先進控制與線上最佳化技術及其套用

先進控制與線上最佳化技術及其套用

《先進控制與線上最佳化技術及其套用》主要介紹了建模技術、軟測量技術、先進控制算法和最佳化算法等理論與技術,這些技術與流程工業有著密切的聯繫。全書理論聯繫實際,有很多丁業套用實例。《先進控制與線上最佳化技術及其套用》適合作為自動化、檢測技術以及計算機套用類本科生的選修課教材,碩士生的必修課教材,也可供研究人員和工程技術人員參考。

基本介紹

  • 書名:先進控制與線上最佳化技術及其套用
  • 作者:潘立登
  • ISBN:9787111266754
  • 類別:圖書
  • 頁數:403頁
  • 定價:44.00 元
  • 出版社:機械工業出版社
  • 出版時間:2009
  • 裝幀:平裝
  • 開本:16
內容簡介,作者簡介,目錄,

內容簡介

本書主要介紹了建模技術、軟測量技術、先進控制算法和最佳化算法等理論與技術,這些技術與流程工業有著密切的聯繫。具體包括已發展起來的數據處理理論——小波分析以及主要建模方法:主元分析法、非線性多元回歸法、逐步回歸法,以及主元回歸、部分最小二乘法等的建模法;得到廣泛套用的神經元網路的原理、支持向量機和它們在軟測量技術中的套用;近年蓬勃發展的統計過程質量控制、先進的模型PID控制、內模控制、IMC-PID控制、預測控制、模糊控制和遺傳算法以及粒子群最佳化算法與LNJ最佳化算法和它們在工業現場線上最佳化控制中的套用。全書理論聯繫實際,有很多工業套用實例。

作者簡介

浙江泰順人,男,1938年3月生。1961年畢業於天津大學,現任北京化工大學教授,博士生導師,自動化研究所所長,中國自動化學會過程控制委員會常委、一些雜誌編委和審稿人。1981年~1983年在加拿大多倫多大學作訪問學者。1988年~1989年任美國3I公司儀器儀表副總工程師。講授“先進控制理論與技術”,“系統辨識與建模”和“系統模型化與軟測量技術”等課程,指導在讀博士生8人,碩士生10人。在刊物和會議上發表論文150多篇。“對二甲苯模擬移動床計算機控制”、“化纖廠腈綸生產先進控制”和“中油克拉瑪依石化公司Ⅰ套常減壓蒸餾裝置先進控制和最佳化控制套用”等項目,分別獲得國家石油和化學工業局科技進步三等獎(證書號為98I-3-017-1)、中國石油化工集團公司科技進步二等獎(證書號為98-2-035)和北京市科技進步二等獎(證書號為2003工-2-015-01)。編寫《化工對象動態特性測試方法》,《系統辨識與建模》等著作五本,合譯著三本。負責並完成二十多個科研項目,目前在研項目5個,從事煉油、石化複雜過程建模與先進過程控制、閉環系統辨識、軟測量技術套用和過程線上最佳化控制的研究與軟體開發。

目錄

目 錄
出版說明
前言
第1章 概述 1
1.1 建模的目的和基本方法 2
1.2 小波分析及其套用 3
1.3 統計過程控制 4
1.3.1 相關分析和回歸分析 4
1.3.2 主元分析法 4
1.3.3 部分最小二乘法 5
1.3.4 多變數統計過程控制 5
1.4 軟測量技術 6
1.5 建模與系統辨識 7
1.6 人工神經網路及其套用 7
1.7 先進過程控制 8
1.7.1 先進過程控制的特點 8
1.7.2 先進控制的發展現狀 9
1.7.3 先進控制的核心內容 10
1.7.4 先進控制軟體的產業化 11
1.7.5 先進控制的實施 13
1.7.6 先進控制工程化方法 13
1.7.7 需深入研究的問題 15
1.8 線上最佳化 15
參考文獻 16
第2章 小波算法用於數據處理 17
2.1 傅立葉變換 17
2.2 小波變換 20
2.2.1 函式空間和廣義空間 20
2.2.2 小波變換原理 21
2.2.3 傅立葉變換、短時傅立葉變換和小波變換的比較 23
2.3 一維連續小波變換 24
2.4 高維連續小波變換 26
2.5 一維離散小波變換 27
2.5.1 離散小波變換 27
2.5.2 二進制小波變換 27
2.6 多分辨分析 29
2.7 一維Mallat算法 33
2.8 提升小波變換 34
2.9 幾種常用的小波基函式 37
2.9.1 Haar小波函式 37
2.9.2 Mexican Hat(mexh)小波函式 37
2.9.3 Daubechies小波函式系 38
2.9.4 Biorthogonal小波函式系 39
2.9.5 Symlets小波函式系 39
2.9.6 Morlet小波 40
2.9.7 Meyer小波 41
2.10 小波分析在信號處理中的套用 42
2.10.1 仿真信號 42
2.10.2 一維連續小波分析 42
2.10.3 一維離散小波分析 43
2.10.4 用小波分析進行信號的消噪 45
2.10.5 小波濾波的線上實現 51
2.10.6 用小波分析進行信號的奇異性檢測 53
2.10.7 用小波分析進行信號的壓縮 55
2.10.8 用小波分析進行信號的發展趨勢識別 55
2.10.9 用小波分析進行信號的抑制與衰減 56
2.10.10 用小波分析進行某頻率區間信號的識別 58
2.10.11 用小波分析進行信號的自相似性檢測 58
2.10.12 結論 59
思考題與習題 60
參考文獻 60
第3章 多變數統計建模方法及其在軟測量和統計過程控制中的套用 62
3.1 相關分析 62
3.1.1 相關係數計算公式 63
3.1.2 處理結果 63
3.1.3 相關係數結果分析 64
3.2 多元統計回歸分析 65
3.2.1 多元線性回歸算法 65
3.2.2 F檢驗和t檢驗 66
3.2.3 線性化 67
3.2.4 多元線性回歸方法 67
3.2.5 噴射塔中SO2吸收傳質係數的軟測量 71
3.2.6 多元逐步回歸 73
3.2.7 多元逐步回歸方法計算步驟 75
3.3 主元分析法 78
3.3.1 概述 78
3.3.2 主元分析方法 79
3.3.3 NIPALS方法 80
3.3.4 主元回歸方法 80
3.3.5 多尺度主元分析 81
3.3.6 遞推PCA 83
3.4 部分最小二乘法 89
3.4.1 部分最小二乘回歸法 89
3.4.2 部分最小二乘回歸的計算方法 91
3.4.3 部分最小二乘遞推算法 96
3.5 4種建模方法的比較 97
3.6 多變數統計過程監控 100
3.6.1 單變數統計過程控制 101
3.6.2 多變數統計過程監控方法 104
3.6.3 基於多尺度主元分析的多元統計過程監控 107
3.6.4 基於遞推PCA的多元統計過程監控 115
3.6.5 基於多PCA模型的多元統計過程監控 116
思考題和習題 118
參考文獻 118
第4章 魯棒內模控制及其套用 123
4.1 概述 123
4.1.1 魯棒控制 124
4.1.2 內模控制 125
4.1.3 IMC-PID控制 125
4.2 魯棒控制 126
4.2.1 控制系統的魯棒性 126
4.2.2 SISO系統的魯棒控制所需的系統信息 126
4.2.3 標稱性能 127
4.2.4 魯棒穩定性 128
4.2.5 魯棒性能 129
4.3 內模控制 129
4.3.1 SISO穩定系統的內模控制結構 129
4.3.2 IMC控制器的性能 130
4.3.3 SISO穩定系統IMC控制器的設計 134
4.4 模型不確定性界和控制系統魯棒性能的研究 136
4.4.1 使用範數有界方法一 136
4.4.2 使用精確不確定性 138
4.4.3 使用範數有界方法二 140
4.4.4 使用一階Pade近似純滯後計算模型不確定性界的方法 140
4.4.5 比較討論以上4種設計方法 143
4.4.6 預測控制算法本質上都屬於IMC結構 146
4.5 IMC-PID控制 150
4.5.1 IMC-PID控制器的設計 150
4.5.2 IMC-PID控制器參數設計 152
4.6 IMC-PID軟體包 154
4.6.1 IMC-PID軟體包體系結構 154
4.6.2 IMC-PID軟體包所採用的技術 155
4.6.3 實施IMC-PID前後的運行曲線 155
4.7 多變數系統解耦內模控制 158
4.7.1 多變數內模控制及NLJ隨機搜尋算法 158
4.7.2 NLJ隨機搜尋算法 160
4.7.3 多變數系統解耦內模控制設計及套用 160
4.7.4 仿真 161
4.7.5 結論 163
4.8 模型PID控制 163
4.8.1 模型PID控制概述 163
4.8.2 過程模型的閉環辨識 163
4.8.3 過渡過程衰減比的新要求和超調量的約束條件 167
4.8.4 閉環系統控制器PID參數設計 167
4.8.5 現場套用示例 168
思考題與習題 169
參考文獻 169
第5章 預測控制 173
5.1 預測控制的產生和類型 173
5.1.1 預測控制產生的背景 173
5.1.2 預測控制的類型 173
5.1.3 預測控制的分析方法 175
5.1.4 預測控制軟體包 175
5.1.5 預測控制的套用概況 178
5.2 預測控制的特點、現狀和發展 178
5.2.1 預測控制的特點 178
5.2.2 預測控制的現狀 179
5.2.3 需要深入考慮的問題 180
5.3 預測控制基本算法 181
5.3.1 動態矩陣控制算法 181
5.3.2 模型算法控制 185
5.4 廣義預測控制 187
5.4.1 顯式廣義預測自校正控制 188
5.4.2 隱式廣義預測自校正控制 192
5.4.3 廣義預測控制仿真實驗 196
5.5 廣義預測控制快速算法 202
5.6 多變數單值預估控制 204
5.6.1 多變數單值預估控制算法 204
5.6.2 大滯後系統的多變數單值廣義預測控制 206
5.7 廣義預測-PID串級控制 209
5.7.1 GPC-PID串級控制的結構與特點 209
5.7.2 仿真試驗 210
5.7.3 GPC-PID 串級控制的實施方案 213
5.8 基於差分方程的單變數預測函式控制 214
5.8.1 概述 214
5.8.2 基於差分方程的預測函式控制基本原理及算法研究 214
5.8.3 基於差分方程的預測函式控制算法的仿真研究 218
5.8.4 結論 222
5.9 基於NLJ最佳化算法的多變數約束預測函式控制 222
5.9.1 概述 222
5.9.2 多變數預測函式控制算法 223
5.9.3 NLJ算法 225
5.9.4 仿真結果 225
5.9.5 結論 227
5.10 多變數協調預測控制及其套用 227
5.10.1 約束協調控制 227
5.10.2 多採樣周期控制系統 228
5.10.3 預測控制的實施方案 228
5.10.4 催化裂化反應深度多變數預測控制 229
思考題與習題 232
參考文獻 232
第6章 人工神經網路理論及其在軟測量中的套用 235
6.1 人工神經網路 235
6.2 BP神經網路及其套用 237
6.2.1 BP網路結構 237
6.2.2 BP算法 238
6.2.3 BP算法的軟體實現 240
6.2.4 BP算法的性能和問題 240
6.2.5 BP 網路的套用 241
6.2.6 建立非線性函式模型 241
6.3 RBF神經網路及其套用 242
6.3.1 RBF網路結構及工作過程 242
6.3.2 RBF網路的學習方法 244
6.3.3 RBF 網路的算法 249
6.3.4 用RBF神經網路建立系統模型 250
6.3.5 RBF網路的編程實現 252
6.3.6 用RBF網路建立油品粘度和閃點的軟儀表模型 252
6.3.7 乙醛氧化制醋酸氧化塔收率軟儀表的RBF模型 254
6.4 用PCA-RBFN 建立可偵破故障的反應器自校正模型 257
6.4.1 概述 257
6.4.2 PCA-RBFN 自校正模型 258
6.4.3 用PCA-RBFN建立可偵破故障的反應器自校正模型 260
6.4.4 結論 261
6.5 B樣條神經網路 261
6.5.1 B樣條函式的構成及其性質 261
6.5.2 B樣條神經網路算法 263
6.5.3 B樣條網路的訓練 264
6.5.4 建立聚合反應分子量分布靜態模型 265
6.6 用支持向量機構建軟儀表 270
6.6.1 概述 270
6.6.2 最小二乘支持向量機算法 271
6.6.3 床層溫度擬定態模型 272
思考題與習題 274
參考文獻 274
第7章 模糊控制理論與套用 277
7.1 傳統控制的難題 277
7.2 模糊控制技術的發展及套用 277
7.3 模糊控制原理 278
7.3.1 模糊控制的基本思路 278
7.3.2 精確量的模糊化 279
7.3.3 建立模糊控制規則及進行模糊判決 281
7.3.4 反模糊化 281
7.4 模糊控制器的設計 283
7.4.1 基本模糊控制器的設計 283
7.4.2 參數線上自校正模糊控制器的設計 286
7.4.3 自適應模糊控制器 287
7.4.4 常壓塔塔底液位非線性控制 289
7.5 模糊控制與PID控制的結合 291
7.5.1 模糊控制與PID控制的比較 291
7.5.2 模糊控制與PID控制串級控制 292
7.6 小結 293
思考題與習題 294
參考文獻 294
第8章 遺傳算法及其工程套用 296
8.1 遺傳算法的基本原理和方法 296
8.1.1 概述 296
8.1.2 遺傳算法的基本方法 296
8.1.3 遺傳算法的理論基礎 298
8.1.4 遺傳算法的研究進展及套用 299
8.2 自適應遺傳算法 300
8.2.1 相似度對遺傳算法的影響 300
8.2.2 基於交叉相似度的自適應遺傳算法 302
8.2.3 函式最佳化問題 303
8.3 實數編碼遺傳算法與最佳化分布交叉操作 304
8.3.1 實數編碼策略 305
8.3.2 實數編碼交叉操作的效率分析 305
8.3.3 有效交叉操作和張弛交叉操作 308
8.3.4 實數編碼最佳化分布交叉操作 309
8.3.5 仿真計算 310
8.4 分散式遺傳算法 311
8.4.1 遺傳算法的並行處理 311
8.4.2 分散式混合遺傳算法 311
8.5 用遺傳算法估計反應動力學參數 313
8.6 遺傳算法用於過程最佳化 314
8.7 常減壓蒸餾裝置的最佳化 315
8.7.1 建立收率的最佳化模型 315
8.7.2 對收率最佳化模型進行最佳化 316
8.7.3 最佳化結果分析 316
8.8 遺傳算法生成模糊規則 316
8.8.1 問題的結構 317
8.8.2 查詢表的信息冗餘及遺傳個體的表示 317
8.8.3 遺傳算法的構造 318
8.8.4 結論 320
思考題與習題 320
參考文獻 320
第9章 計算機監控系統和線上最佳化控制 324
9.1 計算機監控系統 324
9.1.1 計算機監控系統類型 324
9.1.2 監測控制系統的功能 325
9.1.3 監測控制系統設計要求 326
9.1.4 監測控制系統設計步驟 326
9.1.5 SCADA系統的功能及其發展趨勢 328
9.1.6 SCADA的硬體結構及資料庫 329
9.1.7 SCADA的軟體 331
9.2 線上最佳化控制 332
9.2.1 最佳化控制的意義和必要性 332
9.2.2 過程最佳化技術 332
9.2.3 過程最佳化的描述 333
9.2.4 最佳化算法的種類 334
9.3 過程線上最佳化控制的套用 335
9.3.1 NLJ最佳化算法 335
9.3.2 複合形最佳化算法 338
9.3.3 線上最佳化套用示例 340
思考題與習題 344
參考文獻 344
第10章 群集智慧型最佳化算法及其套用 346
10.1 概述 346
10.1.1 粒子群算法 346
10.1.2 蟻群算法 346
10.1.3 群智慧型的優點 347
10.2 粒子群最佳化算法 347
10.2.1 PSO算法基本原理 348
10.2.2 PSO算法數學描述 348
10.3 PSO算法的改進 349
10.3.1 加入慣性權重因子w的PSO算法 349
10.3.2 基本PSO的算法步驟 350
10.3.3 Vmax與w對PSO算法的影響 351
10.4 PSO算法的發展 351
10.4.1 自適應PSO 351
10.4.2 混合PSO 352
10.4.3 協同PSO 352
10.4.4 離散PSO 353
10.5 離散三群粒子群最佳化算法 353
10.5.1 基本離散粒子群最佳化算法 353
10.5.2 離散三群粒子群最佳化算法 354
10.5.3 工業現場的軟測量套用 355
10.6 蟻群算法 358
10.6.1 蟻群算法概述 358
10.6.2 蟻群算法的基本原理 360
10.6.3 蟻群算法基本模型的改進技術 363
10.6.4 蟻群算法在連續最佳化問題中的套用 365
10.6.5 尚需深入研究的問題 367
思考題與習題 367
參考文獻 368
附錄 370
附錄A MATLAB程式 370
附錄B F分布表和t分布表 401

相關詞條

熱門詞條

聯絡我們