一、基于HM非线性模型的滚动时域H_∞控制（论文文献综述）
黄东冬[1]（2021）在《基于微分平坦的双容水箱系统轨迹规划及优化控制》文中研究指明多容水箱液位系统的过程控制技术被广泛应用于化工生产、石油、饮料加工等多个领域。本文以加拿大Quanser公司所生产的双容水箱实验装置为研究对象,基于微分平坦理论,利用状态反馈控制方法研究了双容水箱系统的液位控制问题。本文所做的主要工作有:（1）研究了一种双容水箱的约束鲁棒H∞控制方法。首先在工作点对水箱的非线性系统模型线性化得到等效的线性系统,在工作点上下波动的非线性特性可以看做是线性系统的不确定性。然后将系统中存在的水泵供给流量上限及水箱尺寸限制等物理约束描述为控制量约束和状态约束。最后考虑可能发生液漏,双容水箱液位控制问题可以描述为一个带有执行机构饱和约束和状态约束的不确定线性系统干扰抑制问题。本文研究了约束鲁棒H∞状态反馈控制方案,推导了相应的LMI条件并给出了LMI优化问题的求解方法。实验结果表明所应用的约束鲁棒H∞状态反馈控制器具有较好的干扰抑制能力。（2）为了解决系统中由于参考信号的突变而产生超调的情况,利用微分平坦方法,通过安排合理的过渡过程,研究了双容水箱的液位运行轨迹规划方法。首先验证了双容水箱的微分平坦性,然后在执行机构可行的范围内,推导了达到期望“S”型轨迹的控制律并将其作为闭环系统的前馈控制律。最后给出了粒子群算法对期望轨迹中的相关参数进行优化的方法。实验结果表明该方法可以解决系统中超调和快速性之间的矛盾。（3）针对所设计的固定控制器对系统可能存在的保守性,无法实时的解决系统中性能指标和状态约束之间的矛盾的问题,首先引入预测控制中的滚动优化的控制策略,在每一个采样时刻,利用在规划的轨迹上实时对双容水箱系统线性化。然后利用线性化后的系统考虑系统约束,求解当前时刻的状态反馈控制律施加到被控系统中,并保持到下一时刻,最后实现滚动优化的控制策略。仿真结果表明本文所提出的控制策略优于离线优化策略。
马乐乐[2]（2021）在《非线性迭代学习模型预测控制研究》文中提出批次过程在现代智能制造工业中占据重要地位,用于生产具有高附加值的精细化产品,其产品质量在很大程度上取决于控制系统跟踪参考轨迹的精度。批次过程在有限时间区间内重复运行,而迭代学习控制能够通过学习历史运行数据修正当前控制输入,达到沿批次不断提高跟踪精度的目的,因而成为当今批次过程控制的主流方法。迭代学习控制是典型的一维控制算法,控制律只沿迭代轴更新,在时域上采用开环控制结构。因此,迭代学习控制不具备实时抗干扰能力,无法保证系统时域稳定性。模型预测控制作为一种广泛应用于工业优化的先进控制技术,通过预测未来的系统状态及输出进行滚动时域优化,能及时处理实时干扰,保证时域跟踪性能及闭环稳定性。迭代学习模型预测控制结合了迭代学习控制的点对点学习机制和模型预测控制的滚动时域优化框架,建立二维控制结构,同时实现批次过程迭代域和时域的控制目标。这种数据学习与过程控制的有机融合对推动批次制造业的智能化进程具有重大意义,是实施“中国制造2025”战略的重要环节。迭代学习模型预测控制理论仍处于发展初期,实际批次过程的强非线性、快动态、变参考轨迹及变批次长度等问题导致其应用面临着巨大挑战。本文考虑非线性批次过程的多种生产形式,提出了具有针对性的迭代学习模型预测控制策略,深入分析了算法稳定性、鲁棒性及收敛性问题。本文的主要研究工作包括:（1）建立了变参考轨迹下的非线性鲁棒迭代学习模型预测控制策略。采用线性参变模型建模非线性系统动态,在迭代学习模型预测控制中嵌入鲁棒H∞技术抑制变参考轨迹带来的跟踪误差波动,通过优化线性矩阵不等式约束下的目标函数求取控制输入信号。分析了鲁棒迭代学习模型预测控制的鲁棒稳定性和迭代收敛性。针对非线性数值算例和搅拌反应釜系统的仿真验证了所提出算法在适应变参考轨迹方面的有效性。（2）设计了快动态批次过程的非线性高效迭代学习预测函数控制策略。将非线性系统沿参考轨迹线性化得到二维跟踪误差预测模型,并在控制器设计中补偿所产生的线性化误差,构造优化目标函数为真实跟踪误差的上界。在时域上采用预测函数控制以减小待优化变量维数,从而有效降低计算负担。结合终端约束集理论,分析了迭代学习预测函数控制的时域稳定性及迭代收敛性。通过对无人车和快速间歇反应器系统的仿真,验证了所提出算法能够提高控制效率并实现高精度跟踪。（3）构造了复杂非线性批次过程的数据驱动迭代学习模型预测控制策略。利用批次过程不断累积的运行数据,构建仿射型前馈神经网络对系统非线性动态迭代辨识。考虑到神经网络建模误差导致的模型失配问题,设计了基于Tube框架的迭代学习模型预测控制策略,保证系统真实跟踪误差始终维持在Tube不变集内,从而提高系统跟踪精度。基于神经网络预测模型的仿射结构,实现对目标函数梯度的离线解析计算,提高Tube迭代学习模型预测控制的在线计算效率和优化可行性。证明了数据驱动机制下控制系统的鲁棒稳定性及迭代收敛性。针对间歇反应器的建模和控制仿真验证了所提出算法的有效性。（4）构建了变批次长度下的非线性事件触发迭代学习模型预测控制策略。采用神经网络预测序列对缺失信息进行高精度填补,保证各批次能够获得完整的高质量学习数据。根据相邻批次的运行长度关系设置事件触发条件,进行一阶学习结构和高阶学习结构的切换,实现对真实运行信息的高度利用。在以事件触发条件划分的两种控制模式下,证明了非线性迭代学习模型预测控制系统沿迭代轴的收敛性。通过对数值算例和注塑过程的仿真,验证了所提出算法的有效性。
陈安钢[3]（2021）在《工业烟丝干燥过程建模与先进控制策略研究》文中研究指明工业干燥是一项能源密集型的过程,大多数工业干燥过程的能源效率及质量性能偏低。在不断上升的能源成本和愈加激烈的全球化竞争中,干燥过程的能源消耗和质量性能必须得到改善。研究者往往更多地研究干燥过程的机理和模拟仿真,而对干燥过程的操作控制研究甚少。干燥过程的主要成本并不是在初期的投资（设计和装配）,而是在日常运行的干燥过程优化。控制策略对于提高能源效率和获得理想的干燥产品质量至关重要,改善的方法和策略是建立合理的干燥模型和使用有效的控制策略优化干燥过程。在工业干燥过程中,大多数优化控制策略都是基于模型设计的,在控制调节问题中,模型的预测值被用来产生最优控制动作;在估计问题中,基于模型的预测值与工业实际测量数据协调来产生系统最优状态和参数估计。系统模型不仅有助于了解系统内部机理行为,而且是整个控制系统协同优化的基础,因此干燥过程建模是控制研究中首要解决的问题。大多数干燥模型研究从工艺角度来建立,主要的作用是模拟干燥过程以及了解干燥过程各物理变量的变化规律,模型非常复杂且很多涉及到高维度偏微分动态模型,利用该模型进行干燥过程实时控制策略比较困难。作为控制策略研究者更关注模型对后续的控制策略实施的影响,线性模型过于简化并不能精确描述复杂的干燥过程,变量之间的耦合性考虑很少。基于第一原理/机理（能量、质量和动量平衡）的非线性模型不仅能准确地描述干燥过程的复杂动态特性,而且在其他干燥过程/条件下容易移植和扩展这些模型的使用。为了得到干燥过程的最优干燥条件、更好的质量性能以及更高的能源效率,通常基于第一原理模型的优化控制策略是首选。本文主要的研究工作如下:首先,本文基于实际干燥过程（烟丝干燥过程）的相关变量因素客观分析、干燥过程数据主成分分析以及干燥过程机理分析建立起四阶非线性第一原理模型。第一原理模型具有一般性,不仅对于其他干燥过程具有很强的模型移植性和扩展性,而且能够建立起高度复杂且精确的系统模型。其次,针对工业干燥过程存在不可测量或难以测量的状态变量及物理参数,通过能够处理非线性模型及约束的滚动时域估计算法进行估计,避免花费大量精力去测量验证干燥过程中一些难以测量的物理量,以及为后续优化控制提供精确的模型。最后,针对工业干燥过程模型存在自由度不足的控制难题,设计出三种控制策略对其进行优化控制,都取得良好的控制效果。本文主要的创新点如下:（1）设计了烟丝干燥过程的非线性滚动时域估计策略。由于烟丝干燥过程为非线性模型且存在难以测量的未知参数和状态变量以及系统约束,常规的时域估计策略很难处理非线性问题及系统约束,并且不能同时估计出干燥过程模型的未知参数和状态变量。本文设计的非线性滚动时域估计策略（L1-Norm Moving Horizon Estimation,L1-Norm MHE）能显式处理系统非线性及各类约束。基于滚动时域窗口,优化策略只利用最邻近的时域窗口数据同时估计出系统状态变量及未知参数,与全信息时域估计策略相比,该策略不仅有精确的估计结果,而且减少了优化计算负载及计算时间。通过实例仿真对比,发现L1-Norm MHE估计策略在面对复杂工况（数据异常值、噪声、数据漂移）时,更能抑制异常工况,鲁棒性及精确性优于其他算法。该估计策略为后续工业干燥过程的优化控制层提供实时的状态和未知参数估计,改进干燥过程的优化控制效果。（2）提出了烟丝干燥过程的区域非线性模型预测控制策略。针对烟丝干燥系统为多变量非方模型（模型的操作变量数目小于输出变量数目）,存在控制自由度不足的问题。常规模型预测控制往往会导致输出变量存在稳态误差,控制精度及产品质量可能会受到很大影响。本文提出的区域模型预测控制（Zone Model Predictive Control,ZMPC）将烟丝出口水分w无偏差地控制在设定值上。其他被控输出变量不需要严格控制在设定值上,放松其他输出变量的控制要求,只要其在给定的设定区域内即可。放松设定值的策略在一定程度上提高了系统的控制自由度,满足系统关键输出变量的控制要求,消除了输出变量的稳态误差。区域模型预测控制独特特点是采用区域参考轨迹,只有当模型的预测值超过这个区域参考轨迹时,优化器才会改变操作变量。与传统的设定点跟踪模型预测控制相比,区域模型预测控制（ZMPC）具有更好的跟踪性能和鲁棒性能以及控制器最小动作的经济特性,关键是让烟丝出口水分跟踪设定值无任何稳态误差。（3）研究了烟丝干燥过程的优先级多目标非线性模型预测控制策略。针对非线性多变量模型的烟丝干燥过程,系统的被控输出变量间存在相互耦合竞争的矛盾。再加上干燥过程是一个自由度不足的非方模型,如何在有限的操作变量下优先满足系统最为关键的被控输出变量是非方系统迫切需要解决的问题。本文提出将优先级多目标优化策略引入到模型预测控制策略框架上,利用优先级多目标优化是处理系统目标间存在相互竞争的最佳解决策略。对干燥过程被控输出变量进行优先级升序排序依次优化,优先满足优先级高的被控输出变量的工艺要求。针对被控输出变量可能额外受到不同的目标约束,在确定具体被控输出变量的优先级后,对此变量的目标约束进行优先级降序划分,先放松优先级低的目标约束,一旦优化可行时,停止放松其他优先级高的目标约束,最终使系统被控输出变量沿最佳目标轨迹运动。通过控制策略仿真验证,优先级多目标控制策略优先满足烟丝出口水分的目标要求下,降低其他三个输出变量控制目标,以达到干燥过程最优控制效果。与区域模型预测控制比较,设计的控制策略更多地反映工业操作者对干燥过程的主观意愿的要求。（4）开发了烟丝干燥过程的双层非线性模型预测控制策略。对烟丝干燥过程模型进一步分析,发现系统输入输出稳态值的相容性和唯一性都是由于上层优化（Real Time Optimization,RTO）不合理的设定值及模型自由度不足造成的,导致输入输出稳态关系无法求解。系统输出变量存在稳态误差的根本原因是被控输出变量的设定值不合理。针对这一根本原因,本文在上层优化（RTO）和控制层之间增加一个稳态目标优化层（Steady State Objective Optimization,SSTO）,结合当前阶段工艺过程重新优化输出变量的设定值,从而开发出双层模型预测控制（Steady State Objective Optimization-Model Predictive Control,SSTO-MPC）策略。通过控制策略验证,SSTO-MPC控制策略比传统模型预测控制具有更好的跟踪能力和抗干扰能力,与区域模型预测控制及优先级多目标模型预测控制策略相比,SSTO-MPC控制策略具有更严格的理论优化操作设定值,实施更科学合理。
王璐璐[4]（2021）在《多源信息融合的变速变载滚动轴承故障预测系统研究》文中认为滚动轴承作为旋转设备中重要的功能件对设备正常运行起关键作用,且现代设备逐渐趋于智能化和复杂化,使得轴承更多地处于变速变载的工况下。复杂的服役环境导致轴承的故障成为设备的主要失效形式,所以企业越来越重视变速变载下轴承的故障预测和健康管理。由于压力机中的飞轮轴承是典型的变速变载轴承,且飞轮轴承故障是压力机的主要失效形式,严重影响生产的效率和安全性,加上变速变载轴承寿命难以估计,所以为实现变速变载下滚动轴承故障的精准预测,本文以压力机飞轮轴承为背景研究变速变载滚动轴承的故障精准预测问题,以指导企业对设备中旋转零部件的健康管理,主要研究内容如下:（1）以SL4-2500A压力机飞轮轴承为例,通过压力机主传动系统的建模仿真得到飞轮轴承的变工况参数,并以飞轮轴承变速变载工况为背景,搭建了变速变载轴承疲劳寿命实验台,获得了变速变载和定速定载两种工况下滚动轴承全生命周期的振动数据集和温度数据集。（2）为了准确提取变速变载下轴承故障特征,提高故障预测精度,本文对传感器采集的原始振动和温度时序数据进行预处理。使用快速傅里叶变换实现振动信号的降噪,并提取六维时域特征;使用2次B样条曲线对温度信号进行插值,实现温度信号和振动信号的数量规约;使用局部线性嵌入法将振动和温度信号构成的七维特征数据集降为三维,得到多源信息融合的综合特征数据集。（3）基于上述提取的特征,提出了一种多源信息融合的变速变载滚动轴承故障预测方法。基于XGBoost算法将多源信息融合的三维综合特征用于变速变载滚动轴承的故障预测,并与使用三维综合振动特征得到的故障预测结果进行比较,验证了多源信息融合方法的有效性。（4）考虑到变速变载工况下轴承信号复杂、寿命难以估计等问题,开发了基于B/S架构的变速变载滚动轴承状态监测和故障预测系统,包含数据采集、状态监测、数据预处理、故障预测、数据管理和系统管理功能模块,该系统可实现变速变载工况下轴承时序数据的及时采集和有效处理。
彭川[5]（2021）在《基于高斯过程模型预测控制的四旋翼无人机轨迹跟踪控制》文中研究表明四旋翼无人机具有机械结构简单、能够实现垂直起降等特点,因此在民用、商用、军用领域都有广泛的应用。然而,四旋翼无人机是一个非线性、欠驱动、强耦合的系统,而且在实际飞行中易受诸多干扰因素的影响,因此很难获得四旋翼无人机的精确模型,这给四旋翼无人机的自主飞行控制带来了很大的挑战。本文针对四旋翼无人机的建模和轨迹跟踪控制两个问题展开研究,主要研究内容如下:（1）研究了风场扰动下四旋翼无人机的建模方法。采用牛顿欧拉方法建立了简化的四旋翼位置和姿态动力学模型;然后将这两部分的线性部分定义为名义动态模型,并利用高斯过程模型对非线性部分和未建模的动力学系统进行了学习,从而建立了基于高斯过程学习的四旋翼无人机动态模型。这种将牛顿欧拉方法和数据驱动相结合的建模方法不仅使模型更加精确,而且通过协方差形式描述了模型的不确定性。仿真实验表明该建模方法的有效性。（2）提出了一种风场扰动下的四旋翼无人机轨迹跟踪控制方法。采用分层的控制结构,即内环为姿态子系统,外环为位置子系统;分别根据位置和姿态子系统的名义模型和学习获得的高斯过程模型,设计基于高斯过程模型预测控制器。仿真实验结果验证了该方法的有效性。同时将该方法同不考虑名义模型的高斯过程模型预测控制方法进行比较,仿真实验结果表明本文提出的基于名义模型的高斯过程模型预测控制方法在轨迹跟踪控制时具有更高的精度。
谢鲁冰[6]（2021）在《海上风电机组动态机会成组维修策略的研究》文中研究指明我国海岸线辽阔,海上风能资源丰富。海上风电机组距离电力负荷中心近,接入条件好,具有良好的大规模发展前景。当前,我国海上风电产业已由起步阶段步入快速发展期,虽然在海上风电机组的设计制造和建设方面积累了经验,但因海上风电机组故障率高,运维难度大,现阶段仍缺乏海上风电场运维技术方面的系统研究。作为运维技术研究的关键环节,维修策略研究能够进一步提高机组可靠性及维修可达性,起到提高海上风电场能效水平的作用,这对进一步促进海上风电产业的节能降耗具有重要的理论价值和工程实践意义。针对海上风电机组维修策略研究的关键技术问题进行了系统研究,主要研究内容如下。（1）开展了海上风电机组的可靠性分析方法研究。通过分析海上风电机组故障数据采集的重要性与局限性,针对机组故障数据有限的情况,构建了基于三参数威布尔分布的海上风电机组故障预测模型,研究了三参数威布尔分布模型的参数估计方法,在双线性回归参数估计方法的基础上引入中位数的概念,有效避免了因故障数据有限所造成的估计失真问题。通过算例对所构建的模型进行验证,结果表明,较之采用二参数威布尔分布的故障模型,采用三参数威布尔分布故障模型得出的失效率曲线与机组实际故障率拟合程度更高,可作为海上风电机组维修策略研究的技术基础。（2）研究了海上风电机组维修天气窗口时间的预测问题。基于海上风浪数据和维修任务的分级规则,采用排队理论对机组维修等待时间进行了研究。在剖析α修正因子天气窗口预测方法基础上,通过引入维修任务故障率的方法降低了人为主观因素对天气窗口预测的误差。研究结果表明,该预测方法能够进一步挖掘维修船舶等维修资源的性能空间,起到合理延长维修天气窗口时间作用,为海上维修的时间预测提供了技术依据。（3）引入海上维修天气窗口时间检验因素,并考虑海上风电机组多部件维修的相关性,构建了海上风电机组动态机会成组维修策略的数学模型,通过算例得出了预防性维修周期内的最优维修间隔时间及维修组合方案。结果表明:同时考虑经济相关性和结构相关性的动态机会成组维修策略,能够更加充分地利用海上维修窗口时间,进一步降低系统维修费用,结构相关性系数越大,组合中部件数量越多,费用节约效果愈加明显。（4）从海上风电场能效分析角度出发,对所构建的海上风电机组动态机会成组维修模型进行实例验证。分析了海上风电机组能效损失机理并提出了各项能效指标,研究了海上维修不可达性对机组能效损失的影响,针对海上风速与浪高的预测方法,将马尔科夫链预测方法与经验公式推导法进行了对比分析,验证了马尔科夫链预测方法在海上浪高预测方面的精准性。以海上风电场机组群为研究对象,通过江苏某海上风电场作为实例验证了维修模型的有效性,结果表明,海上风电场年平均上网电量提高了5.09%,停机次数降低了24.05%,维修费用降低了9.04%。
孙惠娟,张乐乐,彭春华[7]（2021）在《基于差异化需求响应模型预测控制的微网时域滚动优化调度》文中研究说明为充分利用需求响应资源并提升微网优化调度的可靠性,首先提出以日综合运行成本最低为目标构建计及差异化价格型需求响应的日前优化调度模型,并以此为基础,进一步将差异化需求响应机制与模型预测控制方法相结合,以滚动时域综合运行成本最低为目标构建基于日内时域滚动优化调度模型;鉴于上述微网时域滚动优化调度为复杂的动态优化问题,提出了一种时域滚动复合微分进化算法对模型进行高效快速地求解。微网算例应用结果验证了所提方法的有效性和优越性。
周成江[8]（2020）在《矿浆管道输送系统的隔膜泵单向阀故障诊断研究》文中认为隔膜泵是矿浆管道输送的核心动力设备,它的运行状态直接影响矿物原料输送效率和企业生产效率。单向阀是隔膜泵的核心零件之一,具有良好的密封性和承压性,它的安全稳定运行保障了隔膜泵的运行效率及安全。恶劣的运行环境和频繁的往复运动导致单向阀极易损坏,且它的故障与结构、材质、矿浆特性和泵的工况等因素有关。冶金企业采用的单向阀故障诊断方法及维修更换策略依赖于主观经验,可靠性不高。此外,采集到的单向阀振动信号是由故障信号、多零件振动信号和噪声组成的非线性信号,且受到矿浆特性和工况变化的影响信号具有非平稳性,给单向阀故障诊断带来挑战。信息熵能有效度量非线性信号的复杂性,孪生支持向量机（Twin Support Vector Machines,TSVM）在非线性分类中性能良好,因此基于熵和TSVM研究单向阀的特征提取及故障诊断方法。主要工作有:（1）针对传统方法难以确定单向阀的运行状态和维修更换时间的问题,提出基于滑动散布熵（Sliding Dispersion Entropy,SDE）和自适应变分模态分解（Variational Mode Decomposition,VMD）的单向阀故障检测方法。首先引入滑动窗降采样和映射函数来提高单向阀的SDE特征的趋势性和表征性能,然后通过循环更新SDE特征和状态预警线,初步确定故障预警点,最后从振动信号能量和相关性的角度构造自适应VMD模型,进一步检测预警点附近单向阀的故障状态。SDE能跟踪单向阀的故障状态演化过程,并能更早地检测出故障预警点,自适应VMD能有效确定预警点处单向阀的故障状态。（2）针对单向阀故障特征提取中多尺度排列熵（Multiscale Permutation Entropy,MPE）存在信息丢失和抗噪性差的缺陷,以及TSVM模型精度不高的问题,提出改进多尺度加权排列熵（Improved Multiscale Weighted Permutation Entropy,IMWPE）的单向阀特征提取方法,并构建最小二乘孪生支持向量机（Least Squares Twin Support Vector Machines,LSTSVM）模型。首先引入复合粗粒度和排列模式加权的思想来解决单向阀信号的信息丢失问题,接着改进VMD并将其作为前置滤波器来提高特征的抗噪性能,最后提取单向阀的IMWPE特征并通过LSTSVM实现单向阀的故障诊断。仿真实验和单向阀故障诊断结果表明,IMWPE解决了MPE的信息丢失及抗噪性差的问题,提高了单向阀特征的稳定性及抗噪性能,LSTSVM提高了故障诊断精度。（3）针对单向阀的IMWPE特征存在的等值问题和效率低的问题,用散布模式替代排列模式并提取单向阀的多尺度散布熵（Multiscale Dispersion Entropy,MDE）特征。为了提高单向阀MDE特征的稳定性和精度,提出改进多尺度波动Rényi散布熵（Improved Multiscale Fluctuation Rényi Dispersion Entropy,IMFRDE）的单向阀特征提取方法,并构建最优二叉树（Optimal Binary Tree,OBT）LSTSVM诊断模型。首先通过改进粗粒度方法来提高单向阀熵值特征的稳定性,然后引入Rényi熵提高熵值特征的精度,最后提取单向阀的IMFRDE特征并通过OBT LSTSVM提高单向阀故障诊断精度。仿真实验和单向阀故障诊断结果表明,IMFRDE克服了IMWPE的缺陷,提高了单向阀MDE特征的稳定性和精度,OBT LSTSVM进一步提高了单向阀故障诊断精度。（4）针对噪声和状态模糊过渡等导致单向阀特征样本中存在离群点的问题,以及故障诊断模型泛化性能不佳的问题,提出模糊正则LSTSVM（Fuzzy Regularization Least Squares Twin Support Vector Machine,FRLSTSVM）模型,并与IMFRDE结合提高单向阀故障诊断的可靠性。首先提取单向阀的IMFRDE特征,其次将L2范数正则项引入LSTSVM的目标函数来提高模型的泛化性能,然后基于支持向量域描述（Support Vector Domain Description,SVDD）构造隶属度函数S3来解决样本离群点问题。与LSTSVM模型相比,在故障诊断中FRLSTSVM得到的平均精度提高,精度标准差减小,而且最小精度显着提高。结果表明,基于SVDD离群点检测和隶属度S3的FRLSTSVM模型的泛化性能和抗离群点能力更强,对参数的敏感性更低,可靠性更高。本文以矿浆管道输送中的隔膜泵单向阀为对象,完成了单向阀故障特征提取方法和故障诊断方法研究,为冶金行业机械零件的故障诊断提供了新方法。
廖霈之[9]（2020）在《燃煤电站CO2捕集系统建模与优化控制》文中研究表明在温室效应等生态问题日益严峻的背景下,对燃煤火电机组进行燃烧后CO2捕集是减缓气温上升、落实巴黎协议的重要手段。对于集成了燃烧后CO2捕集系统的燃煤火电机组而言,其运行特性与常规火电机组不同,需要在机组参与深度调峰的同时满足严格的CO2捕集要求。同时,燃煤电站CO2捕集系统（Coal-fired power plant integrated with post-combustion carbon capture,CFPP-PCC）具有强非线性、大惯性和强约束的特性,火电机组和碳捕集系统之间的多变量耦合也会使得电网调峰和CO2减排的运行目标相互影响。在这种情况下,以比例积分微分（Proportional-integral-derivative,PID）控制器为主体的常规控制方式难以取得理想效果。本文将围绕CFPP-PCC系统的动态建模和优化控制开展研究工作,建立基于预测控制的先进控制结构,以实现CFPP-PCC系统的经济、灵活运行。本文的主要研究内容如下:（1）建立了与燃烧后CO2捕集系统集成的660MW超临界燃煤火电机组动态模型。其中,燃煤火电机组增加了烟气流量的建模,并考虑汽轮机抽汽（用于吸收溶剂再生）对发电功率的影响。燃烧后CO2捕集系统采用乙醇胺为吸收溶剂,基于速率法和双膜理论建立有效动态模型。并对碳捕集系统进行结构设计,使其能与660MW超临界燃煤机组相匹配。同时,对燃烧后CO2捕集系统的主要结构参数和运行参数进行稳态优化,实现碳捕集系统的稳态最优。基于g CCS平台联立火电机组和碳捕集系统的动态模型,将其作为后续章节中控制系统的仿真模型。在不同运行工况下深入分析CFPP-PCC系统中主要变量的动态特性,为控制系统的设计提供指导。（2）为克服CFPP-PCC系统大延迟的影响,本文建立了一种基于神经网络逆的PID控制结构。利用输入-输出数据建立CFPP-PCC系统的神经网络逆模型,根据输出变量给定值计算出当前时刻的控制量,并将其作为前馈信号,从而可实现系统提前控制。同时,利用PID补偿器微调,保证系统稳态无偏差。在运行工况大范围变化时,神经网络逆PID控制的仿真结果要优于传统PID控制。（3）针对CFPP-PCC系统的运行要求和其多变量耦合的特性,本文提出了“常规运行模式”、“快速发电模式”和“严格碳捕集模式”等三种运行方式,并建立多变量的模型预测控制器（Model predictive control,MPC）,从而可更好的利用子系统之间的耦合关系。（4）为增强CFPP-PCC系统的鲁棒性和闭环稳定性,本文提出了基于扩张状态观测的稳定预测控制。首先设计满足Lyapunov稳定性要求的稳定预测控制器,通过求解拟无穷时域性能指标计算出满足输入幅值约束和输入速率约束的最优控制序列。对预测模型扩增扰动状态,能够集总反映出设备磨损、燃料变化等不可测扰动的影响,采用扩张状态观测器估计系统未知扰动,并通过前馈补偿消除扰动的影响,从而实现CFPP-PCC的无偏差控制。（5）考虑到CFPP-PCC系统中火力发电、CO2排放和CO2利用等经济性因素的影响,本文建立了基于机器学习的双层优化控制结构和稳定经济性预测控制。在双层优化控制结构中,上层为稳态经济性优化,利用深度置信网络建立CFPP-PCC系统的经济性指标,并计算出满足外界条件和系统约束的经济性最优目标值;下层为监督控制,实现对上层最优给定值的快速追踪。为实现CFPP-PCC系统的动态最优运行,本文建立了满足Lyapunov稳定性要求的经济性预测控制。利用长短期记忆网络建立CFPP-PCC系统的动态模型,并利用粒子群算法求解非线性优化问题。仿真表明,经济性预测控制能够满足CFPP-PCC系统的动态最优运行,实现系统经济利益最大化。
程准[10]（2020）在《拖拉机系统动力学分析与无级变速研究》文中进行了进一步梳理
二、基于HM非线性模型的滚动时域H_∞控制（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HM非线性模型的滚动时域H_∞控制（论文提纲范文）
（1）基于微分平坦的双容水箱系统轨迹规划及优化控制（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 双容水箱系统的研究现状 |
| 1.3 滚动优化的研究现状 |
| 1.4 本文主要研究内容 |
| 第2章 预备知识 |
| 2.1 单容水箱建模原理 |
| 2.2 滚动优化控制理论 |
| 2.3 LMI的概念 |
| 2.4 H_∞控制理论 |
| 第3章 双容水箱液位系统的约束鲁棒H_∞控制 |
| 3.1 双容水箱系统概述 |
| 3.2 双容水箱数学模型及其线性化 |
| 3.3 问题描述 |
| 3.3.1 不确定系统的鲁棒H_∞控制 |
| 3.3.2 基于椭圆域方法的时域约束处理 |
| 3.3.3 参数α的选取 |
| 3.4 实验验证 |
| 3.4.1 无约束实验 |
| 3.4.2 跟踪固定值 |
| 3.4.3 跟踪方波实验 |
| 3.4.4 干扰扰动实验 |
| 3.5 总结 |
| 第4章 基于过渡过程安排的双容水箱轨迹规划 |
| 4.1 过渡过程安排 |
| 4.2 基于过渡过程的控制系统设计 |
| 4.3 基于PSO方法的参数寻优 |
| 4.4 仿真及实验验证 |
| 4.4.1 跟踪方波实验 |
| 4.4.2 初始干扰实验 |
| 4.5 本章小结 |
| 第5章 双容水箱液位系统的滚动优化控制 |
| 5.1 滚动优化控制器工作原理 |
| 5.2 滚动优化控制系统设计 |
| 5.2.1 实时线性化双容系统模型 |
| 5.2.2 滚动优化控制器设计 |
| 5.2.3 耗散性分析 |
| 5.3 反馈校正 |
| 5.4 仿真分析 |
| 5.4.1 跟踪方波仿真 |
| 5.4.2 初始干扰仿真 |
| 5.5 本章小结 |
| 第6章 总结 |
| 参考文献 |
| 作者简介 |
| 硕士期间发表的学术论文 |
| 后记和致谢 |
（2）非线性迭代学习模型预测控制研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题背景及研究目的和意义 |
| 1.2 迭代学习模型预测控制理论的基本问题 |
| 1.2.1 二维预测模型 |
| 1.2.2 控制律迭代优化 |
| 1.2.3 二维稳定性分析 |
| 1.3 迭代学习模型预测控制面临的挑战 |
| 1.3.1 建模问题 |
| 1.3.2 优化问题 |
| 1.3.3 适应性问题 |
| 1.4 本文的研究内容 |
| 第2章 迭代学习模型预测控制基础理论 |
| 2.1 引言 |
| 2.2 迭代学习控制 |
| 2.2.1 控制问题描述 |
| 2.2.2 学习律 |
| 2.2.3 最优ILC算法收敛性分析 |
| 2.2.4 仿真算例 |
| 2.3 模型预测控制 |
| 2.3.1 预测控制基本原理 |
| 2.3.2 基于状态空间模型的预测控制 |
| 2.3.3 仿真算例 |
| 2.4 基于状态空间模型的迭代学习模型预测控制 |
| 2.4.1 二维预测模型 |
| 2.4.2 控制律求解 |
| 2.4.3 收敛性分析 |
| 2.4.4 仿真算例 |
| 2.5 本章小结 |
| 第3章 变参考轨迹非线性鲁棒迭代学习模型预测控制 |
| 3.1 引言 |
| 3.2 二维预测模型推导 |
| 3.2.1 非线性系统的LPV蕴含 |
| 3.2.2 增广迭代误差模型 |
| 3.2.3 二维增广误差模型 |
| 3.3 RILMPC算法 |
| 3.3.1 控制问题描述 |
| 3.3.2 鲁棒稳定状态反馈控制律 |
| 3.3.3 LMI求解 |
| 3.3.4 控制输入约束 |
| 3.4 收敛性分析 |
| 3.5 仿真研究 |
| 3.5.1 仿真一: 数值系统 |
| 3.5.2 仿真二: 搅拌反应釜系统 |
| 3.6 本章小结 |
| 第4章 快动态批次过程非线性高效迭代学习预测函数控制 |
| 4.1 引言 |
| 4.2 二维预测模型 |
| 4.2.1 非线性系统轨迹线性化 |
| 4.2.2 二维LTV增量预测模型 |
| 4.3 稳定ILMPC策略 |
| 4.3.1 ILMPC问题描述 |
| 4.3.2 ILMPC约束处理 |
| 4.4 高效ILPFC策略 |
| 4.4.1 ILPFC问题描述 |
| 4.4.2 ILPFC性能分析 |
| 4.5 ILPFC/ILMPC收敛性分析 |
| 4.6 仿真研究 |
| 4.6.1 仿真一: 无人地面车辆 |
| 4.6.2 仿真二: 非线性间歇反应器 |
| 4.7 本章小结 |
| 第5章 基于数据驱动建模的迭代学习模型预测控制 |
| 5.1 引言 |
| 5.2 非线性批次过程CAFNN建模 |
| 5.3 Tube CAFNN-ILMPC策略 |
| 5.3.1 标称ILMPC控制器 |
| 5.3.2 辅助控制器 |
| 5.4 Tube CAFNN-ILMPC 2D稳定性 |
| 5.4.1 时域稳定性 |
| 5.4.2 迭代收敛性 |
| 5.5 仿真研究 |
| 5.6 本章小结 |
| 第6章 变批次长度事件触发迭代学习模型预测控制 |
| 6.1 引言 |
| 6.2 变批次长度问题描述 |
| 6.2.1 基于预测的误差信息修正算法 |
| 6.2.2 基于修正误差信息的线性迭代学习模型预测控制 |
| 6.3 基于事件触发的非线性迭代学习模型预测控制 |
| 6.3.1 非线性ILMPC问题描述 |
| 6.3.2 基于EKF训练的二维神经网络预测模型 |
| 6.3.3 基于事件触发的非线性迭代学习模型预测控制器设计 |
| 6.3.4 收敛性分析 |
| 6.4 仿真研究 |
| 6.4.1 仿真一: 线性数值系统 |
| 6.4.2 仿真二: 非线性注塑过程 |
| 6.5 本章小结 |
| 第7章 结论与展望 |
| 7.1 研究结论 |
| 7.2 研究展望 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（3）工业烟丝干燥过程建模与先进控制策略研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 工业干燥过程建模及先进控制策略研究的背景及意义 |
| 1.3 工业干燥过程建模及先进控制策略研究的现状分析 |
| 1.3.1 工业干燥过程的研究现状 |
| 1.3.2 工业干燥过程建模的研究现状 |
| 1.3.3 工业干燥过程先进控制策略的研究现状 |
| 1.3.4 工业干燥过程建模及先进控制策略相关研究之不足 |
| 1.4 本文的主要研究工作和创新点 |
| 1.5 符号说明 |
| 第2章 工业烟丝干燥过程机理数学建模 |
| 2.1 引言 |
| 2.2 工业烟丝干燥过程建模相关研究概况 |
| 2.3 工业干燥过程建模理论方法 |
| 2.3.1 控制系统数学模型 |
| 2.3.2 工业过程主要建模法 |
| 2.4 工业烟丝干燥过程 |
| 2.4.1 烟丝干燥过程工艺描述 |
| 2.4.2 烟丝干燥设备结构及工艺要求 |
| 2.4.3 工业烟丝干燥过程建模 |
| 2.4.4 烟丝干燥过程控制方案 |
| 2.5 系统控制周期内层级间协同优化 |
| 2.5.1 有限元正交配置法 |
| 2.5.2 非线性约束优化算法 |
| 2.6 本章小结 |
| 第3章 基于非线性滚动时域估计器的状态和参数估计 |
| 3.1 引言 |
| 3.2 状态估计方法相关概述 |
| 3.3 滚动时域估计(MHE)相关概述 |
| 3.4 全信息估计策略(FIE) |
| 3.5 有限滚动时域估计(MHE) |
| 3.6 状态及参数的滚动时域估计 |
| 3.7 工业干燥过程估计算法鲁棒性对比 |
| 3.7.1 基于线性模型的各类状态估计策略对比 |
| 3.7.2 基于非线性模型的L1-Norm 估计器和L2-Norm 估计器对比 |
| 3.8 本章小结 |
| 第4章 烟丝干燥过程的区域非线性模型预测控制 |
| 4.1 引言 |
| 4.2 干燥过程系统及控制策略相关概述 |
| 4.3 非方多变量系统的非线性控制策略 |
| 4.4 区域模型预测控制策略 |
| 4.5 干燥过程控制策略结果分析 |
| 4.5.1 负载跟踪能力测试的结果 |
| 4.6 本章小结 |
| 第5章 烟丝干燥过程的优先级多目标非线性模型预测控制 |
| 5.1 引言 |
| 5.2 多目标MPC优化算法结构 |
| 5.3 多目标MPC可行性判定及软约束调整 |
| 5.4 多目标优先级及目标约束优先级调整 |
| 5.5 多目标MPC控制策略仿真验证 |
| 5.5.1 单变量系统的多目标控制策略验证 |
| 5.5.2 多变量系统的多目标控制策略验证 |
| 5.6 本章小结 |
| 第6章 烟丝干燥过程的双层非线性模型预测控制 |
| 6.1 引言 |
| 6.2 烟丝干燥系统及性能指标概述 |
| 6.3 非线性滚动时域估计与实时优化 |
| 6.3.1 非线性滚动时域估计(NMHE) |
| 6.3.2 实时优化设计(RTO) |
| 6.4 子层稳态目标优化设计(SSTO) |
| 6.4.1 SSTO可行性判断 |
| 6.4.2 SSTO目标跟踪 |
| 6.4.3 SSTO经济优化 |
| 6.4.4 SSTO可行性与经济优化的协调 |
| 6.5 集成SSTO的 MPC |
| 6.6 控制策略验证 |
| 6.6.1 系统参数和约束 |
| 6.6.2 SSTO和 RTO的优化设定值 |
| 6.6.3 最优操作设定值跟踪能力测试的结果 |
| 6.6.4 非方系统的控制策略对比 |
| 6.7 本章小结 |
| 第7章 总结与展望 |
| 7.1 全文总结 |
| 7.2 研究工作展望 |
| 参考文献 |
| 攻读学位期间发表论文清单 |
| 攻读学位期间承担的科研项目 |
| 致谢 |
（4）多源信息融合的变速变载滚动轴承故障预测系统研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 数据采集 |
| 1.2.2 数据预处理技术研究现状 |
| 1.2.3 滚动轴承故障预测方法研究现状 |
| 1.2.4 滚动轴承故障预测研究存在的问题 |
| 1.3 研究目的及意义 |
| 1.4 主要研究内容 |
| 1.5 论文结构安排 |
| 第2章 变速变载下滚动轴承多源信息采集 |
| 2.1 压力机飞轮轴承变速变载工况分析 |
| 2.2 变速变载滚动轴承疲劳寿命实验台搭建 |
| 2.3 变速变载滚动轴承疲劳寿命试验 |
| 2.3.1 变速变载滚动轴承加速实验设计 |
| 2.3.2 多源信息采集 |
| 2.4 本章小结 |
| 第3章 多源时序数据预处理 |
| 3.1 数据降噪 |
| 3.2 特征选择与提取 |
| 3.2.1 特征选择 |
| 3.2.2 特征提取 |
| 3.3 多源数据特征规约 |
| 3.3.1 特征数量规约 |
| 3.3.2 LLE特征降维 |
| 3.4 本章小结 |
| 第4章 基于多源信息融合的变速变载滚动轴承故障预测 |
| 4.1 故障预测实现方法 |
| 4.2 变速变载下基于单一振动特征的滚动轴承故障预测 |
| 4.2.1 预测模型构建 |
| 4.2.2 数据准备 |
| 4.2.3 故障预测 |
| 4.3 多源信息融合的变速变载滚动轴承故障预测 |
| 4.4 本章小结 |
| 第5章 变速变载滚动轴承状态监测和故障预测系统 |
| 5.1 需求分析 |
| 5.2 系统设计 |
| 5.2.1 功能模块设计 |
| 5.2.2 系统架构设计 |
| 5.3 系统实现 |
| 5.4 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表论文及研究成果清单 |
| 学位论文评阅及答辩情况表 |
（5）基于高斯过程模型预测控制的四旋翼无人机轨迹跟踪控制（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 四旋翼无人机控制方法研究现状 |
| 1.3 本文主要研究内容与结构安排 |
| 第2章 相关理论基础 |
| 2.1 引言 |
| 2.2 高斯过程 |
| 2.3 模型预测控制 |
| 2.4 本章小结 |
| 第3章 基于高斯过程学习的四旋翼无人机模型 |
| 3.1 引言 |
| 3.2 四旋翼无人机飞行原理 |
| 3.3 高斯过程学习的四旋翼无人机模型 |
| 3.3.1 名义动力学模型 |
| 3.3.2 未建模动力学模型 |
| 3.4 仿真结果分析 |
| 3.5 本章小结 |
| 第4章 四旋翼无人机轨迹跟踪控制方法 |
| 4.1 引言 |
| 4.2 基于高斯过程的模型预测控制 |
| 4.3 四旋翼无人机轨迹跟踪控制器设计 |
| 4.3.1 位置控制器设计 |
| 4.3.2 姿态控制器设计 |
| 4.4 仿真结果与分析 |
| 4.5 本章小结 |
| 第5章 总结与展望 |
| 5.1 本文总结 |
| 5.2 后续研究展望 |
| 致谢 |
| 参考文献 |
| 附录1 攻读硕士学位期间获得的科研成果 |
| 附录2 攻读硕士学位期间参加的科研项目 |
（6）海上风电机组动态机会成组维修策略的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 国内外海上风电行业发展现状 |
| 1.1.2 国内外海上风电机组运维现状 |
| 1.1.3 我国开展海上风电机组运维技术研究的意义 |
| 1.2 研究现状综述 |
| 1.2.1 维修决策理论研究现状 |
| 1.2.2 海上风电机组维修优化策略研究现状 |
| 1.2.3 有待进一步研究的问题 |
| 1.3 研究内容及章节结构 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.3.3 章节安排 |
| 第2章 海上风电机组维修策略的分析及选择 |
| 2.1 引言 |
| 2.2 影响海上风电机组维修的主要因素与分析 |
| 2.2.1 海上风电机组维修的可达性 |
| 2.2.2 海上风电机组的维修费用 |
| 2.2.3 海上风电机组维修资源特性分析 |
| 2.3 海上风电机组运维策略的选择 |
| 2.3.1 维修策略对比与决策过程分析 |
| 2.3.2 海上风电机组的维修决策过程 |
| 2.3.3 海上风电机组机会维修策略 |
| 2.3.4 海上风电机组机会成组维修策略 |
| 2.4 本章小结 |
| 第3章 海上风电机组可靠性分析方法研究 |
| 3.1 引言 |
| 3.2 海上风电机组可靠性分析基础 |
| 3.2.1 典型海上风电机组的基本结构 |
| 3.2.2 故障寿命分布规律 |
| 3.2.3 海上风电机组可靠性指标分析 |
| 3.2.4 海上风电机组关键部件失效分布 |
| 3.2.5 海上风电机组故障数据采集 |
| 3.3 基于威布尔分布的海上风电机组故障预测模型分析 |
| 3.3.1 关于二参数威布尔分布的故障预测模型 |
| 3.3.2 基于三参数威布尔分布的故障预测模型构建与分析 |
| 3.4 三参数威布尔分布故障模型的实例分析 |
| 3.5 本章小结 |
| 第4章 海上风电机组维修时间窗口预测方法的研究 |
| 4.1 引言 |
| 4.2 海浪特征统计方法与特征参数分析 |
| 4.2.1 统计方法与特征参数 |
| 4.2.2 我国典型海域风浪特征分析 |
| 4.3 海上风电机组可达性的定义及参数分析 |
| 4.3.1 可接近度 |
| 4.3.2 维修天气窗口时间 |
| 4.3.3 可达度 |
| 4.3.4 维修等待时间 |
| 4.4 海上风电机组维修等待时间特性分析 |
| 4.4.1 维修任务的分级 |
| 4.4.2 维修等待时间的测算方法 |
| 4.4.3 维修等待时间的算例分析 |
| 4.5 海上风电机组天气窗口预测方法研究 |
| 4.5.1 维修天气窗口研究的现状及改进方向 |
| 4.5.2 基于维修任务故障率的天气窗口预测方法 |
| 4.5.3 天气窗口预测方法案例及分析 |
| 4.6 本章小结 |
| 第5章 考虑天气窗口时间的动态机会成组维修策略研究 |
| 5.1 引言 |
| 5.2 动态机会成组维修策略的定义与内涵 |
| 5.3 海上风电机组多部件系统的维修相关性 |
| 5.3.1 多部件系统的维修相关性 |
| 5.3.2 海上风电机组维修相关性及其影响 |
| 5.4 面向海上风电机组的动态机会成组维修策略研究 |
| 5.4.1 单部件维修优化 |
| 5.4.2 初始维修计划 |
| 5.4.3 多部件组合维修优化 |
| 5.4.4 维修计划的更新 |
| 5.5 海上风电机组动态机会成组维修问题的求解 |
| 5.5.1 海上风电机组动态机会成组维修模型 |
| 5.5.2 基本粒子群算法 |
| 5.5.3 动态机会成组维修模型的粒子群算法求解步骤 |
| 5.5.4 算例验证及分析 |
| 5.6 本章小结 |
| 第6章 基于能效分析的动态机会成组维修模型验证 |
| 6.1 引言 |
| 6.2 海上风电机组能效损失及能效指标 |
| 6.2.1 海上风电机组能效损失 |
| 6.2.2 海上风电机组能效指标 |
| 6.3 不可达性对海上风电机组电能损失的影响 |
| 6.4 海上风速与浪高的预测 |
| 6.4.1 公式推算法 |
| 6.4.2 基于马尔科夫链的预测方法 |
| 6.5 维修模型的验证与分析 |
| 6.5.1 数据处理与参数设置 |
| 6.5.2 结果分析 |
| 6.6 本章小结 |
| 第7章 结论与展望 |
| 7.1 结论 |
| 7.2 主要创新点 |
| 7.3 展望 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（8）矿浆管道输送系统的隔膜泵单向阀故障诊断研究（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 隔膜泵单向阀故障特性 |
| 1.2.1 冶金矿浆管道及隔膜泵概述 |
| 1.2.2 隔膜泵单向阀故障特性 |
| 1.3 隔膜泵单向阀故障诊断研究现状 |
| 1.3.1 单向阀故障机理分析研究现状 |
| 1.3.2 单向阀故障特征提取研究现状 |
| 1.3.3 单向阀故障状态识别研究现状 |
| 1.4 信息熵和SVM在故障诊断中的研究现状 |
| 1.4.1 信息熵在故障诊断中的研究现状 |
| 1.4.2 SVM在故障诊断中的研究现状 |
| 1.5 研究内容和创新点 |
| 1.5.1 存在的问题 |
| 1.5.2 研究内容和创新点 |
| 1.6 论文章节安排 |
| 第二章 基于滑动散布熵和自适应VMD的单向阀故障检测方法 |
| 2.1 引言 |
| 2.2 单向阀振动分析与信号采集 |
| 2.2.1 单向阀水力特性分析 |
| 2.2.2 单向阀振动信号采集 |
| 2.2.3 单向阀振动信号特性 |
| 2.3 基于滑动散布熵和自适应VMD的单向阀故障检测 |
| 2.3.1 滑动散布熵 |
| 2.3.2 自适应变分模态分解 |
| 2.3.3 单向阀故障检测实现流程 |
| 2.4 实验验证及结果分析 |
| 2.5 本章小结 |
| 第三章 基于改进多尺度加权排列熵的单向阀故障特征提取方法 |
| 3.1 引言 |
| 3.2 改进多尺度加权排列熵 |
| 3.2.1 多尺度排列熵 |
| 3.2.2 改进多尺度加权排列熵 |
| 3.2.3 仿真实验验证 |
| 3.3 最小二乘孪生支持向量机 |
| 3.3.1 孪生支持向量机 |
| 3.3.2 最小二乘孪生支持向量机 |
| 3.3.3 多分类器构造 |
| 3.4 基于IMWPE和 LSTSVM的单向阀故障诊断 |
| 3.5 实验验证及结果分析 |
| 3.6 本章小结 |
| 第四章 基于改进多尺度波动Rényi散布熵的单向阀故障特征提取方法 |
| 4.1 引言 |
| 4.2 多尺度散布熵及衍生方法 |
| 4.2.1 排列熵与散布熵的关系 |
| 4.2.2 波动散布熵 |
| 4.2.3 多尺度散布熵及衍生方法 |
| 4.3 改进多尺度波动Rényi散布熵 |
| 4.3.1 改进多尺度波动Rényi散布熵 |
| 4.3.2 参数对IMFRDE的影响 |
| 4.3.3 IMFRDE的性能分析 |
| 4.4 最优二叉树最小二乘孪生支持向量机 |
| 4.5 基于IMFRDE和 OBT LSTSVM的单向阀故障诊断 |
| 4.6 实验验证及结果分析 |
| 4.7 本章小结 |
| 第五章 基于模糊正则LSTSVM的单向阀故障诊断方法 |
| 5.1 引言 |
| 5.2 正则最小二乘孪生支持向量机 |
| 5.2.1 L_2范数正则化 |
| 5.2.2 正则最小二乘孪生支持向量机 |
| 5.2.3 模型评估体系 |
| 5.3 模糊正则最小二乘孪生支持向量机 |
| 5.3.1 离群点检测方法 |
| 5.3.2 模糊隶属度函数构造 |
| 5.3.3 模糊正则最小二乘孪生支持向量机 |
| 5.4 基于IMFRDE和 FRLSTSVM的单向阀故障诊断 |
| 5.5 实验验证及结果分析 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 研究工作总结 |
| 6.2 研究工作展望 |
| 致谢 |
| 参考文献 |
| 附录 A 攻读博士学位期间取得的成果 |
| 附录 B 攻读博士学位期间参与的科研项目 |
（9）燃煤电站CO2捕集系统建模与优化控制（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题背景及意义 |
| 1.2 基于化学吸附的燃烧后CO_2捕集系统研究现状 |
| 1.2.1 燃烧后CO_2捕集系统动态建模 |
| 1.2.2 燃烧后CO_2捕集系统辨识 |
| 1.2.3 燃烧后CO_2捕集系统运行控制 |
| 1.3 燃煤电站CO_2捕集整体系统研究现状 |
| 1.4 预测控制研究现状 |
| 1.4.1 稳定预测控制方法研究现状 |
| 1.4.2 经济性预测控制方法研究现状 |
| 1.5 存在的问题及本文主要工作 |
| 1.5.1 存在的问题 |
| 1.5.2 本文主要工作 |
| 第二章 燃煤电站CO_2捕集系统建模与特性分析 |
| 2.1 引言 |
| 2.2 660MW超临界燃煤火电机组非线性模型 |
| 2.2.1 制粉系统建模 |
| 2.2.2 锅炉汽水系统建模 |
| 2.2.3 汽轮机建模 |
| 2.2.4 烟气流量建模 |
| 2.2.5 最简模型结构 |
| 2.2.6 参数辨识 |
| 2.2.7 模型验证 |
| 2.3 基于化学吸收法的燃烧后CO_2捕集系统动态模型 |
| 2.3.1 吸收塔、分离塔模型 |
| 2.3.2 再沸器和冷凝器模型 |
| 2.3.3 换热器模型 |
| 2.3.4 缓冲罐模型 |
| 2.3.5 PCC系统模型验证 |
| 2.4 基于化学吸收法的燃烧后CO_2捕集系统结构设计 |
| 2.4.1 贫液流量初始估计 |
| 2.4.2 吸收塔和分离塔尺寸计算 |
| 2.4.3 换热器尺寸 |
| 2.4.4 再沸器、冷凝器和缓冲罐尺寸 |
| 2.5 基于化学吸收法的燃烧后CO_2捕集系统稳态优化 |
| 2.5.1 吸收塔高度 |
| 2.5.2 再沸器温度及压力 |
| 2.6 燃煤电站CO_2捕集系统动态特性分析 |
| 2.6.1 火电机组动态特性分析 |
| 2.6.2 PCC系统动态特性分析 |
| 2.6.3 燃煤电站CO_2捕集系统集成 |
| 2.6.4 整体系统动态特性分析 |
| 2.7 本章小结 |
| 第三章 燃煤电站CO_2捕集系统神经网络逆PID控制 |
| 3.1 引言 |
| 3.2 燃煤电站CO_2捕集系统分散控制结构 |
| 3.2.1 燃煤火电机组协调控制系统 |
| 3.2.2 燃烧后CO_2捕集系统控制结构 |
| 3.2.3 燃煤电站CO_2捕集系统整体控制结构 |
| 3.3 燃煤电站CO_2捕集系统神经网络逆PID控制 |
| 3.3.1 神经网络逆控制结构 |
| 3.3.2 CFPP-PCC神经网络逆模型 |
| 3.3.3 改进神经网络逆控制结构 |
| 3.3.4 仿真算例 |
| 3.4 本章小结 |
| 第四章 燃煤电站CO_2捕集系统预测控制方法研究 |
| 4.1 引言 |
| 4.2 燃煤电站CO_2捕集系统预测控制 |
| 4.2.1 CFPP-PCC预测控制算法 |
| 4.2.2 CFPP-PCC系统不同控制模式 |
| 4.2.3 仿真算例 |
| 4.3 燃煤电站CO_2捕集系统稳定预测控制 |
| 4.3.1 基于改进扩张状态观测器的无穷时域稳定预测控制算法 |
| 4.3.2 仿真算例 |
| 4.4 本章小结 |
| 第五章 融合机器学习与演化计算的燃煤电站CO_2捕集系统经济性预测控制 |
| 5.1 引言 |
| 5.2 考虑CO_2产量的CFPP-PCC系统 |
| 5.2.1 CFPP-PCC系统全流程简述 |
| 5.2.2 CO_2产量动态特性分析 |
| 5.3 机器学习算法在燃煤电站CO_2捕集系统中的应用 |
| 5.3.1 基于深度置信网络的CFPP-PCC系统稳态建模 |
| 5.3.2 基于长短期记忆网络的CFPP-PCC系统动态建模 |
| 5.4 燃煤电站CO_2捕集系统双层优化控制 |
| 5.4.1 CFPP-PCC系统上层优化 |
| 5.4.2 CFPP-PCC系统下层监督控制 |
| 5.4.3 仿真算例 |
| 5.5 基于机器学习的稳定经济性预测控制 |
| 5.5.1 稳定经济性预测控制算法 |
| 5.5.2 仿真算例 |
| 5.6 本章小结 |
| 第六章 结论与展望 |
| 6.1 论文工作总结 |
| 6.2 工作展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
四、基于HM非线性模型的滚动时域H_∞控制（论文参考文献）
- [1]基于微分平坦的双容水箱系统轨迹规划及优化控制[D]. 黄东冬. 吉林化工学院, 2021(01)
- [2]非线性迭代学习模型预测控制研究[D]. 马乐乐. 华北电力大学(北京), 2021(01)
- [3]工业烟丝干燥过程建模与先进控制策略研究[D]. 陈安钢. 东华大学, 2021(01)
- [4]多源信息融合的变速变载滚动轴承故障预测系统研究[D]. 王璐璐. 山东大学, 2021
- [5]基于高斯过程模型预测控制的四旋翼无人机轨迹跟踪控制[D]. 彭川. 武汉科技大学, 2021(01)
- [6]海上风电机组动态机会成组维修策略的研究[D]. 谢鲁冰. 华北电力大学(北京), 2021(01)
- [7]基于差异化需求响应模型预测控制的微网时域滚动优化调度[J]. 孙惠娟,张乐乐,彭春华. 电网技术, 2021(08)
- [8]矿浆管道输送系统的隔膜泵单向阀故障诊断研究[D]. 周成江. 昆明理工大学, 2020
- [9]燃煤电站CO2捕集系统建模与优化控制[D]. 廖霈之. 东南大学, 2020(02)
- [10]拖拉机系统动力学分析与无级变速研究[D]. 程准. 南京农业大学, 2020