-
公开(公告)号：CN118426310A
公开(公告)日：2024-08-02
申请号：CN202410507426.X
申请日：2024-04-25
Applicant: 东北大学
IPC: G05B13/04
Abstract: 本发明提供一种盘磨过程输出粉体粒度分布形状的鲁棒跟踪控制方法，包括：采集输入量数据以及输出粉体粒度PDF形状数据；采用迭代学习和双线性子空间辨识方法，建立盘磨过程输出粉体粒度PDF形状的双线性动态模型；采用增广控制方法，将具有模型参数不确定性的双线性动态模型化简为误差动态模型，得到鲁棒跟踪控制器；通过LMI计算鲁棒跟踪控制器的反馈增益矩阵，将反馈增益矩阵作用于鲁棒跟踪控制器，计算当前时刻系统增广输入；从广义输入向量中提取最终控制输入，并作用于鲁棒跟踪控制器，实现盘磨过程输出粉体粒度PDF形状并跟踪给定的PDF形状。本发明采用的技术方案能够有效解决盘磨过程中不确定性干扰较大的问题，提高控制精度和抗干扰能力。
-
公开(公告)号：CN115356931B
公开(公告)日：2024-11-19
申请号：CN202211016390.2
申请日：2022-08-24
Applicant: 东北大学
Abstract: 本发明提供一种基于迭代学习和子空间辨识的粉体粒度PDF形状建模方法，涉及粉体粒度控制技术领域。步骤如下：1)采集盘磨系统的输入输出数据，包括磨盘间隙、喂料量和粉体粒度PDF形状数据；2)采用RBF‑NN对粉体粒度PDF形状对应的权值进行解耦计算；3)采用迭代学习选择一组最优高斯基函数；4)采用子空间辨识建立权值的线性动态模型；5)结合权值线性动态模型和RBF‑NN对粉体粒度PDF形状的近似，可得粉体粒度PDF形状的动态模型。本发明采用迭代学习选择高斯基函数，使其对粉体粒度PDF形状的逼近误差最小，极大改善了建模效果；使用子空间辨识建立权值线性动态模型，在保证良好建模精度同时降低模型复杂度，特别符合实际应用时对模型简单易用的要求。
-
公开(公告)号：CN115356931A
公开(公告)日：2022-11-18
申请号：CN202211016390.2
申请日：2022-08-24
Applicant: 东北大学
Abstract: 本发明提供一种基于迭代学习和子空间辨识的粉体粒度PDF形状建模方法，涉及粉体粒度控制技术领域。步骤如下：1)采集盘磨系统的输入输出数据，包括磨盘间隙、喂料量和粉体粒度PDF形状数据；2)采用RBF‑NN对粉体粒度PDF形状对应的权值进行解耦计算；3)采用迭代学习选择一组最优高斯基函数；4)采用子空间辨识建立权值的线性动态模型；5)结合权值线性动态模型和RBF‑NN对粉体粒度PDF形状的近似，可得粉体粒度PDF形状的动态模型。本发明采用迭代学习选择高斯基函数，使其对粉体粒度PDF形状的逼近误差最小，极大改善了建模效果；使用子空间辨识建立权值线性动态模型，在保证良好建模精度同时降低模型复杂度，特别符合实际应用时对模型简单易用的要求。
-
公开(公告)号：CN118112922A
公开(公告)日：2024-05-31
申请号：CN202311469499.6
申请日：2023-11-03
Applicant: 东北大学
IPC: G05B13/04
Abstract: 本发明公开了一种间接数据驱动高炉铁水质量最优跟踪控制方法，包括：采集高炉炼铁过程的数据样本，将铁水硅含量和铁水温度作为高炉铁水质量模型的输出变量，并应用典型相关分析和相关性分析确定高炉铁水质量模型的输入变量；利用非线性子空间辨识技术建立高炉铁水质量Hammerstein状态空间模型；设定高炉铁水质量指标变量的输出参考轨迹以及高炉铁水质量指标跟踪控制的二次性能指标，并建立与系统状态和参考轨迹相关的增广系统；利用Krotov方法设计高炉铁水质量最优跟踪控制器。本发明设计的高炉铁水质量Hammerstein模型能够较好地刻画高炉炼铁的非线性动态，且预测精度较高；设计的高炉铁水质量控制算法具有较好的跟踪控制性能，以及较高的抗干扰性。
-
-
-
Search Results
4
records
(took 0.011 seconds)
