一、A Direct Feedback Control Based on Fuzzy Recurrent Neural Network（论文文献综述）
于蒙[1]（2021）在《基于数据驱动的间歇化工过程批次内和批次间复合优化控制策略研究》文中研究指明本文致力于研究针对特种精细化学品间歇生产过程的智能优化控制方法。特种精细化学品生产控制属于间歇过程控制,生产过程具有强非线性和批次重复特性,目前生产中采用的控制策略是经典PID控制,这种控制方式的特点是控制结构具有较高的可靠性,并且对控制器的维护较为简单,但是难以满足复杂工艺过程高精度控制的要求,历次特种化学品生产产品质量和运行过程均出现过不稳定的情况。如何对现有的PID控制策略进行改进,并充分利用批次生产的重复特性,针对无法用精确数学模型描述的被控对象,通过利用控制过程的在线或离线数据并开发智能控制算法,对复杂被控对象施以控制,为本文的研究重点。针对特种化学品间歇生产过程,如Chylla Haase间歇反应过程,本文采用一种复合控制方式,将间歇过程控制划分为批次内控制和批次间控制两个维度,设计复合控制策略,将批次内的智能自整定PID控制和批次间的迭代学习控制结合,充分利用批次间重复特性,并在批次内和批次间实现控制的自适应改进。在批次内控制中,采用PID控制架构,通过LM优化算法实现PID控制参数的自整定,利用RBF神经网络辨识优化过程产生的Jacobian信息,使用一种改进的差分进化算法优化PID自整定参数的初值以及径向基神经网络基函数的中心、宽度以及神经元连接权值的初值。批次内的控制策略不要求获得被控对象的数学模型,仅以过程数据为控制来源,具有较高实际应用价值。在批次间控制中,针对需要抑制的重复性干扰,采用具有实际应用价值的P型迭代学习控制,为实现这种控制方式数据驱动的自适应改进,设计限定参数集的去伪控制策略。这种控制策略既实现了抑制批次间重复扰动的功能,又具备实用性的自适应调整能力,取得优于固定参数迭代学习控制方法的效果。特种化学品D1的生产过程,对转馏分点的预测和控制十分重要。该间歇蒸馏过程存在反应蒸馏过程复杂多样的特性,需要进行分离处理的物质多种多样并且成分不断变化,而上升气温度可以对蒸馏过程需分离的物质有较高程度的反映,准确判断转馏分点是特种化学品D1生产的关键。从实际出发,建立一种数据驱动的LSTM预测模型,对转馏分点实施预测。LSTM结构复杂,需要进行参数优化,设计贝叶斯优化算法实现了参数的优选。针对D1生产过程,纯度数据作为关键指标只在生产终点时检测的情况,设计了一种基于BP神经网络的终点质量迭代学习控制算法,首先利用BP神经网络建立生产过程变量与终点产品纯度的预测模型,以神经网络预测模型为基础,实施终点纯度的迭代学习控制,实现了对具有批次重复特性的间歇蒸馏过程的质量控制。
刘志勇[2]（2020）在《空间反射面天线热变形主动调节与容错控制研究》文中研究说明为长时间不间断对地面进行高精度气象观测,需要在地球同步轨道上布置口径达5米,面板变形均方根（Root Mean Square,RMS）误差为几十微米的反射面天线。然而由于受到同步轨道热环境的影响,仅靠传统结构保型设计已不能达到上述指标要求。为此,需要采用主动调整机构来实现天线反射面保型。本文以此为背景,研究了主动调整机构位置布局优化、多主动调整机构的耦合控制与容错控制等内容。具体包含以下几个方面。1.提出了空间反射面天线主动调整机构布局优化模型。首先,以空间反射面天线面板支撑桁架的许用应力和反射面的许用应力为约束条件,以三个典型工况下反射面热变形均方根误差和最小为目标,建立主动调整机构位置优化模型。随后,针对优化模型设计变权值自适应模糊粒子群算法（Adaptive Fuzzy Particle Swarm Optimization,AFPSO）,进而确定了主动调整机构在支撑桁架上的理想位置。最后,在建立空间天线主动调整系统控制模型基础上,通过设计线性二次型（Linear Quadratic Regulator,LQR）控制器对空间天线反射面热变形进行调整。2.针对空间反射面天线主动调整系统控制模型中存在模型不确定性扰动问题,提出了一种基于参考模型的模糊神经网络强化学习控制策略,构造了动态强化学习动作函数,提高了强化学习动作值函数的迁移能力,抑制了控制系统中不确定性扰动变化。首先,该算法以主动调整系统理想控制模型为参考,利用强化学习算法来自适应修正参考模型与实际模型之间的误差,克服主动调整机构间的耦合和不确定性扰动的影响。其次,在强化学习算法中引入了模糊神经网络,将强化学习动作空间进行连续化处理,提高了强化学习动作的泛化能力与动作值函数的迁移能力,克服主动调整系统控制模型中不确定性扰动变化影响。3.针对空间反射面天线面板热变形调整过程中,模糊强化学习系统参数识别计算量大、算法复杂度高等问题,提出了一种基于模糊观测器的自适应解耦控制策略。首先,通过引入系统辅助状态,将各子回路之间的耦合影响和外界不确定性归结为干扰项。随后,针对每一个子回路设计了自构架模糊干扰观测器,在线自适应观测和估计干扰量,并将其反馈在控制律中,用来抵消干扰项的影响,在提高算法运算速度的同时,也保证了对含有扰动变化的实际模型的调整效果,最后通过李雅普诺夫（Lyapunov）稳定性理论对其稳定性进行了分析。4.针对空间反射面天线主动调整系统中作动器故障信息的辨识问题,提出了自构架模糊无迹卡尔曼滤波（Unscented Kalman Filter,UKF）故障估计与逼近方法。首先,将无故障压电陶瓷作动器控制方程转化为具有故障的等效标准状态空间方程。随后,利用自构架模糊UKF故障逼近方法对作动器故障信息进行逼近与辨识,并获得了故障信息曲线。最后,针对作动器故障信息,采用模糊聚类算法得到了作动器的故障阈值,实现了对单个作动器故障的判断。5.针对空间反射面天线主动调整系统中部分作动器故障下的容错控制问题,基于自适应控制理论研究了一种自适应容错控制策略。首先,通过设计一种自适应容错控制律,将其引入到主动调整系统参考模型控制律中,实现了在不需要故障检测与隔离机制的情况下,对主动调整系统中作动器故障在线实时检测,减小了作动器故障对空间天线反射面热变形调整精度的影响。其次,利用线性矩阵不等式（Linear Matrix Inequality,LMI）理论,优化了误差闭环系统的正常跟踪性能,使故障模型状态渐近跟踪理想模型,对作动器故障率进行了在线辨识。
马伏新[3]（2020）在《基于DCS控制系统的锅炉主蒸汽温度控制策略研究》文中指出近些年来,我国经济发展迅速,所以,为了适应经济发展的节奏,人们对电力的需求也越来越大,虽然核电、风力发电以及太阳能发电等新型发电方式在我国发展迅速,但是,火力发电仍然占据了主导地位,截止2019年底,火力发电占比仍然在70%以上。然而,火力发电就离不开锅炉的作用,在锅炉的正常运行中,高温过热器出口过热蒸汽温度,即主蒸汽温度,是锅炉运行中的重要参数,它的高低直接影响锅炉运行的稳定性、经济性以及环保性。所以,为了使锅炉主蒸汽温度不至于偏高,保持在设定温度值附近,本文结合锅炉运行中常用的DCS（分散集成系统）控制系统,研究了一种控制主蒸汽温度的策略。本文以锅炉主蒸汽系统的热力过程及传热学理论为基础,首先研究了锅炉主蒸汽系统的结构及主蒸汽温度的基本控制方法,从锅炉炉膛内对流式过热器与辐射式过热器随负荷的温升特点的角度分析了主蒸汽温度的静态特性,又从蒸汽流量变化、烟气热量、减温水流量三个因素入手分析了主蒸汽温度的动态特性,并介绍了主蒸汽温度的控制特点及双回路的控制系统。其次,深入研究并分析了应用在主蒸汽温度控制的PID控制系统的结构及功能作用,提出了一种带有前馈-反馈的串级PID控制系统,并利用Simulink对其进行建模和一维仿真。仿真中以阶跃信号为初始信号,并在仿真过程中加入干扰信号,通多对仿真结果的分析,说明了带有前馈-反馈的控制系统具有良好的控制特性。再次,分析锅炉主蒸汽系统,利用MATLAB软件建立主蒸汽系统热力计算模型,将计算模型分为燃料燃烧计算、炉膛热力计算、分隔屏过热器计算、高温过热器计算、减温水量计算五个主要大模块,该模型可以计算锅炉的总风量、总煤量、一、二级减温水量等参数,并且,这些参数可以显示在已编写的GUI面板中,方便输入计算。随后,将锅炉的三个典型负荷（50%、75%、100%）的电厂额定设定值与模块计算结果对比,误差在模型计算允许的范围内,从而验证了计算模型的准确性。最后,利用MATLAB计算模型计算主蒸汽流量与喷水减温器中减温水量的关系,将其应用于锅炉DCS系统中的主蒸汽温度前馈-反馈控制回路中,搭建相应的组态SAMA图,并对其进行试验验证,试验结果表明,在应用该系统后,主蒸汽温度上下波动较小且较为稳定,具有良好的控制效果。通过以上工作,最终形成一个完整的以DCS控制系统为依托的主蒸汽温度控制策略。
赖剑人[4]（2020）在《基于PSO-LSSVM水质预测污水处理控制系统的研究与实现》文中提出污水处理作为城市水资源循环利用的最后一环,在居民生产生活用水中起着不可或缺的作用。我国的污水处理技术起步较晚,随着环境污染问题的日益加剧,污水处理厂较为落后的处理能力无法满足现有的生活生产污水排放需求。本文针对污水处理控制系统控制自动化程度不高,反馈控制较弱,经常有水质超标等问题,以城镇污水处理厂为研究背景,设计污水处理控制系统,利用机器学习算法对水质进行预测推理,反馈控制污水处理工艺过程,实现对超标水质提前进行工艺调整,有效预防水质超标。论文从污水处理水质与工艺影响因素入手,进行了水质预测、控制系统设计等研究,能够有效提高污水处理控制过程的稳定性、鲁棒性,有助于污水处理实现无人值守。本文主要做了以下研究工作:（1）分析了污水处理工艺流程的水质影响因素,构建各个工艺过程与其对水质产生的影响之间的关系。调研了基于实际项目的城镇污水处理厂,该污水处理厂采用AA/O污水处理工艺,研究污水处理的关键设备,对污水处理厂的各个主要工艺进行分析,并根据污水处理工艺特点,研究水质影响因素。（2）依据污水处理工艺以及水质、水量分类样本,提出了基于PSO-LSSVM的污水处理水质预测与基于水质预测的模糊工艺推理模型。利用统计及聚类方法对污水处理过程监测得到的进出水量、进出水质等参数进行样本分类,利用PSOLSSVM对监测数据进行训练,构建污水处理水质预测模型,并利用训练结果预测未来的出水水质,在样本数量较小的情况下利用权重调整对预测的精度进行改进,并通过仿真验证了算法的合理性。利用模糊推理的方法计算预测水质与工艺影响因素之间的隶属关系,构建水质预测工艺推理模型,通过预测得到的水质情况推理工艺影响因素,反馈给控制系统进行相应工艺参数的修改。（3）针对污水处理控制系统存在的控制系统自动化及反馈控制较为薄弱等问题,基于水质预测推理模型设计一套水质预测污水处理控制系统。基于PLC控制技术、iFIX组态软件以及Visual Studio等平台,设计适用于本文所研究的污水处理厂的控制系统,主要包括现场、远程自动控制以及水质预测反馈控制。对所需的PLC模块以及仪器仪表选型,根据AA/O工艺以及水质预测模型设计控制流程并编写控制程序。通过iFIX组态软件设计上位机系统实现现场设备运行情况以及数据采集情况显示,设计水质预测反馈控制系统实现污水处理水质预测以及工艺流程反馈控制。最后,针对本文研究的城镇污水处理厂,将基于PSO-LSSVM水质预测污水处理控制系统实装于该污水处理厂中,对自动控制系统以及水质预测反馈控制系统进行试运行,结果表明控制系统运行稳定、自动化程度高、反馈效果优良,有益于实现污水处理厂的无人值守管理。
伍小龙[5]（2019）在《城市污水处理过程自组织滑模控制研究》文中研究说明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。
程世超[6]（2019）在《面向底层视觉问题的稳定收敛可学习优化方法研究》文中研究表明优化方法是解决底层视觉问题的重要手段之一。它借助人们对视觉问题的经验知识建立优化目标函数,然后采用理论分析较为完善的数值迭代算法进行求解,但通常会因为目标函数过于复杂而求解困难。一些方法采用直接在迭代中插入深度网络结构建立可学习优化算法来避免复杂求解,但这种简单粗暴的结合导致算法的稳定性、收敛性等理论结果遭到破坏。本文瞄准该问题展开研究,通过精细的设计,提出了一系列具有稳定性或者收敛性分析的可学习优化方法,解释了深度网络传播在学习目标函数下降方向的有效性,并在底层视觉问题中给予验证。其主要贡献如下:1.稳定的反馈控制系统实现图像盲复原。针对图像盲复原算法求解不稳定的问题,基于梯度下降求解过程可以被离散反馈控制系统所模拟的观点,提出利用稳定的反馈控制系统实现去模糊过程中潜在图像的演化过程。具体地,通过设计有效的控制器和反馈过程来构造反馈控制系统,并利用控制器元件的系数控制整个算法的稳定性。为提升算法性能,该方法结合图像稀疏先验和数据,设计了可学习的引导、滤波器、稀疏测度共同作为系统的控制器。非盲去卷积上的实验验证了所提出反馈控制系统的有效性,不同场景数据库上的可视化实验也表明我们的方法取得了比其他方法更好的结果。2.全局收敛的深度网络和优化模型桥接框架。针对现存求解底层视觉问题的传统模型和深度网络的结合方式过于简单粗暴、且破坏了原算法收敛性的弊端,借鉴非精确近端梯度算法的思路,提出了带有检测机制的传统模型和深度网络的结合框架。将深度网络嵌入可展开的优化模型迭代过程中后,通过引入最优性误差检测条件和近端反馈机制,用以判断网络是否对图像演化产生积极影响,并在理论上证明了迭代的图像序列可以全局收敛到给定模型的临界点。这为深度网络的可解释性和收敛性分析提供了新的思路。超分辨率和去卷积问题上的实验表明所提出方案能够收敛到原问题的一个局部最优解,并取得比传统方法和网络方法都更优的效果。3.多变量非凸优化的深度算子分裂。针对底层视觉任务中多变量并存难以求解的问题,采用算子分裂方式简化目标函数,提出多变量非凸模型的可学习解决方案。该方法从视觉任务出发,在每个子问题中先引入Bregman距离惩罚变量,然后再将任务相关的经验积累分裂为三元算子:数据驱动的网络算子、保真项驱动的梯度算子和先验驱动的近端算子。这些设计使该方法既能适应更多场景,又能有收敛性保障。图像去卷积问题上的收敛性实验验证了在多变量情况下,所提出方法能够以较少的迭代次数收敛。图像修补问题上的定性定量结果也表明所提出方法比现有方法复原效果更好。
曹靖文[7]（2019）在《物流任务与资源两阶段自适应匹配研究》文中指出在物流领域的信息技术不断发展的今天,物流需求不断向多样化、动态化和复杂化的特征变化,与此同时,随着物流资源整合与配置平台的发展,面对海量、多粒度的物流资源表征信息、物流任务需求信息和动态匹配信息等,使得物流匹配系统的规模越来越大,越来越复杂,并呈现高维、结构非线性、信息模糊性等特征和问题。因此,如何让物流资源与任务进行智能化、灵活化和高效化的匹配并能自适应复杂多样的任务需求环境的变化,已经成为亟待解决的问题。本文提出模糊与精细相结合的两阶段匹配方法,提高匹配效率,并适应不同阶段的需求变化,实现物流资源与任务的一对一匹配。在第一阶段提出基于距离空间函数的模糊匹配模型,根据量化的物流能力进行模糊匹配,得到一对多的匹配结果,提高匹配效率;第二阶段提出多目标组合优化的精细匹配模型,并设计蚁群算法求解,适应复杂多样的物流需求,得到一对一的匹配结果。然后,提出基于多层前馈神经网络的自适应反馈方法,形成结果反馈控制和匹配闭环,实现匹配过程的循环优化。主要的研究工作如下:1)研究物流资源与任务的第一阶段模糊匹配。首先采用基于模糊物元TOPSIS相对贴近度的物流能力量化模型,通过投影法确定量化指标的权重。根据物流资源与任务的自适应形式化描述,以及量化后的物流能力提出基于距离空间函数匹配模型,利于候选资源池的快速形成,实现物流任务与资源1对多的高效匹配。2)研究物流资源与任务的第二阶段精细匹配。首先根据精细匹配基本思路构建多目标组合优化匹配模型,然后基于改进的TSP问题,设计蚁群算法进行组合优化匹配,适应不断变化且复杂多样的物流任务需求,得到物流任务与资源1对1的匹配结果。3)研究自适应匹配控制。分析两阶段匹配中各环节,提出基于多层前馈神经网络自适应反馈控制算法,对两阶段匹配过程中的运作策略和智能化决策进行自适应学习并反馈,提高对物流需求的预见性,形成匹配优化闭环,循环优化匹配过程,提高匹配智能性。4)算例分析。通过算例验证两阶段匹配方法的有效性和合理性,形成一对一的匹配结果,并验证多层前馈神经网络自适应反馈算法对物流任务的资源推荐作用的可行性和有效性。
王佳俊[8]（2019）在《心墙堆石坝坝面碾压智能监控方法与应用研究》文中提出水利工程建设攸关经济发展与社会民生。自“十三五”水利改革及发展规划制定以来,水利工程建设规模和投资规模逐年扩大,并取得了显着的经济效益和社会效益。心墙堆石坝以其经济性、安全性等显着优点成为首选坝型。随着人工智能、物联网、大数据等先进技术的快速发展,智能建设时代随之到来。心墙堆石坝碾压施工在经历过人工化、机械化、自动化阶段后,正逐渐由数字化阶段向智能化阶段推进。然而,心墙堆石坝数字化碾压在智能建设时代面临着坝面碾压施工信息感知不全面、感知技术与方法缺乏先进性、坝面碾压施工质量分析缺乏深度、坝面碾压施工过程决策与控制智能化水平低等诸多挑战。因此,迫切需要总结已有工程的研究成果和经验,全面开展心墙堆石坝坝面碾压智能监控方法研究,集中攻关亟待解决的关键技术,提升心墙堆石坝坝面碾压施工管理与控制水平。本文就上述问题展开了深入的研究分析,取得了如下的主要成果:（1）提出了心墙堆石坝坝面碾压智能监控基本概念,丰富和发展数字大坝理论。在经历了人工化、机械化、自动化和数字化四个建设阶段后,心墙堆石坝施工管理与控制理论已发展至数字大坝理论,并以此为基础先后出现施工信息模型、智慧大坝、智能监控和大坝智能建设等基本理念。这些理念从碾压施工的感知、分析、控制及监控系统研发等方面为心墙堆石坝碾压施工提供了科学的指导。然而,以这些理念为基础的心墙堆石坝坝面碾压施工还面临着坝面碾压施工信息感知不全面且感知技术与方法缺乏先进性、坝面碾压施工质量分析缺乏深度、坝面碾压施工过程决策与控制智能化水平低等诸多挑战。针对上述问题,首先,详细回顾了心墙堆石坝坝面碾压施工管理的发展历程,深入剖析了数字大坝、施工信息模型、智慧大坝、智能监控和大坝智能建设的基本概念和内涵,并融合“物联网+”、“人工智能+”等多种智能技术理念,紧扣心墙堆石坝坝面碾压施工的工程特点,提出心墙堆石坝坝面碾压智能监控基本概念,同时阐述了心墙堆石坝坝面碾压智能监控的基本特征和主要研究内容;其次,梳理心墙堆石坝坝面碾压施工智能感知、智能分析、智能控制等各环节的技术方法;最后,建立了心墙堆石坝坝面碾压智能监控数学模型,描述了心墙堆石坝坝面碾压智能监控的目标集、信息集、方法集和约束集,提出了心墙堆石坝坝面碾压智能监控的研究框架。（2）针对目前心墙堆石坝坝面碾压施工信息感知不全面且感知技术与方法缺乏先进性的问题,提出了心墙堆石坝坝面碾压施工信息智能感知与集成方法,实现了坝面碾压施工信息的智能感知与集成。目前心墙堆石坝坝面碾压施工尚未建立完善的坝面碾压施工信息感知体系,无法全面透彻感知坝面碾压施工信息,如缺乏对碾轮振动信号噪声的处理与碾轮振动特性参数的感知,缺乏对多类型障碍物的识别,以及缺乏对大坝地形地貌信息的感知与重构等;同时,在坝面碾压施工信息集成方面存在未集成多源异构坝面碾压施工信息、未进行不平衡数据处理等问题。针对上述问题,提出了心墙堆石坝坝面碾压施工信息智能感知与集成的方法。首先,分析了坝面碾压施工信息智能感知与集成的内容与技术,建立了集感知、传送、集成于一体的坝面碾压施工信息智能感知与集成框架;其次,采用加速度传感器感知碾轮的振动信号,并在小波降噪的基础上采用快速傅里叶变换提取碾轮振动特性参数,为坝面碾压施工质量评价提供数据基础与技术支持;再者,提出基于空洞卷积核的Faster-RCNN（Regions with Convolutional Neural Network）模型,在机载工业相机获取的图像信息基础上识别仓面中多类型障碍物,为实现坝面碾压施工安全控制提供理论基础;再者,采用基于无人机倾斜摄影的三维建模技术实现大坝地形地貌信息的感知与重构,为心墙堆石坝坝面碾压施工智能监控系统三维场景的搭建提供技术支持;进而,设计多源异构坝面碾压施工信息集成框架,实现碾压参数、料源参数、碾轮振动特性参数和试坑试验数据的集成,为施工信息分析提供数据基础;最后,提出基于K-Means的下抽样方法,能够在保持子概念个数不变的同时剔除局部密集数据,实现了对不平衡数据的处理,以保证数据分析的可靠性。（3）针对目前心墙堆石坝坝面碾压施工质量分析深度不够的问题,提出了心墙堆石坝坝面碾压施工质量智能分析方法,实现了坝面碾压施工质量的智能分析。目前心墙堆石坝坝面碾压施工质量分析存在如下问题:首先,未能综合考虑碾压参数、料源参数及碾轮振动特性参数对压实质量的影响;其次,目前常采用的多元线性回归、反向传播神经网络和支持向量回归等算法建立的压实质量评价模型在精度、鲁棒性和泛化能力等方面均有待进一步提升;最后,上述模型均未能够实时地对坝面碾压施工质量进行智能评价,且缺乏坝面碾压施工质量评价模型的更新研究。针对上述问题,提出了心墙堆石坝坝面碾压施工质量智能分析方法。首先,以心墙堆石坝坝面碾压施工信息智能感知数据为基础,综合考虑碾压参数、料源参数、碾轮振动特性参数对坝面碾压施工质量的影响,建立坝面碾压施工质量综合评价数学模型;其次,考虑到模糊逻辑虽然具有较强的鲁棒性、但是模型精度受限于规则库建立的问题,同时支持向量回归虽然具有较强的泛化能力、但是无法逼近L2（R）中的函数从而无法保证拟合精度的问题,从模糊逻辑规则库建立以及支持向量回归在L2（R）函数逼近等方面考虑,结合混沌理论、自适应理论、量子行为等多种智能成分,分别提出基于组合核和智能细菌觅食的模糊逻辑以及基于智能细菌觅食的自定义核支持向量回归两种算法,并在此两种算法基础上建立高精度、高泛化能力和高鲁棒性的压实质量评价模型;通过与常用模型的对比分析,选出精度、泛化能力和鲁棒性最优的模型,并将其嵌入至碾压施工智能监控系统中,从而实现压实质量的智能评价;最后,提出了基于增强概率神经网络和可变窗口技术的概念漂移检测算法,实现了对坝面碾压施工流数据中概念漂移现象的检测,并以出现概念漂移为条件实现了压实质量模型的更新,解决了当前碾压施工质量评价模型何时更新、如何更新的问题。（4）针对目前心墙堆石坝坝面碾压施工过程决策与控制智能化水平低的问题,提出了心墙堆石坝坝面碾压施工智能控制方法,实现坝面碾压施工事前、事中和事后的智能控制。心墙堆石坝坝面碾压施工控制可以分为事前、事中和事后控制。目前,事前控制主要通过碾压试验确定碾压参数的方法实现,但是这种方式未考虑坝面碾压施工质量、施工进度和施工成本的综合影响;事中控制主要依托车载平板系统对超速、不达标碾压遍数和错误振动状态等进行实时报警,但是忽略了对坝面碾压施工质量的评价,缺乏对仓面施工路径规划、仓面内多类型障碍物的目标识别,未能够有效的控制坝面碾压施工质量和安全;事后控制主要通过试坑试验抽检实现,但这种方式存在离散性大,时效性差等缺点。针对上述问题,提出了心墙堆石坝坝面碾压施工过程智能控制方法。首先,建立了心墙堆石坝坝面碾压施工智能控制框架,阐述事前、事中和事后各环节控制的内容与对应的控制方法;其次,提出多目标智能细菌觅食算法,求解以碾压参数为决策变量、以进度和成本为多目标、以碾压质量为主要约束的优化模型;最后,提出了基于AR（Augmented Reality）实景导引的坝面碾压施工智能控制方法,对坝面碾压施工路径规划、压实质量智能评价、障碍物目标识别等虚拟信息与摄像头获取的真实施工场景进行虚实融合,实现了对坝面碾压施工质量不合格、坝面碾压施工安全隐患等问题形象、直观的实时报警,并同时规划了补碾方案,进而实现事中与事后的智能控制。（5）基于心墙堆石坝智能感知、智能分析与智能控制等,研发了心墙堆石坝坝面碾压施工智能监控系统。目前心墙堆石坝数字化碾压施工质量实时监控系统实现了碾压参数的全天候、精细化实时监控。但是该系统以二维界面实现信息的可视化,存在展示直观性差、交互友好性差等不足;同时,该系统基于C/S构架（Client/Server）开发,主要在Windows系统中运行,跨平台使用难度大;而且C/S架构中客户端承载大量逻辑处理功能,因此该系统还存在数据易泄露的安全隐患。针对上述问题,结合坝面碾压施工信息智能感知、坝面碾压施工质量智能分析及坝面碾压施工过程的智能控制等方面的研究成果研发了心墙堆石坝坝面碾压施工三维智能监控系统。该系统采用B/S架构（Browser/Server）替换C/S架构,解决了数字化碾压施工质量实时监控系统跨平台使用难度大的问题,并且B/S架构将逻辑处理功能集成在服务端中,解决了数据易泄露的问题;同时,该系统采用面向对象技术、基于Unity3D（U3D）的虚拟现实技术（Virtual reality,VR）等,在增强现实技术（Augmented reality,AR）与基于无人机倾斜摄影搭建的三维虚实结合场景中,实现坝面碾压施工信息的集成、坝面碾压施工信息的智能分析及坝面碾压施工过程的智能控制等功能,解决了数字化碾压施工质量实时监控系统展示直观性差、交互友好性差等问题。
路兴龙[9]（2019）在《数据驱动的磨矿过程运行优化控制》文中提出在选矿过程中,磨矿过程作为破碎过程的下一道工序,在矿物破碎的基础之上进一步对矿物进行研磨粉碎,将大颗粒矿物原料粉碎到适宜粒度,使有用矿物与脉石单体解离或使不同种的有用矿物相互解离,为选矿过程的后续工序提供原料。由于磨矿过程高能耗的特点和位于选矿过程中的重要位置,磨矿过程的产品粒度与循环负荷对选矿生产全流程的精矿品位和产量有重要影响,更与选矿厂的综合经济技术指标密切相关。因此,磨矿过程的运行优化与控制方法的研究一直受到全球学者的持续关注和重视。磨矿过程由给矿量和泵池给水量控制的底层回路,和由磨矿粒度与循环负荷组成的运行层构成,多个给矿机、球磨机与分级设备之间存在复杂关联。磨矿过程反应机理复杂、难以建立数学模型、工况扰动使底层回路闭环控制系统处于动态、底层回路输出存在约束,需要将磨矿粒度与循环负荷控制在目标值范围内的同时,使处理量尽可能高,因此难以采用基于模型的传统运行优化控制算法。本文研究数据驱动的磨矿过程运行优化控制问题,不仅有着重要的理论价值,而且对数据驱动的复杂工业过程运行优化控制具有重要的应用意义。本文在国家重大基础研究发展计划（973）课题“复杂生产制造全流程一体化控制系统整体控制策略与运行控制方法（2009CB320601）”的支持下,针对数据驱动的磨矿过程优化控制问题进行研究,具体工作及研究成果如下:1.由于磨机给矿量和泵池补水量组成的底层回路受工况扰动的影响,如给矿过程多个传送皮带间相互切换使球磨机给矿量存在波动,使底层回路的闭环系统处在动态当中。针对底层回路闭环系统动态环境下的磨矿过程运行控制问题,本文提出了一种基于自适应动态规划与障碍函数的运行控制方法。算法首先将底层回路的动态,转化到运行层中,并以运行层采样时间来表达。通过建立输入和状态变量约束的障碍函数,并将其引入最优控制问题的目标函数中,保证了求解磨矿过程运行指标跟踪的最优控制问题满足输入和状态变量的约束。利用自适应动态规划技术,在不需要对磨矿过程建模的条件下,进行在线近似求解,实现磨矿过程运行优化控制。通过机理分析与数据验证建立磨矿过程仿真模型,进行了所提方法的仿真实验,实验结果表明该方法在不需要磨矿过程运行过程模型的前提下,可以使磨机给矿量和泵池补水量的设定值分别满足各自约束,同时将磨矿粒度和循环负荷这两个运行指标控制在工艺确定的目标范围内;2.针对磨矿过程底层回路输出受限使得难以将磨矿粒度和循环负荷两个运行指标控制在最佳目标值的难题,本文提出了一种基于自适应动态规划与参考信号调节器的运行控制方法,引入了稳态输出输入映射并建立相应的查找表,设计了参考信号调节器。参考信号调节器可以通过预测,实时调节设定值来满足输入约束。提出的基于近似策略迭代算法的自适应动态规划方法可以将运行指标与最佳目标值的偏差控制在目标值范围内。利用所提方法与不带有参考信号调节器的方法进行比较,仿真结果表明了所提方法的有效性;3.针对磨矿粒度和循环负荷控制在由工艺指定的目标范围内,并使磨矿处理量尽可能高的问题,本文提出了一种基于极值搜索的多目标运行优化方法。首先,针对磨矿过程的稳态运行过程,将运行指标的区间控制和处理量最大化,分别定义各自的目标函数并赋予相应的权值,将多目标优化问题转化为一个单目标优化问题。将给矿量和泵池给水量的约束利用一种基于精确惩罚函数的方法进行处理,对超限的信号利用惩罚函数进行惩罚。为了保证磨矿过程稳定运行,引入了死区算子并对极值搜索控制结构进行了相应的修改,可以使算法在达到极值之后停止震荡。在存在死区算子的情况下,该算法的误差闭环系统的解是最终一致有界的,如果不存在死区算子,该算法的误差闭环系统的解是局部指数渐进稳定的。利用磨矿过程仿真模型进行仿真实验,与一种基于障碍函数的极值搜索方法进行对比实验,实验结果表明,本文方法可以在不需要模型的条件下,提高极值搜索的速度,并且系统进入稳态后不存在震荡,使得运行指标趋势更加平滑,也提高了运行的平稳性,避免了过磨和欠磨的发生。运行过程中可以保证磨机给矿量和泵池补水流量满足约束。仿真实验结果表明了算法的有效性。
夏萌[10]（2018）在《变海拔下柴油机二级增压系统的控制方法研究》文中研究说明我国地理环境复杂多样,山地和高原地形在国土面积中占有很大的比例,高原地区车用柴油机进气状况的恶化极大的影响了其性能的发挥。近年来,工程运输、国防装备都对提升柴油机的变海拔适应性能提出了客观要求。二级增压系统一方面可以保证柴油机在高原环境下具有较高的增压压比,改善高原地区柴油机进气状态恶化的状况;另一方面,由于高压级涡轮旁通阀的调节作用,二级增压系统的压比可以根据工况变化进行调节,从而可以满足不同工况下的增压压力需求。二级增压系统在提升柴油机变海拔适应性能方面取得了良好的效果。本文以二级增压柴油机系统为研究对象,以提升柴油机变海拔下性能为目标,进行了变海拔下柴油机二级增压系统的控制方法研究。对二级增压柴油机开展了详细的动态建模及相关参数影响规律研究。从研究对象的动态特性出发,搭建了二级增压柴油机动态仿真模型并通过实验数据进行了模型校核。通过系统稳态过程仿真分析了高压级涡轮旁通阀开度、喷油提前角和循环喷油量对柴油机关键性能指标参数的影响规律,并通过典型动态工况仿真分析了影响二级增压柴油机系统增压压力的关键因素（旁通阀开度和循环喷油量）。为后续稳态控制参数匹配、可调执行机构控制和增压压力的控制的研究工作奠定基础。以提升柴油机不同海拔下的平均有效输出功率为目标,提出一种基于模糊P调节器的模糊优化算法。首先在柴油机外特性运行区域,实现二级增压系统稳态过程控制参数（涡轮旁通阀的开度）与供油参数（循环喷油量和喷油提前角）的优化匹配。根据各海拔外特性的优化结果进行台架试验,试验结果表明,4500m额定点的柴油机功率为266k W,达到平原功率的80.6%,证明了优化算法的有效性。其次在部分负荷区域,通过仿真分析不同涡轮旁通阀开度对柴油机功率的影响,优选出部分负荷的最优旁通阀开度和最优增压压力。最后采用线性插值的方式获取全工况下最优的旁通阀开度和增压压力脉谱图,分别作为二级增压系统增压压力开环控制的输出和闭环控制的控制目标。针对二级增压系统可调执行机构的控制展开研究。首先搭建了二级增压系统可调执行机构试验台架,对气体压力调节电磁阀的动态特性展开试验研究,获得了气体压力调节电磁阀输入输出变参数传递函数关系式;其次基于传递函数建立了气体压力调节阀、气动执行器和整个可调执行机构的动态系统模型;然后针对传统PID（Proportion Integral Differential）方法解决变参数问题时在控制性能和鲁棒稳定性方面存在的不足,同时考虑排气等非线性干扰因素及系统结构参数的不确定性,采用线性变参数混合H2/H∞输出反馈控制器设计方法进行了可调执行机构控制器的设计;最终通过柴油机典型工况仿真对可调执行机构控制算法进行了验证。针对二级增压系统的增压压力闭环控制算法设计展开研究。针对循环喷油量剧烈变化带来的增压压力超调问题,选取稳态优化得出的增压压力脉谱图作为控制目标,设计了两种增压压力闭环控制算法。首先在原有基于增益调度的增压压力PI控制算法基础上,建立了动态过程循环喷油量变化对比例增益和积分增益的影响关系式,设计了基于动态修正与增益调度的增压压力PI控制算法,仿真结果表明,对比基于增益调度的PI控制算法,改进的动态修正算法使柴油机定负载加速过程中增压压力的超调量降低了56%;其次设计了基于外部回归神经网络的增压压力预测控制算法,通过不同海拔下的动态工况参数辨识获取神经网络的训练数据,基于带有输入和输出延迟的回归网络建立了具有变海拔预测能力的增压压力动态预测模型,采用牛顿-拉夫森迭代法进行目标函数解算,并对预测控制算法的误差稳定性进行了推导,仿真结果表明,对比基于增益调度的PI控制算法,预测控制算法使柴油机定负载加速过程中增压压力的超调量降低了33%,有效地解决了PID控制器在解决增压压力控制这一多输入单输出控制问题时存在的不足,并降低了控制器设计过程的标定量。
二、A Direct Feedback Control Based on Fuzzy Recurrent Neural Network（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、A Direct Feedback Control Based on Fuzzy Recurrent Neural Network（论文提纲范文）
（1）基于数据驱动的间歇化工过程批次内和批次间复合优化控制策略研究（论文提纲范文）
| 缩略语表 |
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究目的和意义 |
| 1.2 间歇化工生产过程控制的难点及常用控制策略 |
| 1.2.1 间歇化工生产过程控制难点 |
| 1.2.2 间歇生产过程的常用控制策略 |
| 1.3 数据驱动控制 |
| 1.3.1 模型驱动控制与数据驱动控制的比较 |
| 1.3.2 PID控制及自整定策略 |
| 1.3.3 迭代学习控制 |
| 1.4 间歇化工过程控制复合架构研究 |
| 1.4.1 复合架构研究的必要性 |
| 1.4.2 复合架构的形式 |
| 1.4.3 间歇化工过程中复合架构迭代学习控制的应用情况 |
| 1.5 时序预测技术与终点质量迭代学习控制 |
| 1.5.1 时序预测技术研究现状 |
| 1.5.2 终点质量迭代学习控制研究现状 |
| 1.6 研究论文的主要内容 |
| 第二章 间歇化工过程批次内时间域控制 |
| 2.1 引言 |
| 2.2 RBF神经网络及差分进化算法 |
| 2.2.1 RBF神经网络结构及学习算法 |
| 2.2.2 差分进化算法 |
| 2.3 IDE-RBF-LM-PID算法设计 |
| 2.3.1 RBF-PID控制算法 |
| 2.3.2 LM算法改进RBF-PID |
| 2.3.3 IDE算法优化RBF网络 |
| 2.4 智能自整定PID控制算法电加热控制实现 |
| 2.4.1 电热水浴装置 |
| 2.4.2 算法设计 |
| 2.4.3 仿真验证 |
| 2.5 智能自整定PID控制算法微化工过程制冷箱控制实现 |
| 2.5.1 制冷箱和控制系统设计 |
| 2.5.2 程序设计 |
| 2.5.3 控制结果 |
| 2.6 智能自整定PID控制算法Chylla Haase间歇反应釜控制实现 |
| 2.6.1 Chylla Haase间歇反应装置 |
| 2.6.2 数学模型 |
| 2.6.3 Matlab Simulink模型开发 |
| 2.6.4 算法设计 |
| 2.6.5 仿真验证 |
| 2.7 本章小结 |
| 第三章 间歇化工过程批次间迭代学习控制及复合控制实现 |
| 3.1 引言 |
| 3.2 复合结构的稳定性分析 |
| 3.2.1 系统形式 |
| 3.2.2 复合控制器结构 |
| 3.2.3 稳定性分析 |
| 3.3 批次间迭代学习控制自适应算法设计 |
| 3.3.1 去伪控制算法 |
| 3.3.2 设计批次间去伪控制算法 |
| 3.3.3 基于有限控制器参数集合的去伪控制策略自适应ILC及算法收敛性证明 |
| 3.4 自适应迭代学习控制算法应用设计 |
| 3.4.1 间歇化工过程批次间控制的难点及大小批次划分 |
| 3.4.2 大小批次划分后初始控制问题 |
| 3.5 Chylla Haase间歇反应过程复合控制实验结果及分析 |
| 3.5.1 方案设计 |
| 3.5.2 结果分析 |
| 3.6 本章小结 |
| 第四章 基于LSTM的间歇蒸馏过程转馏分点预测及终点质量迭代学习控制 |
| 4.1 引言 |
| 4.2 基于LSTM的时序预测建模 |
| 4.2.1 模型建立流程 |
| 4.2.2 数据重构 |
| 4.2.3 长短期记忆神经网络建模基础 |
| 4.2.4 模型搭建与预测 |
| 4.3 数据驱动终点质量迭代学习控制对D1 蒸馏过程纯度的控制 |
| 4.3.1 终点迭代学习控制算法设计 |
| 4.3.2 算法实现 |
| 4.4 系统GUI软件集成 |
| 4.5 本章小结 |
| 第五章 结论与展望 |
| 5.1 本文主要工作 |
| 5.2 主要创新点 |
| 5.3 下一步工作展望 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
| 主要简历 |
| 致谢 |
（2）空间反射面天线热变形主动调节与容错控制研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 本课题研究背景 |
| 1.2 反射面天线主动调整系统现状 |
| 1.3 主动调整系统控制策略研究现状 |
| 1.3.1 多变量耦合系统控制策略研究现状 |
| 1.3.2 多变量不确定性系统控制策略研究现状 |
| 1.4 多输入多输出系统容错控制研究现状 |
| 1.4.1 被动容错控制技术 |
| 1.4.2 主动容错控制技术 |
| 1.5 本文主要工作及创新点 |
| 第二章 空间反射面天线主动调整机构布局与控制 |
| 2.1 引言 |
| 2.2 空间反射面天线主动调整机构布局优化 |
| 2.2.1 空间反射面天线主动调整机构简介与温度场分析 |
| 2.2.2 空间反射面天线主动调整机构位置优化模型建立 |
| 2.2.3 优化模型的AFPSO求解 |
| 2.2.4 主动调整机构位置求解 |
| 2.3 空间反射面天线主动调整系统建模 |
| 2.4 基于LQR离散多变量系统控制方法 |
| 2.5 仿真分析 |
| 2.5.1 基于LQR离散多变量控制 |
| 2.5.2 基于LQR离散多变量控制鲁棒性仿真分析 |
| 2.6 小结 |
| 第三章 基于参考模型的模糊神经网络强化学习控制 |
| 3.1 引言 |
| 3.2 基于参考模型的强化学习控制 |
| 3.2.1 基于参考模型的强化学习控制 |
| 3.2.2 基于强化学习的修正项求解 |
| 3.3 基于参考模型的模糊神经网络强化学习控制策略 |
| 3.4 仿真分析 |
| 3.4.2 参数改进 |
| 3.4.3 参数仿真验证 |
| 3.5 小结 |
| 第四章 基于模糊观测器的自适应解耦控制 |
| 4.1 引言 |
| 4.2 基于模糊观测器的自适应解耦控制 |
| 4.2.1 不确定性多变量耦合系统解耦 |
| 4.2.2 自构架模糊干扰观测器设计 |
| 4.3 仿真分析 |
| 4.3.1 基于模糊观测器的自适应解耦控制仿真分析 |
| 4.3.2 基于不同扰动量仿真分析 |
| 4.4 小结 |
| 第五章 调整机构故障函数辨识 |
| 5.1 引言 |
| 5.2 作动器故障模型建立 |
| 5.3 自构架模糊UKF故障逼近 |
| 5.3.1 故障状态UKF估计 |
| 5.3.2 自构架模糊UKF故障逼近 |
| 5.4 故障分类 |
| 5.5 仿真分析 |
| 5.6 小结 |
| 第六章 主动调整机构自适应容错控制 |
| 6.1 引言 |
| 6.2 自适应容错控制策略设计 |
| 6.3 仿真分析 |
| 6.3.2 主动调整机构故障仿真分析 |
| 6.3.3 主动调整机构失效仿真分析 |
| 6.4 小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（3）基于DCS控制系统的锅炉主蒸汽温度控制策略研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状及趋势 |
| 1.2.1 主蒸汽温度PID控制现状 |
| 1.2.2 主蒸汽温度DCS控制现状 |
| 1.3 本文主要研究内容 |
| 第2章 锅炉主蒸汽温度系统结构及其控制 |
| 2.1 锅炉汽水系统简介 |
| 2.2 主蒸汽温度控制特性分析 |
| 2.2.1 主蒸汽温度静态特性 |
| 2.2.2 主蒸汽温度动态特性 |
| 2.2.3 锅炉主蒸汽温度控制特点及基本控制方法 |
| 2.3 本章小结 |
| 第3章 PID控制系统及主蒸汽系统前馈控制分析与仿真 |
| 3.1 PID控制原理简介 |
| 3.2 串级PID控制系统原理 |
| 3.3 前馈-反馈控制系统的在主蒸汽温度控制应用及仿真 |
| 3.3.1 前馈-反馈控制原理概述 |
| 3.3.2 带有前馈-反馈调节的串级控制系统 |
| 3.4 主蒸汽温度PID控制系统的仿真研究 |
| 3.4.1 不同负荷下主蒸汽温度控制串级PID控制系统仿真研究 |
| 3.4.2 串级控制系统与前馈-反馈控制系统仿真比较研究 |
| 3.5 本章小结 |
| 第4章 主蒸汽减温水系统MATLAB程序及其计算结果分析 |
| 4.1 燃料燃烧计算 |
| 4.1.1 基础换热工质容积计算 |
| 4.1.2 热平衡计算 |
| 4.2 炉膛热力计算 |
| 4.2.1 炉膛结构计算 |
| 4.2.2 燃料消耗量计算 |
| 4.2.3 炉膛出口烟温计算 |
| 4.3 分隔屏过热器计算 |
| 4.3.1 分隔屏过热器热力计算 |
| 4.3.2 辐射换热计算 |
| 4.3.3 对流换热及烟气放热系数计算 |
| 4.3.4 附加受热面计算 |
| 4.4 高温过热器计算 |
| 4.5 减温水量计算 |
| 4.6 Simulink以及GUI面板程序实现 |
| 4.7 计算结果分析 |
| 4.8 本章小结 |
| 第5章 DCS控制系统简介及其联合仿真应用 |
| 5.1 DCS控制系统概述 |
| 5.2 EPDF-NT+系统的硬件结构 |
| 5.3 系统工具与算法简介 |
| 5.3.1 控制组态工具 |
| 5.3.2 工程组织工具 |
| 5.3.3 过程画图工具 |
| 5.3.4 控制算法简述 |
| 5.3.5 其他工具 |
| 5.4 基于EPDF-NT+系统的主蒸汽温度控制系统工程设计 |
| 5.4.1 喷水减温水阀流量—开度特性分析 |
| 5.4.2 程序模拟计算下主蒸汽流量与减温水流量计算关系 |
| 5.4.3 DSC程序工作组态搭建及设计 |
| 5.4.4 工程实际应用及其结果分析 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 研究工作总结 |
| 6.2 论文创新点 |
| 6.3 研究存在问题及展望 |
| 参考文献 |
| 作者简介 |
| 致谢 |
（4）基于PSO-LSSVM水质预测污水处理控制系统的研究与实现（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 污水处理控制系统发展现状 |
| 1.2.1 污水处理控制系统国外发展现状 |
| 1.2.2 污水处理控制系统国内发展现状 |
| 1.2.3 污水处理控制系统存在的问题 |
| 1.3 水质预测研究现状 |
| 1.3.1 基于数理统计的水质预测方法 |
| 1.3.2 基于时间序列的水质预测方法 |
| 1.3.3 基于回归分析的水质预测方法 |
| 1.3.4 基于灰色模型的水质预测方法 |
| 1.3.5 基于机器学习的水质预测方法 |
| 1.4 课题主要研究内容 |
| 1.4.1 研究内容 |
| 1.4.2 组织结构 |
| 1.5 本章小结 |
| 第二章 面向污水处理工艺的水质影响因素分析 |
| 2.1 引言 |
| 2.2 污水处理概况 |
| 2.2.1 污水处理方法 |
| 2.2.2 污水处理水质指标 |
| 2.3 污水处理工艺设备 |
| 2.3.1 污水处理工艺总览 |
| 2.3.2 工艺流程关键设备 |
| 2.4 污水处理工艺的水质影响因素分析 |
| 2.4.1 机械处理工艺的水质影响因素分析 |
| 2.4.2 生化处理工艺的水质影响因素分析 |
| 2.4.3 深度处理工艺的水质影响因素分析 |
| 2.4.4 污泥处理工艺的水质影响因素分析 |
| 2.5 本章小结 |
| 第三章 基于PSO-LSSVM水质预测的污水处理工艺推理 |
| 3.1 引言 |
| 3.2 水质预测与工艺推理理论概述 |
| 3.2.1 最小二乘支持向量机(LSSVM)回归预测方法 |
| 3.2.2 基于粒子群(PSO)算法的参数优化 |
| 3.2.3 水质与工艺影响因素模糊推理原则 |
| 3.3 基于PSO-LSSVM的污水处理水质预测及工艺推理模型 |
| 3.3.1 基于统计及聚类的样本来源及分析 |
| 3.3.2 基于PSO-LSSVM的水质预测模型 |
| 3.3.3 基于水质预测的模糊工艺推理模型 |
| 3.4 基于PSO-LSSVM水质预测的污水处理工艺推理实例分析 |
| 3.4.1 数据预处理 |
| 3.4.2 基于PSO-LSSVM的水质预测仿真 |
| 3.4.3 基于水质预测的污水处理工艺推理 |
| 3.5 本章小结 |
| 第四章 水质预测污水处理控制下位机系统设计 |
| 4.1 引言 |
| 4.2 控制系统总体设备规划 |
| 4.2.1 控制方案设计 |
| 4.2.2 PLC及配套设备选型 |
| 4.2.3 数据采集监控 |
| 4.3 基于水质预测的工艺设备反馈控制设计 |
| 4.3.1 机械处理反馈控制设计 |
| 4.3.2 生化处理反馈控制设计 |
| 4.3.3 深度处理反馈控制设计 |
| 4.3.4 污泥处理反馈控制设计 |
| 4.4 基于TIA Portal的控制程序设计 |
| 4.4.1 模块化程序结构 |
| 4.4.2 主循环程序块 |
| 4.4.3 数据传输转换程序块 |
| 4.4.4 自动控制程序块 |
| 4.4.5 反馈控制程序块 |
| 4.5 现场控制系统设计 |
| 4.5.1 现场人机界面设计 |
| 4.5.2 系统抗干扰设计 |
| 4.6 本章小结 |
| 第五章 水质预测污水处理控制上位机系统设计 |
| 5.1 引言 |
| 5.2 上位机选型及系统配置 |
| 5.2.1 上位机选型及特点 |
| 5.2.2 上位机系统配置 |
| 5.3 上位机通讯方式 |
| 5.3.1 OPC技术 |
| 5.3.2 iFIX数据通讯 |
| 5.4 基于iFIX的上位机界面设计 |
| 5.4.1 用户登录及工艺总览界面 |
| 5.4.2 主要工艺流程界面 |
| 5.4.3 实时数据及设置界面 |
| 5.4.4 历史数据及报表界面 |
| 5.4.5 摄像头监控界面 |
| 5.5 水质预测反馈控制系统开发框架 |
| 5.5.1 开发工具 |
| 5.5.2 系统结构 |
| 5.5.3 系统模块 |
| 5.6 水质预测控制系统实现 |
| 5.7 本章小结 |
| 第六章 水质预测污水处理控制系统调试运行 |
| 6.1 引言 |
| 6.2 控制设备调试运行 |
| 6.2.1 系统总体组成 |
| 6.2.2 工艺流程测试 |
| 6.3 水质预测反馈控制系统试运行 |
| 6.4 本章小结 |
| 第七章 结论与展望 |
| 7.1 总结 |
| 7.2 创新点 |
| 7.3 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 1 作者简历 |
| 2 攻读硕士学位期间发表的学术论文 |
| 3 发明专利 |
| 学位论文数据集 |
（5）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 |
（6）面向底层视觉问题的稳定收敛可学习优化方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外相关工作研究进展 |
| 1.2.1 基于模型的优化方法 |
| 1.2.2 数据驱动的深度网络 |
| 1.2.3 可展开优化的迭代学习 |
| 1.3 非凸问题中的优化方法 |
| 1.3.1 非凸问题中的基本概念和性质 |
| 1.3.2 一阶优化算法及理论分析 |
| 1.4 现有解决底层视觉问题方法存在的问题 |
| 1.5 本文主要研究目标及贡献 |
| 1.6 本文章节安排 |
| 2 稳定的反馈控制系统实现图像去模糊 |
| 2.1 问题提出 |
| 2.1.1 图像盲去模糊 |
| 2.1.2 反馈控制系统 |
| 2.1.3 本章贡献 |
| 2.2 自适应的反馈控制系统实现图像演化 |
| 2.2.1 图像演化中的反馈控制系统组件 |
| 2.2.2 设计控制器中的自适应构件 |
| 2.2.2.1 自适应的跨层引导 |
| 2.2.2.2 可学习的卷积滤波器 |
| 2.2.2.3 平滑的稀疏测度 |
| 2.2.2.4 和卷积神经网络的对比分析 |
| 2.2.3 反馈控制系统的稳定性分析 |
| 2.3 反馈控制系统实现盲去模糊 |
| 2.3.1 估计模糊核 |
| 2.3.2 盲去模糊 |
| 2.4 去模糊实验结果分析 |
| 2.4.1 图像演化的反馈控制系统有效性验证 |
| 2.4.2 图像数据库上的评估 |
| 2.4.3 特殊类别图像的去模糊效果评估 |
| 2.4.3.1 人脸图像去模糊 |
| 2.4.3.2 文本图像去模糊 |
| 2.4.3.3 低光图像去模糊 |
| 2.4.4 真实模糊图像评估 |
| 2.5 本章小结 |
| 3 全局收敛的深度网络和优化模型桥接框架 |
| 3.1 问题提出 |
| 3.1.1 本章贡献 |
| 3.2 现存可训练迭代的关键问题:缺乏一般性和保证 |
| 3.3 模型启发的迭代模块 |
| 3.3.1 传播模块 |
| 3.3.2 优化模块 |
| 3.4 基于深度模型的传播和优化 |
| 3.4.1 一个有收敛性保障的深度可训练非凸解 |
| 3.4.1.1 非凸非光滑优化中的基于传播和优化的深度模型 |
| 3.4.1.2 收敛性分析 |
| 3.4.2 松弛的基于传播和优化的深度模型:一个端到端的协同学习 |
| 3.5 实验结果 |
| 3.5.1 基于传播和优化的深度模型解决稀疏编码 |
| 3.5.2 松弛的基于传播和优化的深度模型实现图像复原 |
| 3.5.2.1 和主流方法的对比 |
| 3.5.2.2 真实模糊图像 |
| 3.6 本章小结 |
| 4 多变量非凸优化的深度算子分裂 |
| 4.1 问题提出 |
| 4.1.1 本章贡献 |
| 4.2 可学习的Bregman分裂方法 |
| 4.2.1 Bregman距离惩罚 |
| 4.2.2 均一坐标更新方案 |
| 4.2.3 带有可学习结构的分裂算子 |
| 4.2.4 具体算法 |
| 4.3 算法收敛性分析 |
| 4.4 数值实验 |
| 4.4.1 l_p稀疏编码实现图像修补 |
| 4.4.2 非凸全变分实现图像去卷积 |
| 4.5 本章小结 |
| 5 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 攻读博士学位期间科研项目及科研成果 |
| 致谢 |
| 作者简介 |
（7）物流任务与资源两阶段自适应匹配研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 国内外研究现状 |
| 1.3.1 物流资源与任务匹配的研究现状 |
| 1.3.2 物流自适应控制的研究现状 |
| 1.4 论文研究目的及主要研究内容 |
| 1.4.1 论文的研究目的 |
| 1.4.2 论文的主要研究内容 |
| 1.5 论文创新点 |
| 1.6 论文的研究思路及技术路线 |
| 2 相关基础理论研究 |
| 2.1 自适应控制理论 |
| 2.1.1 自适应系统的含义 |
| 2.1.2 自适应控制的结构 |
| 2.1.3 模糊自适应控制理论 |
| 2.2 复杂适应系统理论 |
| 2.2.1 复杂适应系统的基本特点 |
| 2.2.2 智能体 |
| 2.3 本章小结 |
| 3 基于距离空间函数的模糊匹配 |
| 3.1 基于模糊物元TOPSIS相对贴近度的物流能力量化 |
| 3.1.1 物流能力构成要素及量化指标体系 |
| 3.1.2 基于模糊物元TOPSIS相对贴近度的量化模型 |
| 3.1.3 基于投影法的指标权重确定 |
| 3.2 物流资源与任务的自适应形式化描述及相关设定 |
| 3.2.1 物流资源的自适应形式化描述 |
| 3.2.2 物流任务的自适应形式化描述 |
| 3.2.3 匹配过程中的规则和设定 |
| 3.3 基于距离空间函数的匹配模型 |
| 3.3.1 定义与说明 |
| 3.3.2 基于距离空间函数的匹配模型建立 |
| 3.4 动态自适应匹配流程设计 |
| 3.5 本章小结 |
| 4 基于蚁群算法的精细匹配 |
| 4.1 多目标组合优化匹配模型的建立 |
| 4.1.1 精细匹配的基本思路 |
| 4.1.2 模型的假设和参数符号的说明 |
| 4.1.3 模型的建立 |
| 4.2 基于蚁群算法的匹配流程及算法设计 |
| 4.2.1 蚁群算法概述 |
| 4.2.2 优化匹配过程的算法设计 |
| 4.2.3 蚁群算法的具体步骤 |
| 4.3 本章小结 |
| 5 基于多层前馈神经网络的自适应匹配控制 |
| 5.1 自适应匹配控制思路与运作框架 |
| 5.1.1 自适应匹配控制思路 |
| 5.1.2 自适应匹配控制运作 |
| 5.1.3 自适应辅助管理平台 |
| 5.2 多层前馈神经网络模型算法 |
| 5.3 本章小结 |
| 6 算例分析 |
| 6.1 算例背景 |
| 6.2 第一阶段模糊匹配 |
| 6.2.1 物流能力的量化 |
| 6.2.2 基于距离空间函数的匹配 |
| 6.3 第二阶段精细匹配 |
| 6.3.1 数据处理 |
| 6.3.2 基于Matlab的蚁群算法求解 |
| 6.3.3 求解结果与显示 |
| 6.3.4 结果分析 |
| 6.4 基于多层前馈神经网络的自适应反馈 |
| 6.4.1 训练集和测试集 |
| 6.4.2 数据归一化 |
| 6.4.3 多层前馈神经网络 |
| 6.4.4 性能评价 |
| 6.4.5 结果分析 |
| 6.5 本章小结 |
| 7 总结及展望 |
| 7.1 本文总结 |
| 7.2 未来展望 |
| 参考文献 |
| 附录 |
| A. 作者在攻读学位期间承担的科研项目 |
| B. 学位论文数据集 |
| 致谢 |
（8）心墙堆石坝坝面碾压智能监控方法与应用研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 坝面碾压施工信息感知研究现状 |
| 1.2.2 坝面碾压施工信息分析研究现状 |
| 1.2.3 坝面碾压施工反馈控制研究现状 |
| 1.2.4 坝面碾压施工监控系统研究现状 |
| 1.3 已有研究的局限性 |
| 1.4 研究内容与论文框架 |
| 1.4.1 主要研究内容 |
| 1.4.2 论文框架 |
| 第2章 心墙堆石坝坝面碾压智能监控基本概念与数学模型 |
| 2.1 心墙堆石坝坝面碾压智能监控基本概念提出 |
| 2.1.1 心墙堆石坝坝面碾压智能监控提出背景 |
| 2.1.2 心墙堆石坝坝面碾压智能监控基本概念 |
| 2.1.3 心墙堆石坝坝面碾压智能监控主要研究内容 |
| 2.2 心墙堆石坝坝面碾压智能监控方法概述 |
| 2.2.1 坝面碾压施工信息智能感知与集成方法概述 |
| 2.2.2 坝面碾压施工信息智能分析方法概述 |
| 2.2.3 坝面碾压施工过程智能控制方法概述 |
| 2.3 心墙堆石坝坝面碾压智能监控数学模型 |
| 2.3.1 目标函数 |
| 2.3.2 信息集 |
| 2.3.3 方法集 |
| 2.3.4 约束集 |
| 2.4 本章小结 |
| 第3章 心墙堆石坝坝面碾压施工信息智能感知与集成研究 |
| 3.1 心墙堆石坝坝面碾压施工信息智能感知与集成体系 |
| 3.1.1 坝面碾压施工信息智能感知与集成内容 |
| 3.1.2 坝面碾压施工信息智能感知与集成技术 |
| 3.1.3 坝面碾压施工信息智能感知与集成框架 |
| 3.2 基于加速度传感器的振动特性参数感知 |
| 3.2.1 碾轮振动过程概述 |
| 3.2.2 振动信号小波降噪处理 |
| 3.2.3 振动信号的快速傅里叶分析 |
| 3.3 基于空洞卷积核的FASTER-RCNN目标识别 |
| 3.3.1 卷积神经网络 |
| 3.3.2 基于空洞卷积核的Faster-RCNN |
| 3.4 基于无人机倾斜摄影的三维建模技术 |
| 3.4.1 基于无人机倾斜摄影的三维建模原理 |
| 3.4.2 基于无人机倾斜摄影的三维建模流程 |
| 3.5 坝面碾压施工信息集成 |
| 3.5.1 多源异构坝面碾压施工信息集成框架 |
| 3.5.2 基于K-Means下抽样技术处理不平衡数据 |
| 3.6 工程案例分析 |
| 3.6.1 碾轮振动信号感知 |
| 3.6.2 坝面碾压施工过程中多类型障碍物识别 |
| 3.6.3 基于无人机倾斜摄影的三维模型建立 |
| 3.6.4 坝面碾压施工信息集成 |
| 3.7 本章小结 |
| 第4章 心墙堆石坝坝面碾压施工质量智能分析研究 |
| 4.1 坝面碾压施工质量智能分析数学模型 |
| 4.2 坝面碾压施工质量智能评价模型 |
| 4.2.1 基于CK-SBFA-FL的坝面碾压施工质量智能评价模型 |
| 4.2.2 基于SBFA-CKSVR的坝面碾压施工质量智能评价模型 |
| 4.2.3 模型性能评价方法 |
| 4.3 坝面碾压施工质量评价模型更新研究 |
| 4.3.1 EPNN算法与VWT技术 |
| 4.3.2 基于EPNN与 VWT的概念漂移检测方法 |
| 4.3.3 模型更新方法 |
| 4.4 工程案例分析 |
| 4.4.1 坝面碾压施工质量智能评价模型案例研究 |
| 4.4.2 模型更新案例研究 |
| 4.5 本章小结 |
| 第5章 心墙堆石坝坝面碾压施工智能控制方法研究 |
| 5.1 心墙堆石坝坝面碾压施工智能控制体系 |
| 5.1.1 坝面碾压施工智能控制目标 |
| 5.1.2 坝面碾压施工智能控制环节 |
| 5.1.3 坝面碾压施工智能控制方法 |
| 5.1.4 坝面碾压施工智能控制框架 |
| 5.2 碾压参数智能优化控制方法 |
| 5.2.1 碾压参数多目标优化模型 |
| 5.2.2 多目标智能细菌觅食算法SMOBFA |
| 5.2.3 SMOBFA算法实现与验证 |
| 5.3 基于AR实景导引的坝面碾压施工智能控制方法 |
| 5.3.1 基于AR实景导引的技术构架 |
| 5.3.2 基于牛耕法的坝面碾压施工路径规划方法 |
| 5.3.3 基于AR实景导引的事中控制方法 |
| 5.3.4 基于AR实景导引的事后控制方法 |
| 5.4 工程案例分析 |
| 5.4.1 碾压参数智能优化控制分析 |
| 5.4.2 基于AR实景导引的坝面碾压施工智能控制分析 |
| 5.5 本章小结 |
| 第6章 心墙堆石坝坝面碾压施工三维智能监控系统 |
| 6.1 心墙堆石坝坝面碾压施工三维智能监控系统建设 |
| 6.1.1 系统结构 |
| 6.1.2 系统建设技术 |
| 6.2 心墙堆石坝坝面碾压施工三维智能监控系统功能实现 |
| 6.2.1 坝面碾压施工信息感知与集成模块 |
| 6.2.2 坝面碾压施工信息智能分析模块 |
| 6.2.3 坝面碾压施工过程智能控制模块 |
| 6.3 本章小结 |
| 第7章 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 发表论文和参加科研情况说明 |
| 致谢 |
（9）数据驱动的磨矿过程运行优化控制（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 工业过程运行优化控制及其研究现状 |
| 1.2.1 工业过程运行优化控制的定义与意义 |
| 1.2.2 工业过程运行优化与控制的特点 |
| 1.2.3 工业过程运行优化与控制方法的研究现状 |
| 1.2.3.1 基于模型的运行优化控制方法 |
| 1.2.3.2 基于数据的运行优化控制方法 |
| 1.2.3.3 基于智能技术的运行优化与控制方法 |
| 1.3 磨矿过程运行优化与控制方法的研究现状 |
| 1.3.1 基于模型的磨矿过程运行优化与控制方法 |
| 1.3.2 基于数据的磨矿过程运行优化与控制方法 |
| 1.3.3 基于智能技术的磨矿过程运行优化与控制方法 |
| 1.4 存在问题与本文的主要工作 |
| 1.4.1 目前研究存在的问题 |
| 1.4.2 本文的主要工作 |
| 第2章 磨矿过程运行优化控制问题 |
| 2.1 磨矿过程工艺描述 |
| 2.1.1 磨矿过程生产工艺简介 |
| 2.1.1.1 生产工艺流程 |
| 2.1.1.2 磨矿过程关键工艺设备 |
| 2.1.1.3 检测仪表 |
| 2.1.1.4 执行机构 |
| 2.1.2 磨矿过程底层回路描述 |
| 2.2 磨矿过程建模及动态特性分析 |
| 2.2.1 基于物料平衡的磨矿过程机理模型 |
| 2.2.2 磨矿过程运行指标及其影响因素分析 |
| 2.2.2.1 磨矿粒度特性分析 |
| 2.2.2.2 循环负荷特性分析 |
| 2.2.3 磨矿过程机理模型的复杂性分析 |
| 2.3 磨矿过程运行优化与控制问题描述 |
| 2.4 磨矿过程运行优化与控制问题的难点分析 |
| 2.4.1 输入约束 |
| 2.4.2 不可行设定值 |
| 2.4.3 多目标优化 |
| 2.5 磨矿过程运行优化与控制方法的现存问题 |
| 2.6 本章小结 |
| 第3章 基于自适应动态规划与障碍函数的磨矿过程运行控制方法 |
| 3.1 预备知识 |
| 3.1.1 自适应动态规划 |
| 3.1.2 带不等式约束的优化问题 |
| 3.2 输入受限的磨矿过程运行控制问题描述 |
| 3.3 基于自适应动态规划与障碍函数的控制策略 |
| 3.4 数据驱动的运行控制方法 |
| 3.4.1 贝尔曼等式 |
| 3.4.2 运行指标控制的策略迭代 |
| 3.5 仿真实验 |
| 3.5.1 仿真设置 |
| 3.5.2 仿真结果与分析 |
| 3.6 本章小结 |
| 第4章 基于自适应动态规划和参考信号调节器的磨矿过程运行控制方法 |
| 4.1 预备知识 |
| 4.1.1 参考信号调节器 |
| 4.1.2 最大输出可行集 |
| 4.2 带有不可行设定值的输入受限的磨矿过程运行控制问题描述 |
| 4.3 基于自适应动态规划与参考信号调节器的控制策略 |
| 4.4 数据驱动的运行控制算法 |
| 4.4.1 参考信号调节器设计方法 |
| 4.4.2 集成参考信号调节器的运行控制问题的新描述 |
| 4.4.3 数据驱动最优调节器设计方法 |
| 4.5 仿真实验 |
| 4.5.1 仿真设置 |
| 4.5.2 仿真结果与分析 |
| 4.6 本章小结 |
| 第5章 基于极值搜索的磨矿过程多目标运行优化方法 |
| 5.1 预备知识 |
| 5.1.1 平均化理论 |
| 5.1.2 极值搜索 |
| 5.2 带有不可行设定值的输入受限的磨矿过程多目标优化问题描述 |
| 5.3 基于极值搜索的磨矿过程多目标运行优化策略 |
| 5.4 数据驱动的极值搜索优化算法 |
| 5.5 稳定性及有界性分析 |
| 5.5.1 预备性引理 |
| 5.5.2 闭环系统 |
| 5.5.3 稳定性和有界性分析 |
| 5.6 仿真实验 |
| 5.6.1 仿真设置 |
| 5.6.2 仿真结果与分析 |
| 5.7 本章小结 |
| 结论与展望 |
| 参考文献 |
| 致谢 |
| 博士期间完成的论文、发明专利及参加的科研项目 |
| 作者简介 |
（10）变海拔下柴油机二级增压系统的控制方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 引言 |
| 1.1.1 柴油机变海拔适应性研究 |
| 1.1.2 二级增压系统的变海拔应用 |
| 1.1.3 二级增压系统的控制 |
| 1.1.4 二级增压系统的稳态控制参数及其匹配 |
| 1.2 二级增压系统稳态控制参数匹配的研究现状 |
| 1.3 二级增压系统控制的研究现状 |
| 1.3.1 增压压力控制策略与控制算法 |
| 1.3.2 可调执行机构及其控制 |
| 1.4 本文的研究意义与研究内容 |
| 1.4.1 二级增压系统稳态控制参数匹配研究的意义 |
| 1.4.2 二级增压系统控制研究的意义 |
| 1.4.3 本文的研究内容 |
| 第2章 柴油机二级增压系统控制过程相关参数影响分析 |
| 2.1 二级增压柴油机简介 |
| 2.1.1 二级增压柴油机 |
| 2.1.2 数据采集设备 |
| 2.2 二级增压柴油机动态建模与校核 |
| 2.2.1 建模理论与建模过程 |
| 2.2.2 模型校核 |
| 2.3 不同涡轮旁通阀开度对柴油机性能的影响 |
| 2.4 柴油机增压压力动态影响因素分析 |
| 2.4.1 旁通阀开度变化对增压压力的影响 |
| 2.4.2 循环喷油量变化对增压压力的影响 |
| 2.5 本章小结 |
| 第3章 变海拔下柴油机二级增压系统的稳态控制参数匹配 |
| 3.1 二级增压系统稳态控制参数与柴油机供油参数的影响规律研究 |
| 3.1.1 涡轮旁通阀开度对柴油机性能的影响 |
| 3.1.2 喷油提前角对柴油机性能的影响 |
| 3.1.3 循环喷油量对柴油机性能的影响 |
| 3.1.4 参数影响规律分析 |
| 3.2 基于模糊P-调节的外特性稳态控制参数匹配 |
| 3.2.1 外特性稳态控制参数匹配问题 |
| 3.2.2 模糊优化算法设计 |
| 3.2.3 不同海拔的外特性优化结果及分析 |
| 3.2.4 不同海拔的外特性优化结果试验验证 |
| 3.3 部分负荷的稳态控制参数匹配 |
| 3.4 本章小结 |
| 第4章 二级增压系统可调执行机构线性变参数混合H2/H∞输出反馈控制 |
| 4.1 气体压力调节电磁阀动态特性研究 |
| 4.1.1 二级增压系统可调执行机构试验台架 |
| 4.1.2 气体压力调节电磁阀动态特性试验研究 |
| 4.2 可调执行机构控制问题分析 |
| 4.3 可调执行机构动态建模 |
| 4.3.1 气体压力调节电磁阀状态空间模型 |
| 4.3.2 气动执行器状态空间模型 |
| 4.4 可调执行机构线性变参数混合H2/H∞输出反馈控制器设计 |
| 4.4.1 旁通阀开度设定点控制扩维 |
| 4.4.2 降维状态观测器设计 |
| 4.4.3 增广系统设计 |
| 4.4.4 增广系统离散化 |
| 4.4.5 线性变参数混合H2/H∞输出反馈控制器设计理论 |
| 4.4.6 控制器解算 |
| 4.5 控制效果仿真分析 |
| 4.5.1 不同输入气源压力下的目标旁通阀开度阶跃变化过程仿真 |
| 4.5.2 柴油机典型工况下旁通阀开度控制效果仿真 |
| 4.6 本章小结 |
| 第5章 变海拔下柴油机二级增压系统的增压压力闭环控制 |
| 5.1 控制问题仿真分析 |
| 5.2 基于动态修正与增益调度的增压压力PI控制器设计 |
| 5.2.1 基于增益调度的PI控制器参数设计 |
| 5.2.2 动态PI控制参数修正 |
| 5.2.3 典型动态工况仿真 |
| 5.3 柴油机二级增压系统增压压力预测控制 |
| 5.3.1 神经网络预测控制的结构 |
| 5.3.2 神经网络预测模型的建立 |
| 5.3.3 预测控制算法 |
| 5.3.4 仿真结果及分析 |
| 5.4 本章小结 |
| 第6章 结论与展望 |
| 6.1 全文总结 |
| 6.2 创新点 |
| 6.3 工作展望 |
| 参考文献 |
| 附录 |
| 附录 A |
| 附录 B |
| 附录 C |
| 攻读学位期间发布论文与研究成果 |
| 致谢 |
| 作者简介 |
四、A Direct Feedback Control Based on Fuzzy Recurrent Neural Network（论文参考文献）
- [1]基于数据驱动的间歇化工过程批次内和批次间复合优化控制策略研究[D]. 于蒙. 军事科学院, 2021(02)
- [2]空间反射面天线热变形主动调节与容错控制研究[D]. 刘志勇. 西安电子科技大学, 2020(05)
- [3]基于DCS控制系统的锅炉主蒸汽温度控制策略研究[D]. 马伏新. 吉林大学, 2020(08)
- [4]基于PSO-LSSVM水质预测污水处理控制系统的研究与实现[D]. 赖剑人. 浙江工业大学, 2020(08)
- [5]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
- [6]面向底层视觉问题的稳定收敛可学习优化方法研究[D]. 程世超. 大连理工大学, 2019(01)
- [7]物流任务与资源两阶段自适应匹配研究[D]. 曹靖文. 重庆大学, 2019(01)
- [8]心墙堆石坝坝面碾压智能监控方法与应用研究[D]. 王佳俊. 天津大学, 2019(06)
- [9]数据驱动的磨矿过程运行优化控制[D]. 路兴龙. 东北大学, 2019(01)
- [10]变海拔下柴油机二级增压系统的控制方法研究[D]. 夏萌. 北京理工大学, 2018(07)