-
公开(公告)号：CN106773700B
公开(公告)日：2019-11-08
申请号：CN201611252288.7
申请日：2016-12-30
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种遗传算法优化加权的多模型预测函数控制的方法。该方法首先将整数阶的多模型预测控制方法扩展到分数阶的多模型预测控制方法中，通过建立了被控对象的局部状态空间模型，将之前的非线性模型转换为了线性局部模型，再通过把遗传算法引入对局部模型集和工作区间的核宽度的选择中，从而提高了系统的局部模型的工作区域的范围，减少了当前工作的模型个数，增加了系统中主要的局部模型对系统的控制量占有率，增加了系统的控制的精度，使得装置工作效率更加高效。
-
公开(公告)号：CN105760344B
公开(公告)日：2018-08-24
申请号：CN201610065525.2
申请日：2016-01-29
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种化学放热反应的分布式主元分析神经网络建模方法。本发明通过采集对象的输入和输出数据，利用主元分析法通过降低维数将分布式参数系统分为自回归线性模型和非线性模型，通过最小二乘法对自回归线性模型进行辨识。非线性模型利用最小二乘法建立对象的RBF神经网络模型，然后通过遗传算法优化RBF‑神经网络模型的参数。本发明建立的模型具有较高的精确性，能够很好的描述过程对象的动态性能。
-
公开(公告)号：CN105487379B
公开(公告)日：2018-03-16
申请号：CN201510979652.9
申请日：2015-12-23
Applicant: 杭州电子科技大学
IPC: G05B13/04
Abstract: 本发明公开了一种焦化加热炉氧气含量的预测函数控制方法。本发明首先是通过工业过程中采集到的大量的数据对工业过程进行建模，把模型看作为线性和非线性两部分构成，然后分别利用反向传播神经网络对非线性部分进行建模，利用传统的线性的两点法对线性部分进行建模。对建立好的模型利用预测函数控制的方法进行滚动优化，反馈校正，从而确定下一时刻输出的控制变量。本发明利用预测函数控制比传统的PID控制，能够更加有效提高系统的动态性能和稳定性。
-
公开(公告)号：CN105974798A
公开(公告)日：2016-09-28
申请号：CN201610539052.5
申请日：2016-07-05
Applicant: 杭州电子科技大学
CPC classification number: G05B13/048 , G05D23/1919
Abstract: 本发明公开了一种电加热炉的多模型分数阶加权预测函数控制方法。本发明首先将电加热炉的工作温度区间划分为几个子区间，然后在其相应的子区间上建立其分数阶模型，再利用Oustaloup近似方法线将分数阶模型转换为高阶的整数模型，利用预测控制函数方法设计每个区间的控制器，最后根据模型与实际对象之间的误差建立每个模型的比例系数，从而得到多模型结构的控制器输入量。本发明通过建立了被控对象的局部状态空间模型，将之前的非线性模型转换为了线性局部模型，提高了系统的控制性能，同时促进了模型预测控制方法在分数阶系统中的运用。
-
公开(公告)号：CN105955021A
公开(公告)日：2016-09-21
申请号：CN201610309258.9
申请日：2016-05-11
Applicant: 杭州电子科技大学
IPC: G05B13/04
CPC classification number: G05B13/04
Abstract: 本发明公开了一种电加热炉的多层次多模型加权预测函数控制方法。本发明把整个工作的区域按照某种方法划分为若干个子区域，在每个子区域上利用线性系统的原理建立每个子区域上的模型，使用这些子区域模型来代替全局工作区域模型。从而把原来的非线性的模型转换为了线性模型，提高了非线性建模的不精确性，避免了非线性的复杂问题，并且结合了线性系统的成熟理论基础。本发明有效的解决了在工业工程中的强非线性带来的建立模型困难，模型精确度低等问题。
-
Patent Agency Ranking
公开(公告)号：CN106773700A
公开(公告)日：2017-05-31
申请号：CN201611252288.7
申请日：2016-12-30
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种遗传算法优化加权的多模型预测函数控制的方法。该方法首先将整数阶的多模型预测控制方法扩展到分数阶的多模型预测控制方法中，通过建立了被控对象的局部状态空间模型，将之前的非线性模型转换为了线性局部模型，再通过把遗传算法引入对局部模型集和工作区间的核宽度的选择中，从而提高了系统的局部模型的工作区域的范围，减少了当前工作的模型个数，增加了系统中主要的局部模型对系统的控制量占有率，增加了系统的控制的精度，使得装置工作效率更加高效。
-
公开(公告)号：CN105760344A
公开(公告)日：2016-07-13
申请号：CN201610065525.2
申请日：2016-01-29
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种化学放热反应的分布式主元分析神经网络建模方法。本发明通过采集对象的输入和输出数据，利用主元分析法通过降低维数将分布式参数系统分为自回归线性模型和非线性模型，通过最小二乘法对自回归线性模型进行辨识。非线性模型利用最小二乘法建立对象的RBF神经网络模型，然后通过遗传算法优化RBF?神经网络模型的参数。本发明建立的模型具有较高的精确性，能够很好的描述过程对象的动态性能。
-
公开(公告)号：CN105159095A
公开(公告)日：2015-12-16
申请号：CN201510653833.2
申请日：2015-10-10
Applicant: 杭州电子科技大学
IPC: G05B13/04
Abstract: 本发明公开了一种多变量过程的蒸馏塔模型预测控制优化PID控制方法，本发明结合扩展非最小状态空间模型预测控制和传统PID控制算法。首先建立多变量过程的蒸馏塔状态空间模型，挖掘出基本的过程特性；然后结合蒸馏塔内多变量过程的状态过程和输出误差，建立扩展非最小状态空间模型。在模型的基础上，基于优化思想，利用模型预测控制方法来整定PID控制器的参数，最后对蒸馏塔内多变量过程实现PID控制，有效提高了多变量系统的控制性能，明显减小系统超调量，改善了控制性能，又保证了控制结构简单；弥补了传统PID控制的不足，又保证了良好的控制性能。
-
公开(公告)号：CN106773699B
公开(公告)日：2019-11-08
申请号：CN201611252189.9
申请日：2016-12-30
Applicant: 杭州电子科技大学
IPC: G05B13/04
Abstract: 本发明公开了一种电加热炉的遗传优化的多模型预测函数控制方法。本发明首先把整个工作的区域按照某种方法划分为若干个子工作区间，在每个子区域建立其相应的分数阶模型再结合遗传算法优化求解预测函数的基函数的个数得到最优解的个数。从而把原来的非线性的模型转换为了线性分数阶模型，模型的精度避免了非线性的复杂性，通过在遗传算法选取一组最合适的基函数，利用基函数的个数求解得到控制量，从而减少了系统的计算量，使得控制效果更加精确，避免了复杂的计算。
-
公开(公告)号：CN105974798B
公开(公告)日：2019-01-08
申请号：CN201610539052.5
申请日：2016-07-05
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种电加热炉的多模型分数阶加权预测函数控制方法。本发明首先将电加热炉的工作温度区间划分为几个子区间，然后在其相应的子区间上建立其分数阶模型，再利用Oustaloup近似方法线将分数阶模型转换为高阶的整数模型，利用预测控制函数方法设计每个区间的控制器，最后根据模型与实际对象之间的误差建立每个模型的比例系数，从而得到多模型结构的控制器输入量。本发明通过建立了被控对象的局部状态空间模型，将之前的非线性模型转换为了线性局部模型，提高了系统的控制性能，同时促进了模型预测控制方法在分数阶系统中的运用。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.02 seconds)
