一种基于梯形区间软约束的多目标优化预测控制方法

    公开(公告)号:CN106814623A

    公开(公告)日:2017-06-09

    申请号:CN201710125121.2

    申请日:2017-03-03

    Applicant: 燕山大学

    CPC classification number: G05B13/042

    Abstract: 本发明公开了一种基于梯形区间软约束的多目标优化预测控制方法,所述方法步骤如下为、1建立预测模型、2计算预测输出、3反馈校正、4在容忍区间外构造梯形区间、5计算优化变量6构造多目标函数、7利用ε‑约束法将多目标问题转化成单目标问题、8利用序列二次规划算法求取最优控制增量。本发明方法保证了当被控变量超出容忍区间时,可以使被控变量快速进入容忍区间保证产品质量。多目标函数的建立可有效防止各控制变量之间的相互耦合,利用迭代算法优化约束函数的区间范围可保证系统运行的快速性。设定值控制和梯形区间软约束的结合可使系统运行在理想目标值的同时又最大限度地保证了系统的鲁棒性和自由度。

    一种基于软约束的区间预测控制建模及优化方法

    公开(公告)号:CN103995466B

    公开(公告)日:2017-02-15

    申请号:CN201410169068.2

    申请日:2014-04-24

    Applicant: 燕山大学

    Abstract: 一种基于软约束的区间预测控制建模及优化方法。该控制方法步骤如下:(1)基于过程预测模型,建立包含约束项、控制项和经济项的二次性能指标;(2)通过求解松弛变量,判断综合优化方法是否可行(3)给出了控制模型输出约束不可行时软约束松弛变量的求解方法,实现了区间预测控制模型输出约束不可行时可行域范围的调整;(4)采用一种边界可行序列二次规划方法,用以解决初始点选择不佳导致方法增加计算量或难以找到最优解以及计算中舍入误差的影响会破坏Hessian矩阵正定性等情形的问题,并求出最优控制输入。本发明能够建立复杂的多变量系统控制模型,基于软约束调整准确快速求解出控制律,有利于实现多变量系统的良好控制。

    一种基于熟料质量指标的水泥烧成过程优化方法

    公开(公告)号:CN106327004A

    公开(公告)日:2017-01-11

    申请号:CN201610640668.1

    申请日:2016-08-08

    Applicant: 燕山大学

    CPC classification number: Y02P90/30 G06Q10/04 G06Q10/06393 G06Q50/04

    Abstract: 本发明公开了一种基于熟料质量指标的水泥烧成过程优化方法,该方法内容包括:建立水泥熟料质量指标游离氧化钙fCaO含量软测量模型,利用多核最小二乘支持向量机建立水泥熟料fCaO含量软测量模型,选取水泥烧成过程中熟料fCaO含量软测量模型的输入变量和输出变量;采集熟料fCaO含量软测量模型输入变量的现场当前值;结合所建立的熟料fCaO含量软测量模型以及所测量出的熟料fCaO含量当前值,采用基于序列二次规划方法局部搜索的量子粒子群优化算法,根据设定的优化算法目标函数,迭代寻优出水泥烧成过程中优化变量的调整值;所述的水泥烧成过程中优化变量即为步骤1中熟料fCaO含量软测量模型的输入变量。本发明有益效果是增长设备的使用寿命,降低生产设备的维护成本;保证了成品质量的合格率,降低了生产成本。

    一种抑制轧机扭振的智能控制方法

    公开(公告)号:CN105259755A

    公开(公告)日:2016-01-20

    申请号:CN201510675523.0

    申请日:2015-10-19

    Applicant: 燕山大学

    Abstract: 一种抑制轧机扭振的智能控制方法,它包括以下步骤:(1)设计模糊PID控制器,并从中得到训练神经网络所需的数据样本集;(2)对神经网络进行训练,训练的过程就是调整模糊隶属度函数的过程,不断学习,直到得到PID的最佳参数;(3)对训练好的模糊-神经网络PID控制器进行仿真验证该方法的有效性。本发明结合了模糊控制和神经网络的各自优点,利用神经网络的自学习和自适应性,更新模糊控制的隶属度函数,实现PID三个参数根据实时的工作需求自我调整变化,最终达到最佳的控制效果。

    基于极端学习机的水泥熟料烧成系统变增益模型辨识方法

    公开(公告)号:CN105223811A

    公开(公告)日:2016-01-06

    申请号:CN201510578180.6

    申请日:2015-09-11

    Applicant: 燕山大学

    Abstract: 本发明公开了一种基于极端学习机的水泥熟料烧成系统变增益模型辨识方法,该建模方法以窑头喂煤量、高温风机挡板开度为输入量,以烟室氮氧化物含量、氧气含量作为输出量。在采样数据基础上,采用极端学习机辨识水泥熟料烧成系统的稳态模型,最小二乘法辨识水泥熟料烧成系统的ARX动态模型,利用烧成系统极端学习机稳态模型获取烧成系统增益Ks,并利用增益Ks对烧结系统ARX动态模型参数矩阵进行在线矫正,使ARX动态模型增益与系统增益保持一致,从而可以准确的描述水泥熟料烧成系统的非线性动态特性。本发明能有效的提高水泥熟料烧成系统的辨识速度与辨识精度,为控制水泥熟料烧成系统提供了准确的多变量非线性模型。

    一种板带轧机颤振的建模方法

    公开(公告)号:CN104942010A

    公开(公告)日:2015-09-30

    申请号:CN201510385903.0

    申请日:2015-07-03

    Applicant: 燕山大学

    Abstract: 一种板带轧机颤振的建模方法,它主要包括如下步骤:(1)建立板带轧机“轧件-轧辊”耦合振动物理模型;(2)根据步骤(1)所建的耦合振动物理模型建立“轧件-轧辊”耦合振动数学模型:①建立所述耦合振动数学模型的摩擦因数模型;②建立辊缝轧件水平振动动力学平衡方程和建立轧辊垂直振动平衡方程;通过摩擦因数的耦合作用,对两部分振动方程进行联立得到“轧件-轧辊”耦合振动方程组。本发明快速、简便,能有效控制和预防断带和设备损坏事故。

    一种水泥回转窑煅烧预测控制系统及方法

    公开(公告)号:CN102629104B

    公开(公告)日:2013-10-02

    申请号:CN201210092718.9

    申请日:2012-03-31

    Applicant: 燕山大学

    Abstract: 一种水泥回转窑煅烧预测控制方法及系统,其方法是:(1)采集水泥回转窑煅烧过程的现场数据并对其分类;(2)对其数据分别进行模型辨识,并将其有机结合,建立预测模型;(3)用预测模型对煅烧过程的历史和未来的数据信息预测出煅烧过程的输出,并利用模型输出误差反馈校正得到闭环的煅烧过程的预测输出;(4)依据闭环预测输出和参考输出轨迹,构造出非线性目标函数,用序列二次规划法对目标函数求最优解,得到煅烧控制量的预测值。系统包括与水泥回转窑连接的智能检测仪表和执行器、数据存储装置及上位机,其中上位机嵌入了煅烧预测控制算法。本发明能够适应水泥回转窑煅烧过程的动态性,多变量之间耦合性、非线性、时滞性,得到良好的控制效果。

    一种高效的实时语义分割方法

    公开(公告)号:CN112529064A

    公开(公告)日:2021-03-19

    申请号:CN202011408821.0

    申请日:2020-12-03

    Applicant: 燕山大学

    Abstract: 本发明提供一种高效的实时语义分割方法。本发明首先利用因式分解卷积、深度可分离卷积以及短连接设计了一个能够提取双尺度信息的残差单元,并且基于残差单元组建了三个特征提取块;然后再利用特征图相加和拼接的计算方法在特征提取块的相应位置引入长连接,进而加强了同级别特征图间的交流,提高提取信息的能力;最后利用因式分解卷积、深度可分离卷积以及1×1卷积设计了一个用于融合三种不同尺寸、两种不同层次输入的高‑低层特征图融合模块,然后对其输出进行快速上采样。本发明中的残差单元和高‑低层特征图融合模块的参数量和运算量都很小,计算速度快,分别有很强的提取和融合特征的能力,并且均可随时迁移到其他任何网络中。

    一种抑制轧机扭振的智能控制方法

    公开(公告)号:CN105259755B

    公开(公告)日:2018-02-09

    申请号:CN201510675523.0

    申请日:2015-10-19

    Applicant: 燕山大学

    Abstract: 一种抑制轧机扭振的智能控制方法,它包括以下步骤:(1)设计模糊PID控制器,并从中得到训练神经网络所需的数据样本集;(2)对神经网络进行训练,训练的过程就是调整模糊隶属度函数的过程,不断学习,直到得到PID的最佳参数;(3)对训练好的模糊‑神经网络PID控制器进行仿真验证该方法的有效性。本发明结合了模糊控制和神经网络的各自优点,利用神经网络的自学习和自适应性,更新模糊控制的隶属度函数,实现PID三个参数根据实时的工作需求自我调整变化,最终达到最佳的控制效果。

    基于深度信念网络模型的水泥熟料游离钙含量预测方法

    公开(公告)号:CN106202946A

    公开(公告)日:2016-12-07

    申请号:CN201610561692.6

    申请日:2016-07-18

    Applicant: 燕山大学

    CPC classification number: G06F19/00 G06N5/00

    Abstract: 本发明涉及一种基于深度信念网络模型来预测水泥熟料fCaO的方法,其内容为:初步选取能反映水泥熟料烧成情况的主要变量为辅助变量集合,预测变量为水泥熟料fCaO的含量;通过现场仪表和操作员记录表分别采集各个辅助变量和水泥熟料fCaO含量的现场数据,采用灰色关联度分析方法对初始辅助变量集合降维;根据深度信念网络的算法及样本数据量确定深度信念网络结构中的参数:训练深度信念网络的参数,进而实现对整个网络权重和偏置的优化;采用反向传播算法对所确定的深度信念网络结构中的参数进行误差校正,进而确定水泥熟料fCaO的预测模型;采集辅助变量集合的实时数据,并将得到的辅助变量集合的实时数据进行3δ准则剔除误差;进而预测出水泥熟料fCaO含量。

Patent Agency Ranking