 2.4 SVPWM技术 |
| 2.4.1 SVPWM的定义及原理 |
| 2.4.2 永磁同步电机矢量控制仿真模型 |
| 2.5 本章小结 |
| 第三章 永磁同步电机的模糊PID控制 |
| 3.1 传统PID控制原理 |
| 3.2 模糊PID控制器 |
| 3.2.1 模糊控制理论 |
| 3.2.2 模糊控制器的结构 |
| 3.2.3 模糊PID的设计 |
| 3.3 永磁同步电机模糊PID控制系统仿真 |
| 3.3.1 永磁同步电机模糊PID控制系统模型 |
| 3.3.2 Matlab下永磁同步电机模糊PID控制系统仿真模型 |
| 3.3.3 仿真结果与分析 |
| 3.4 本章小结 |
| 第四章 永磁同步电机的灾变遗传模糊PID控制 |
| 4.1 遗传算法理论基础 |
| 4.1.1 遗传算法的概述 |
| 4.1.2 遗传算法的原理 |
| 4.2 灾变型遗传算法 |
| 4.2.1 灾变操作 |
| 4.2.2 灾变遗传算法性能计算 |
| 4.2.3 灾变遗传模糊PID控制器设计 |
| 4.3 本章小结 |
| 第五章 多电机同步控制系统设计 |
| 5.1 多电机同步控制结构分析 |
| 5.1.1 并行同步控制 |
| 5.1.2 主从控制 |
| 5.1.3 交叉耦合控制 |
| 5.1.4 偏差耦合控制 |
| 5.2 改进的偏差耦合控制 |
| 5.3 多电机同步控制系统仿真 |
| 5.3.1 并行同步控制仿真 |
| 5.3.2 主从同步控制仿真 |
| 5.3.3 偏差耦合控制 |
| 5.3.4 改进型偏差耦合控制 |
| 5.4 基于灾变遗传模糊PMSM多电机控制仿真 |
| 5.5 本章小结 |
| 总结与展望 |
| 全文总结 |
| 工作展望 |
| 参考文献 |
| 致谢 |
（3）鸡腿菇采摘机器人轨迹跟踪控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景意义 |
| 1.2 机器人动力学研究现状 |
| 1.2.1 动力学建模研究现状 |
| 1.2.2 动力学参数辨识研究现状 |
| 1.3 基于动力学模型轨迹控制研究现状 |
| 1.4 本文研究内容 |
| 第2章 鸡腿菇采摘加工流程及控制方案设计 |
| 2.1 引言 |
| 2.2 鸡腿菇采摘加工整体流程设计 |
| 2.3 夹取机构机器人选型 |
| 2.4 总体控制方案的设计 |
| 2.4.1 动力学参数辨识步骤 |
| 2.4.2 影响动力学参数辨识精度的因素分析 |
| 2.4.3 鸡腿菇控制总体方案 |
| 2.5 本章小结 |
| 第3章 机器人运动学与动力学 |
| 3.1 引言 |
| 3.2 运动学分析 |
| 3.2.1 运动学建模 |
| 3.2.2 机器人正运动学 |
| 3.2.3 机器人逆运动学 |
| 3.2.4 雅克比矩阵 |
| 3.3 动力学分析 |
| 3.3.1 拉格朗日动力学方程推导 |
| 3.3.2 摩擦模型 |
| 3.3.3 机器人动力学建模 |
| 3.3.4 动力学最小参数集 |
| 3.4 本章小结 |
| 第4章 动力学参数辨识设计 |
| 4.1 引言 |
| 4.2 激励轨迹设计 |
| 4.2.1 激励轨迹优化 |
| 4.2.2 激励轨迹参数求解 |
| 4.3 算法改进 |
| 4.3.1 遗传算法 |
| 4.3.2 遗传算法的改进 |
| 4.4 数据的处理方式 |
| 4.5 实验验证 |
| 4.6 本章小结 |
| 第5章 基于动力学参数辨识模型轨迹控制研究 |
| 5.1 引言 |
| 5.2 计算力矩控制 |
| 5.3 模糊RBF神经网络控制优化设计 |
| 5.3.1 机器人模糊控制系统结构设计 |
| 5.3.2 模糊控制简述 |
| 5.3.3 模糊控制器设计 |
| 5.3.4 RBF神经网络 |
| 5.3.5 模糊RBF神经网络结构设计 |
| 5.3.6 模糊RBF神经网络控制器设计 |
| 5.4 仿真验证 |
| 5.4.1 计算力矩控制仿真 |
| 5.4.2 模糊RBF神经网络控制 |
| 5.4.3 仿真结果对比 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 总结 |
| 展望 |
| 参考文献 |
| 致谢 |
（4）高能耗过程智能操作优化方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 缩写术语表 |
| 1 绪论 |
| 1.1 课题背景与研究意义 |
| 1.2 流程工业典型高能耗过程分析 |
| 1.2.1 高炉炼铁过程分析 |
| 1.2.2 造纸制浆过程分析 |
| 1.3 流程工业高能耗过程建模研究现状 |
| 1.3.1 高炉炼铁过程建模研究现状 |
| 1.3.2 造纸制浆过程建模研究现状 |
| 1.4 流程工业高能耗过程操作优化研究现状 |
| 1.5 本文研究内容与创新点 |
| 1.5.1 本文主要研究内容 |
| 1.5.2 各个章节创新点 |
| 1.6 本章小结 |
| 2 基于模糊神经网络的高炉铁水质量建模与预测 |
| 2.1 引言 |
| 2.2 互信息法特征选择 |
| 2.2.1 特征选择 |
| 2.2.2 熵增定义 |
| 2.2.3 互信息法 |
| 2.3 滑动窗口模型 |
| 2.4 模糊神经网络 |
| 2.5 实例研究 |
| 2.6 本章小结 |
| 3 基于混合模型的大型高炉操作优化 |
| 3.1 引言 |
| 3.2 协同混合优化模型 |
| 3.3 处置门门控循环神经网络 |
| 3.3.1 简单循环神经网络 |
| 3.3.2 门控循环神经网络 |
| 3.3.3 改进门控循环神经网络 |
| 3.4 自适应种群遗传算法 |
| 3.5 实例研究 |
| 3.5.1 dGRU-RNN硅含量测试 |
| 3.5.2 SAPGA数值仿真测试 |
| 3.5.3 混合模型数值仿真测试 |
| 3.5.4 焦比能耗单目标优化 |
| 3.5.5 高炉炼铁多目标优化 |
| 3.6 本章小结 |
| 4 基于多采样率回归的造纸制浆能耗优化 |
| 4.1 引言 |
| 4.2 协同混合优化模型 |
| 4.3 实例研究 |
| 4.3.1 F-MIDAS数值仿真 |
| 4.3.2 F-MIDAS焦比测试 |
| 4.3.3 SAPGA数值仿真 |
| 4.3.4 混合模型工业实际测试 |
| 4.3.5 混合模型工业应用验证 |
| 4.4 本章小结 |
| 5 基于工业互联网平台的智能操作优化应用 |
| 5.1 引言 |
| 5.2 工业互联网平台体系架构 |
| 5.3 工业互联网平台解决方案 |
| 5.3.1 工业互联网平台技术路线 |
| 5.3.2 工业互联网平台开发过程 |
| 5.3.3 工业互联网平台应用实例 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 论文已有研究内容总结 |
| 6.2 论文未来研究方向展望 |
| 参考文献 |
| 附录 |
| 致谢 |
| Acknowledgement |
| 博士期间学术成果及科研奖励 |
（5）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 |
（6）多重不确定性需求下装备制造企业多品种生产计划方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.1.1 装备制造企业生产面临着持续多变的环境 |
| 1.1.2 装备制造企业多品种生产面临着多重不确定性需求 |
| 1.1.3 装备制造企业亟待解决多重不确定性需求下多品种生产计划问题 |
| 1.1.4 研究的前沿发展动态 |
| 1.2 问题的提出 |
| 1.3 研究的目标与意义 |
| 1.3.1 研究的目标 |
| 1.3.2 研究的意义 |
| 1.4 研究内容和研究方法 |
| 1.4.1 研究内容 |
| 1.4.2 研究思路 |
| 1.4.3 研究方法 |
| 1.5 研究的创新性工作说明 |
| 第2章 相关研究文献综述 |
| 2.1 文献检索情况概述 |
| 2.1.1 文献检索范围 |
| 2.1.2 相关文献情况分析 |
| 2.1.3 学术趋势 |
| 2.2 关于不确定性需求研究 |
| 2.2.1 随机不确定性需求 |
| 2.2.2 模糊不确定性需求 |
| 2.2.3 粗糙不确定性需求 |
| 2.3 关于多重不确定性的研究 |
| 2.4 关于多品种生产计划的研究 |
| 2.5 关于装备制造企业生产计划的研究 |
| 2.6 已有研究的贡献与不足 |
| 2.6.1 已有研究贡献 |
| 2.6.2 已有研究不足 |
| 2.6.3 已有研究启示 |
| 2.7 本章小结 |
| 第3章 概念界定与相关理论基础 |
| 3.1 概念界定 |
| 3.1.1 多品种生产 |
| 3.1.2 生产计划 |
| 3.1.3 不确定性 |
| 3.1.4 多重不确定性需求 |
| 3.2 动态规划理论 |
| 3.3 多目标规划 |
| 3.4 本章小结 |
| 第4章 多重不确定性需求下生产应对策略和动态生产计划方法 |
| 4.1 多重不确定性需求之间影响关系 |
| 4.1.1 品种需求不确定的影响关系 |
| 4.1.2 数量需求不确定的影响关系 |
| 4.1.3 质量需求不确定的影响关系 |
| 4.1.4 交货期需求不确定的影响关系 |
| 4.2 多重不确定性需求下生产应对策略 |
| 4.3 多重不确定性需求下动态生产计划模型 |
| 4.4 模型求解 |
| 4.5 算例分析 |
| 4.6 本章小结 |
| 第5章 多重不确定性需求下装备制造企业多品种多目标生产计划方法 |
| 5.1 问题描述及假设 |
| 5.1.1 问题描述 |
| 5.1.2 问题假设 |
| 5.1.3 变量和参数说明 |
| 5.2 多品种多目标生产计划模型 |
| 5.2.1 目标函数 |
| 5.2.2 目标函数的约束条件 |
| 5.2.3 不确定性数量需求描述 |
| 5.2.4 不确定性交货期需求描述 |
| 5.2.5 不确定性质量需求描述 |
| 5.2.6 不确定性价格需求描述 |
| 5.3 模型求解 |
| 5.3.1 NSGA-II算法求解 |
| 5.3.2 带罚函数粒子群算法求解 |
| 5.4 算例分析 |
| 5.4.1 初始数据 |
| 5.4.2 运行结果 |
| 5.5 本章小结 |
| 第6章 多重不确定性需求下装备制造企业多品种相似生产计划方法 |
| 6.1 问题描述与假设 |
| 6.1.1 不确定性品种需求描述 |
| 6.1.2 不确定性交货期需求描述 |
| 6.1.3 不确定性数量需求描述 |
| 6.1.4 不确定性质量需求描述 |
| 6.2 多品种相似性与聚类分析 |
| 6.2.1 多品种相似性分析 |
| 6.2.2 不确定性需求聚类分析 |
| 6.3 多品种相似生产计划模型 |
| 6.4 模型求解 |
| 6.5 算例分析 |
| 6.5.1 初始数据 |
| 6.5.2 运行结果 |
| 6.6 本章小结 |
| 第7章 结论与展望 |
| 7.1 本文的主要结论 |
| 7.2 本文的主要贡献 |
| 7.3 后续研究工作展望 |
| 参考文献 |
| 附录 A 企业生产计划与调度控制的不确定性及风险调查问卷 |
| 在学研究成果 |
| 致谢 |
（7）吊装起重施工平台同步顶升系统控制技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 课题研究背景和来源 |
| 1.1.2 课题的意义 |
| 1.2 同步顶升技术国内外研究现状 |
| 1.2.1 同步顶升技术的国外研究现状 |
| 1.2.2 同步顶升技术的国内研究现状 |
| 1.3 液压同步顶升控制技术及控制策略的国内外研究现状 |
| 1.4 论文研究的主要内容 |
| 2 同步顶升控制系统的整体设计 |
| 2.1 项目装置简介 |
| 2.2 同步顶升液压控制系统的总体设计方案 |
| 2.2.1 同步顶升液压控制系统的整体结构设计 |
| 2.2.2 同步顶升液压控制系统的工作过程 |
| 2.3 同步顶升液压系统液压回路分析 |
| 2.4 基于AMESim的同步顶升液压回路建模仿真 |
| 2.5 同步顶升液压控制系统控制器的选择 |
| 2.6 本章小结 |
| 3 液压同步顶升系统的数学模型 |
| 3.1 同步顶升液压系统数学模型的分析 |
| 3.1.1 液压缸的流量—压力特性 |
| 3.1.2 液压缸的流量连续性方程 |
| 3.1.3 液压系统的力学方程 |
| 3.1.4 液压系统的数学模型 |
| 3.1.5 比例放大器和位移传感器的数学模型 |
| 3.1.6 比例阀的传递函数 |
| 3.2 同步顶升液压系统传递函数的确定 |
| 3.3 同步顶升液压系统的稳定性分析 |
| 3.4 本章小结 |
| 4 同步顶升液压系统的MPGA-fuzzy PID控制策略研究 |
| 4.1 常规PID控制原理 |
| 4.1.1 常规PID控制器的原理 |
| 4.1.2 PID参数的整定 |
| 4.2 多种群遗传算法(MPGA)对PID参数的整定 |
| 4.2.1 遗传算法(GA) |
| 4.2.2 多种群遗传算法(MPGA) |
| 4.2.3 优化算法对PID参数的整定与仿真 |
| 4.3 模糊PID控制器的设计与仿真 |
| 4.3.1 模糊PID控制器的构成 |
| 4.3.2 模糊PID控制器的设计 |
| 4.3.3 模糊PID控制仿真 |
| 4.4 多种群遗传算法优化的模糊PID控制器的设计与仿真 |
| 4.5 本章小结 |
| 5 同步顶升液压系统AMESim/Simulink联合仿真实验 |
| 5.1 同步顶升液压系统联合仿真设计 |
| 5.1.1 同步顶升系统AMESim/Simulink联合仿真模型设计 |
| 5.1.2 同步顶升系统仿真模型 |
| 5.2 同步顶升液压系统联合仿真性能分析 |
| 5.3 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 附录 攻读硕士学位期间取得的研究成果 |
| 致谢 |
（8）复合电源混合动力汽车能量优化控制策略研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究的背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 混合动力汽车的分类 |
| 1.2.2 混合动力汽车国内外发展现状 |
| 1.2.3 混合动力汽车控制策略 |
| 1.2.4 电池SOC估算 |
| 1.2.5 混合动力复合电源控制 |
| 1.3 论文主要研究内容 |
| 第二章 混合动力汽车动力系统建模 |
| 2.1 发动机模型 |
| 2.2 车辆行驶动力学模型 |
| 2.3 驱动电机模型 |
| 2.4 储能部件模型 |
| 2.4.1 蓄电池模型 |
| 2.4.2 DC-DC功率转换器设计 |
| 2.4.3 超级电容模型 |
| 2.5 传动系模型 |
| 2.5.1 变速器模型 |
| 2.5.2 主减速器模型 |
| 2.6 整车模型验证 |
| 2.7 本章小结 |
| 第三章 基于改进粒子滤波算法的蓄电池SOC估计 |
| 3.1 蓄电池建模及参数辨识 |
| 3.1.1 蓄电池等效电路模型选型 |
| 3.1.2 OCV-SOC曲线获取 |
| 3.1.3 电池模型参数辨识 |
| 3.2 基于粒子滤波算法的SOC估计 |
| 3.2.1 基本粒子滤波算法原理 |
| 3.2.2 基于PF算法的SOC估计 |
| 3.3 基于PSO-PF的 SOC估计 |
| 3.3.1 基本PSO算法原理 |
| 3.3.2 PSO优化PF算法 |
| 3.4 仿真验证 |
| 3.4.1 恒定电流放电SOC估计测试 |
| 3.4.2 动态电流放电SOC估计测试 |
| 3.5 本章小结 |
| 第四章 复合电源功率分流控制策略 |
| 4.1 小波变换基本理论 |
| 4.2 复合电源工作模式及功率需求 |
| 4.2.1 复合电源工作模式分析 |
| 4.2.2 复合电源功率需求分析 |
| 4.3 基于逻辑门限值的功率分流控制策略 |
| 4.3.1 逻辑门限值滤波功率分流控制策略 |
| 4.3.2 逻辑门限值功率分流控制策略验证 |
| 4.4 基于小波变换的功率分流控制策略 |
| 4.4.1 小波变换功率分流控制策略 |
| 4.4.2 小波变换功率分流控制策略验证 |
| 4.5 本章小结 |
| 第五章 基于粒子群优化的转矩分配控制策略 |
| 5.1 整车工作状态分析 |
| 5.2 电机辅助转矩分配控制器 |
| 5.3 基于T-S模型的模糊转矩分配控制器 |
| 5.3.1 T-S模糊推理模型 |
| 5.3.2 基于发动机效率的T-S模糊转矩分配器 |
| 5.4 基于PSO的模糊转矩分配控制器优化设计 |
| 5.5 转矩分配控制策略验证 |
| 5.5.1 逻辑门限值功率分流策略下的转矩分配策略验证 |
| 5.5.2 小波功率分流策略下的转矩分配策略验证 |
| 5.6 本章小结 |
| 第六章 电子控制系统设计及硬件在环仿真 |
| 6.1 电子控制系统设计 |
| 6.1.1 电机转速检测电路 |
| 6.1.2 电机控制驱动电路 |
| 6.1.3 复合电源控制电路 |
| 6.1.4 控制信号输入电路 |
| 6.1.5 电流检测电路 |
| 6.1.6 保护电路 |
| 6.1.7 电子控制系统PCB设计 |
| 6.1.8 电子控制系统实验验证 |
| 6.2 BLDCM数学模型的建立 |
| 6.3 基于GA-Fuzzy的 BLDCM控制策略 |
| 6.3.1 BLDCM转速模糊控制器设计 |
| 6.3.2 GA-Fuzzy转速模糊控制器设计 |
| 6.3.3 BLDCM转速模糊控制器仿真验证 |
| 6.4 GA-Fuzzy转速控制策略的快速控制原型仿真实验 |
| 6.4.1 实验方案设计 |
| 6.4.2 快速控制原型仿真模型 |
| 6.4.3 电机转速快速控制原型实验验证 |
| 6.5 本章小结 |
| 第七章 结论与展望 |
| 7.1 论文总结 |
| 7.2 论文主要创新点 |
| 7.3 研究展望 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间的研究成果及发表的学术论文 |
（9）商用车柴油机空气系统性能参数优化及控制研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 柴油机空气系统参数优化研究现状 |
| 1.2.1 基于试验的参数优化 |
| 1.2.2 基于仿真的参数优化 |
| 1.3 面向控制的柴油机空气系统模型研究现状 |
| 1.4 柴油机空气系统控制算法研究现状 |
| 1.5 本文主要研究内容 |
| 2 商用车柴油机工作过程仿真模型建立及验证 |
| 2.1 仿真分析软件的确定 |
| 2.2 柴油机工作过程仿真模型 |
| 2.2.1 缸内工作过程计算模型 |
| 2.2.2 进、排气系统计算模型 |
| 2.2.3 增压系统计算模型 |
| 2.2.4 中冷器计算模型 |
| 2.2.5 废气再循环系统计算模型 |
| 2.3 柴油机工作过程仿真分析参数描述 |
| 2.3.1 原机主要技术参数 |
| 2.3.2 仿真模型主要模块及参数 |
| 2.4 柴油机工作过程仿真模型的验证 |
| 2.5 本章小结 |
| 3 商用车柴油机空气系统性能参数优化研究 |
| 3.1 优化参数与优化目标 |
| 3.2 优化算法的确定 |
| 3.3 基于遗传算法的柴油机空气系统性能参数优化 |
| 3.3.1 GT-Power与 MATLAB/Simulink耦合程序的开发 |
| 3.3.2 遗传算法的参数设计 |
| 3.3.3 优化结果的分析 |
| 3.4 本章小结 |
| 4 面向控制的商用车柴油机空气系统模型建立及验证 |
| 4.1 面向控制的柴油机空气系统模型的建立 |
| 4.1.1 增压器系统模型 |
| 4.1.2 进排气系统模型 |
| 4.2 面向控制的柴油机空气系统模型参数的确定 |
| 4.3 面向控制的柴油机空气系统模型的验证 |
| 4.4 面向控制的柴油机空气系统模型的准线性处理 |
| 4.5 本章小结 |
| 5 基于模型的商用车柴油机空气系统多变量控制研究 |
| 5.1 基于模型的柴油机空气系统多变量控制总体方案设计 |
| 5.1.1 控制对象与控制目标 |
| 5.1.2 控制算法的确定 |
| 5.1.3 柴油机空气系统多变量控制总体方案 |
| 5.2 基于模型的柴油机空气系统多变量控制算法研究 |
| 5.2.1 控制算法的基本原理 |
| 5.2.2 基于模型的柴油机空气系统多变量控制算法设计 |
| 5.3 基于模型的柴油机空气系统多变量控制仿真分析 |
| 5.3.1 低转速工况下空气系统控制分析 |
| 5.3.2 中转速工况下空气系统控制分析 |
| 5.3.3 高转速工况下空气系统控制分析 |
| 5.4 本章小结 |
| 6 全文总结与展望 |
| 6.1 全文总结 |
| 6.2 工作展望 |
| 参考文献 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（10）发动机再制造系统能效提升及其宏观环境效益研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 再制造不确定性研究意义 |
| 1.1.2 再制造设备层能效提升研究意义 |
| 1.1.3 再制造工艺链层能效提升研究意义 |
| 1.1.4 能效提升的宏观环境效益研究意义 |
| 1.2 国内外相关工作研究进展 |
| 1.2.1 再制造过程不确定性研究现状 |
| 1.2.2 设备层节能降耗研究现状 |
| 1.2.3 工艺链层能耗建模和优化研究现状 |
| 1.2.4 能效提升的环境效益评估研究现状 |
| 1.3 问题的提出及课题来源 |
| 1.3.1问题的提出 |
| 1.3.2 课题来源 |
| 1.4 论文研究内容与技术路线 |
| 1.4.1 研究内容 |
| 1.4.2 技术路线 |
| 2 再制造系统不确定性数学描述和分析 |
| 2.1 再制造系统不确定性的内涵 |
| 2.1.1 再制造设备层的不确定性 |
| 2.1.2 再制造工艺链层的不确定性 |
| 2.2 不确定性类型及规划 |
| 2.2.1 不确定性类型及数学方法 |
| 2.2.2 不确定规划 |
| 2.3 基于网络模型的不确定性表征与分析 |
| 2.3.1 经典GERT网络模型 |
| 2.3.2 信号流图基础理论 |
| 2.3.3 含多元不确定性的GERT网络模型及其解析方法 |
| 2.4 应用实例 |
| 2.4.1 研究目标及主要步骤 |
| 2.4.2 含多元不确定性的GERT模型及其参数 |
| 2.4.3 系统运行时间和能耗的不确定性分析 |
| 2.4.4 基于Arena仿真的GERT模型验证 |
| 2.4.5 不确定性扰动分析 |
| 2.5 本章小结 |
| 3 基于决策与优化两阶段的再制造设备能效提升方法 |
| 3.1 能源效率内涵及评价方法 |
| 3.1.1 能源效率指标的广义内涵 |
| 3.1.2 能源效率评价方法 |
| 3.2 再制造设备的多目标决策模型 |
| 3.2.1 再制造设备评价指标 |
| 3.2.2 基于TOPSIS的模糊决策方法 |
| 3.3 再制造设备的能效预测模型 |
| 3.3.1 响应曲面法 |
| 3.3.2 改进的基因表达式编程算法 |
| 3.4 实例分析 |
| 3.4.1 修复设备多目标决策 |
| 3.4.2 激光熔覆系统效率监测实验 |
| 3.4.3 效率预测模型 |
| 3.4.4 参数优化及其贡献分析 |
| 3.5 本章小结 |
| 4 基于节能调度的再制造工艺链能效提升方法 |
| 4.1 面向节能的调度模型 |
| 4.1.1 问题描述 |
| 4.1.2 生产工艺链节能相关方法 |
| 4.1.3 数学模型 |
| 4.2 改进的自适应遗传算法 |
| 4.2.1 激素调节机制 |
| 4.2.2 算法实施流程 |
| 4.3 面向调度的Petri网模型和A*算法 |
| 4.3.1 Petri网基础理论 |
| 4.3.2 赋时Petri网结构 |
| 4.3.3 面向调度的赋时变迁Petri网 |
| 4.3.4 A*算法的启发式函数 |
| 4.3.5 动态窗搜索方法 |
| 4.4 应用案例 |
| 4.4.1 实例问题描述 |
| 4.4.2 基于改进遗传算法的调度模型求解 |
| 4.4.3 基于Petri网和A*算法的调度模型求解 |
| 4.4.4 算法性能评估与比较 |
| 4.5 本章小结 |
| 5 发动机再制造系统能效提升的宏观环境效益研究 |
| 5.1 面向发动机再制造能效的CGE模型框架 |
| 5.1.1 模型基本框架 |
| 5.1.2 生产部门划分 |
| 5.2 CGE模型子模块构建 |
| 5.2.1 生产模块 |
| 5.2.2 贸易模块 |
| 5.2.3 收入支出模块 |
| 5.2.4 市场均衡模块 |
| 5.2.5 环境模块 |
| 5.3 模型的数据基础 |
| 5.3.1 SAM表组成结构 |
| 5.3.2 替代弹性系数和份额参数标定 |
| 5.3.3 环境排放系数 |
| 5.4 模拟结果分析 |
| 5.4.1 宏观经济影响 |
| 5.4.2 宏观环境效益 |
| 5.4.3 敏感性分析 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 创新点 |
| 6.3 展望 |
| 参考文献 |
| 附录A 生产部门划分 |
| 攻读博士学位期间科研项目及科研成果 |
| 致谢 |
| 作者简介 |
四、基于模糊遗传算法的工业过程控制参数优化研究（论文参考文献）
- [1]上肢康复机器人主动控制方法研究[D]. 高雪佳. 西安工业大学, 2021(02)
- [2]基于模糊自适应策略下的多电机同步控制优化[D]. 孙盟. 兰州理工大学, 2021(01)
- [3]鸡腿菇采摘机器人轨迹跟踪控制研究[D]. 郭博辉. 兰州理工大学, 2021(01)
- [4]高能耗过程智能操作优化方法研究[D]. 周恒. 浙江大学, 2021(01)
- [5]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)
- [6]多重不确定性需求下装备制造企业多品种生产计划方法研究[D]. 刘岩峰. 沈阳工业大学, 2020(01)
- [7]吊装起重施工平台同步顶升系统控制技术研究[D]. 马浩兴. 西安建筑科技大学, 2020(01)
- [8]复合电源混合动力汽车能量优化控制策略研究[D]. 牛晓燕. 石家庄铁道大学, 2020(04)
- [9]商用车柴油机空气系统性能参数优化及控制研究[D]. 姜光. 北京交通大学, 2020(03)
- [10]发动机再制造系统能效提升及其宏观环境效益研究[D]. 彭世通. 大连理工大学, 2020