检索结果-内蒙古大学图书馆

作者：董鑫西北师范大学

学位级别：硕士

工程动力学系统一般表现为观测数据庞杂、结构复杂且固有属性值未知。传统模型辨识方法,即仅根据输入输出数据求解其底层动力学控制方程,受到条件制约成为亟需解决的科学问题。目前,模型辨识方法逐渐从模型驱动式转变为数据驱动式。同时... 详细信息

工程动力学系统一般表现为观测数据庞杂、结构复杂且固有属性值未知。传统模型辨识方法,即仅根据输入输出数据求解其底层动力学控制方程,受到条件制约成为亟需解决的科学问题。目前,模型辨识方法逐渐从模型驱动式转变为数据驱动式。同时,由于表征非线性动力学系统控制方程的特征空间往往是稀疏的,因此稀疏回归方法被应用于高维非线性系统辨识。基于该背景下,华盛顿大学Brunton团队提出基于非线性动力学系统的稀疏辨识(Sparse Identification of nonlinear dynamical systems,SINDy)模型,即假设表征动力学系统的控制方程的非线性函数库是稀疏的,将求解控制方程问题转化为最小化稀疏系数问题。本文在SINDy模型的基础上,结合统计学习模型、机器学习模型和不同非线性动力学系统对其原有模型框架进行改进,以辨识得到相应最优模型解。主要研究内容包括以下三个方面:1)针对非线性动力学系统维数高及复杂性强的问题,对SINDy原有模型进行内部架构增扩研究,即对非线性候选函数库进行相应增扩。主要体现于三个方面的改进:一是表征所学系统的控制方程由常微分方程变为偏微分方程时,加入组稀疏方法,即将输入数据中的偏导数项进行分组后并通过SINDy模型对各子数组进行稀疏正则化;二是当输入数据维度更高时,在原有SINDy模型中嵌入核回归方法,用以将非线性不可分的高维数据通过核映射的形式映射至线性可分的核空间中;最后将SINDy模型与Koopman线性算子相结合,用以将非线性系统拟合成一个线性模型和非线性强迫激励信号。2)针对SINDy模型中难以确定稀疏基矢量的问题,对SINDy原有模型进行外部架构增扩研究。从统计学习角度而言,将SINDy模型与信息准则方法(AIC)相结合,利用信息支持值对候选模型库进行数理度量,从而优化稀疏模型的选择。后续将SINDy模型与自编码器和核函数方法相结合,用以在辨识稀疏模型的同时,从而实现本征坐标变换。3)SINDy模型中的含噪数据处理方法研究。实际工程应用中需对含噪观测数据进行处理,则在利用SINDy模型学习稀疏系数时,结合自适应时间步长滤噪法和卡尔曼滤波法,将输入观测数据分割为过去状态值和未来状态值,从而得到纯净输入数据的估计值,也可辨识出其噪声概率分布。并通过一组非线性动力学系统验证了SINDy模型及其衍生模型的辨识精度高以及鲁棒性较强。

关键词：模型辨识非线性动力学 SINDy模型机器学习

来源：评论

学校读者我要写书评

暂无评论

核反应堆一回路SGTR强化学习控制策略研究与仿真

核反应堆一回路SGTR强化学习控制策略研究与仿真

引用

作者：马明锋华北电力大学(北京)

学位级别：硕士

由于全球化推动的经济发展导致能源需求增加以及化石燃料的消费造成了环境污染,各国正在向节能减排和开发清洁高效的新能源的方向发展。核能是一种低碳、稳定的能源,可以减少空气污染,优化电力产业结构,实现可持续发展。为了在核反应堆... 详细信息

由于全球化推动的经济发展导致能源需求增加以及化石燃料的消费造成了环境污染,各国正在向节能减排和开发清洁高效的新能源的方向发展。核能是一种低碳、稳定的能源,可以减少空气污染,优化电力产业结构,实现可持续发展。为了在核反应堆中推广人工智能的自主监控技术,中国“十三五”核电发展项目旨在打造一个原型,实现典型运行任务和事故处理流程的高度自主执行。通过利用模型识别和强化学习,可以在一定的预期事故范围内识别离线系统,并设计用于自主控制的自适应控制器。该研究侧重于在典型停机响应期间使用强化学习来完成复杂的控制功能,从而提高事故条件下机组的智能性。本文具体研究内容如下:(1)分析了人工智能在反应堆控制方面的应用,对已有的故障处理方法和人工智能方法进行了说明。引出了 SGTR(蒸汽发生器传热管破裂)对反应堆造成的重要影响和该事故在模拟机上的运行过程,介绍并分析了时间序列建模的基本理论和策略,结合反应堆事故过程的特点和特征分析进行了参数选取。为后续研究提供了数据支持。(2)分析了 SGTR事故中一回路温度参数以及稳压器水位和压力与其他参数的关联度。调整了 LSTM神经网络框架使之能应用于强化学习,在此基础上建立了适用于强化学习的一回路温度速率模型与稳压器压力和液位模型,为深度强化学习在反应堆事故控制中的应用奠定了基础。(3)给出了深度强化学习基本理论,提出了基于深度强化学习的故障状态下过程控制系统框架与学习框架。在此基础上使用TD3算法对反应堆一回路温度变化率控制进行了仿真实验,证明了算法的有效性。针对故障状态下反应堆稳压器多输入多输出问题,表明了 PPO算法更适合多目标控制。仿真实验表明,控制系统具有良好的设定值跟踪性能。

关键词：节能减排反应堆自主控制停堆响应 SGTR事故模型辨识 LSTM TD3 PPO

来源：评论

学校读者我要写书评

暂无评论

变机动高超声速滑翔目标的轨迹序列预测算法

引用

航空兵器 2021年第2期28卷 40-48页

作者：陈南华赵良玉雍恩米娄泰山北京理工大学宇航学院北京100081 中国空气动力研究与发展中心四川绵阳621000 郑州轻工业大学电气信息工程学院郑州450002

针对变机动临近空间高超声速滑翔目标轨迹难以准确预测的问题,提出一种基于ARIMA-UKF的轨迹预测算法。首先,在目标机动变化情况下通过无迹Kalman滤波(Unscented Kalman Filter,UKF)算法实现对目标的跟踪估计,为轨迹预测提供基础数据;其... 详细信息

针对变机动临近空间高超声速滑翔目标轨迹难以准确预测的问题,提出一种基于ARIMA-UKF的轨迹预测算法。首先,在目标机动变化情况下通过无迹Kalman滤波(Unscented Kalman Filter,UKF)算法实现对目标的跟踪估计,为轨迹预测提供基础数据;其次,通过对数据进行平稳性分析、模型辨识、参数估计和模型诊断来确定自回归集成滑动平均(Autoregressive Integrated Moving Average,ARIMA)模型,并根据该模型预测目标加速度信息;最后,结合UKF算法中的一步预测方法对目标轨迹进行预测。仿真结果表明,UKF算法能为轨迹预测提供位置误差小于100 m和速度误差小于1.2 m/s的跟踪估计数据;在目标变机动情况下相较于复合函数拟合预测方法,ARIMA-UKF算法预测150 s,100 s和50 s时的位置精度分别提升了5 km,4.5 km和2.3 km。

关键词：高超声速滑翔目标轨迹预测模型辨识自回归集成滑动平均模型无迹Kalman滤波

来源：评论

学校读者我要写书评

暂无评论

火电厂热工过程多变量系统辨识软件设计

火电厂热工过程多变量系统辨识软件设计

引用

作者：贾仪伦华北电力大学

学位级别：硕士

大多数火电厂热工过程都是具有强耦合性的多变量系统,如何根据运行数据或实验数据准确辨识这类多变量系统的传递函数模型一直是过程控制领域的研究重点。本文根据实际工程项目需要,研究了利用火电厂运行数据辨识多变量系统传递函数模型... 详细信息

大多数火电厂热工过程都是具有强耦合性的多变量系统,如何根据运行数据或实验数据准确辨识这类多变量系统的传递函数模型一直是过程控制领域的研究重点。本文根据实际工程项目需要,研究了利用火电厂运行数据辨识多变量系统传递函数模型的方法,设计了包括数据导入、数据处理、模型辨识功能的火电厂热工过程多变量系统辨识软件。主要包括以下部分: (1)研究了多变量系统的可辨识性和多变量系统传递函数模型辨识方法。对火电厂热工过程实际运行数据进行了预处理(数据缺失值处理、异常值处理、滤波处理等),采用火电厂实际运行数据,研究了多变量系统传递函数模型智能辨识方法,通过实例对多变量系统的可辨识性进行了验证;最后对实时仿真数据以及火电厂热工过程实际运行数据进行了辨识,最终得到待辨识多变量系统模型参数。 (2)设计了多变量系统辨识软件整体架构,制作了人机交互界面以及各模块界面,将数据导入、数据处理、系统辨识、算法参数设置等功能结合在一起,开发了一套火电厂热工过程多变量系统辨识软件,并使用火电厂实际运行数据对该软件进行了验证。

关键词：火电厂热工过程多变量系统数据预处理模型辨识软件设计

来源：评论

学校读者我要写书评

暂无评论

基于GRU神经网络的火电厂湿法脱硫控制研究

基于GRU神经网络的火电厂湿法脱硫控制研究

引用

作者：荣矗嗣山西大学

学位级别：硕士

近年来，随着“碳中和，碳达峰”概念的提出，绿色发展已成为各行各业改革趋势。火电行业为我国排污治理的重点行业，烟气中 SO2等污染物的排放要求高。但当前火电厂湿法脱硫控制存在人力依赖强，控制精度低，经济性差等问题。因此，为... 详细信息

近年来，随着“碳中和，碳达峰”概念的提出，绿色发展已成为各行各业改革趋势。火电行业为我国排污治理的重点行业，烟气中 SO2等污染物的排放要求高。但当前火电厂湿法脱硫控制存在人力依赖强，控制精度低，经济性差等问题。因此，为践行绿色发展理念、提高资源利用率、降低脱硫环节人员依赖，提高火电厂脱硫环节自动化程度十分必要。　　本文以山西某电厂350MW超临界循环流化床机组的脱硫系统作为研究对象，首先，构建火电厂湿法脱硫模型，确定模型输出为石灰石浆液 pH 值与净烟气 SO2浓度;在众多影响因素中通过分类树算法选定模型输入;基于厂级信息监控系统（Supervisory Information System，SIS）历史数据，采用 IGWO（Improved Grey Wolf Optimizer，IGWO）完成三种工况下湿法脱硫模型参数辨识，并验证了其准确性，为后续的控制研究提供了基础。　　其次，使用改进的 GRU（Gate Recurrent Unit，GRU）神经网络，即 CNN-BiGRU（Convolutional Neural Networks and Bi-directional Gate Recurrent Unit，CNN-BiGRU）神经网络完成火电厂原烟气 SO2浓度预测工作。在此部分中，采集该电厂历史数据，以原烟气 SO2浓度为输出，通过特征重要性方法选取锅炉负荷、一次风量、原煤耗及原烟气氧含量作为神经网络输入;使用经过粗大值和平滑处理后的数据完成神经网络的训练及测试，开展了基于 CNN-BiGRU 神经网络与传统预测方法的对比实验研究，和消融实验研究。实验结果表明，与传统预测方法相比，CNN-BiGRU预测误差最小，且对GRU的改进（加入CNN及将GRU数据流改为双向）可降低其预测误差。　　最后，采用前馈-反馈控制系统，实现湿法脱硫系统中石灰石浆液 pH 值的控制，其中反馈控制器采用模糊 PID算法，基于完全补偿原则进行前馈控制器的设计;以CNN-BiGRU 神经网络原烟气 SO2浓度预测结果以及原烟气流量为输入，构建多工况模糊切换控制器，实现不同工况间的自动切换;并开展了基于MATLAB的脱硫控制仿真研究。结果表明，多工况模糊切换控制器可实现湿法脱硫工况的自动切换，且切换过程较为平稳，为火电厂湿法脱硫系统自动化控制提供了新的思路。

关键词：火电厂湿法脱硫灰狼算法模型辨识神经网络模糊PID控制

来源：评论

学校读者我要写书评

暂无评论

基于改进差分进化算法的控制系统模型辨识及应用验证

基于改进差分进化算法的控制系统模型辨识及应用验证

引用

上海市电机工程学会、上海市电工技术学会第十二届(2016年)学术年会

作者：郑莉余洁姚峻彭道刚上海电力学院自动化工程学院 200090上海上海明华电力技术工程有限公司 200090上海

差分进化算法是一种基于种群的启发式全局搜索技术,这一新兴搜索技术因其简单而有效的显著优点,已受到学术界的广泛关注,并成功应用于许多案例中.本文将差分进化算法应用于双容水箱的系统辨识及优化,首先介绍了系统辨识和差分进化算法... 详细信息

差分进化算法是一种基于种群的启发式全局搜索技术,这一新兴搜索技术因其简单而有效的显著优点,已受到学术界的广泛关注,并成功应用于许多案例中.本文将差分进化算法应用于双容水箱的系统辨识及优化,首先介绍了系统辨识和差分进化算法的基本原理,然后设计基于差分进化算法的双容水箱系统辨识方案,针对所测实验数据进行系统辨识.对辨识所采用的基本差分进化算法进行改进并将改进后的差分进化算法与基本差分进化算法的辨识结果进行比较,结果显示基于改进差分进化算法的双容水箱系统模型辨识的准确度在一定程度上优于基本差分进化算法.

关键词：双容水箱控制系统模型辨识差分进化算法

来源：评论

学校读者我要写书评

暂无评论

循环流化床锅炉SNCR脱硝系统的控制与优化

循环流化床锅炉SNCR脱硝系统的控制与优化

引用

作者：黄璐瑶山西大学

学位级别：硕士

如今我国对燃煤发电机组氮氧化物出口浓度要求越发严格，现实施的有关规定要求燃煤发电机组出口氮氧化物浓度不能超过50mg/Nm3，这就使燃煤发电机组对脱硝系统的控制效果提出了更高要求。循环流化床（CirculatingFluidizedBed，CFB）锅... 详细信息

如今我国对燃煤发电机组氮氧化物出口浓度要求越发严格，现实施的有关规定要求燃煤发电机组出口氮氧化物浓度不能超过50mg/Nm3，这就使燃煤发电机组对脱硝系统的控制效果提出了更高要求。循环流化床（CirculatingFluidizedBed，CFB）锅炉因其燃烧效率高、环保、燃料适应性强、运行稳定等特点在燃煤发电机组中占有较高比例，非选择性催化还原技术（SelectiveNon-CatalyticReduction，SNCR）是CFB锅炉常用的脱硝技术，但在实际运行过程中，燃煤发电机组存在调峰的情况，这就导致SNCR脱硝系统运行情况复杂，需要进一步开展调峰工况下的SNCR脱硝系统的控制优化研究。　　本文依托某电厂350MW#3CFB锅炉开展研究，阐述CFB锅炉的工作原理，分析CFB锅炉中氮氧化物的产生机理以及影响氮氧化物生成量的因素，通过对比SNCR与SCR脱硝技术的优缺点，确定SNCR技术的优势地位，介绍试验机组SNCR脱硝系统工艺流程及其控制策略，分析其存在的缺陷。　　由于需要改善SNCR脱硝系统的控制效果，因此建立精准的模型进行研究是必要的。本文提出了一种改进收缩因子及随机权重的改进粒子群(ImprovedParticleSwarmOptimizationIPSO)算法，该改进方法可以增强该算法的寻优能力以克服SNCR脱硝系统时变、大惯性、大迟延、非线性的缺点。运用该算法辨识负荷工况为320MW、175MW、135MW下SNCR脱硝系统中尿素溶液流量与出口氮氧化物浓度之间的模型，并进行仿真验证，验证结果显示误差最大为0.93mg/Nm3，均方根误差最大为0.3697mg/Nm3，表明该改进粒子群算法辨识所得模型精确有效。　　接着讲解PID控制原理及粒子群优化PID控制器原理，运用粒子群算法和改进粒子群算法对PID控制器的????、????、????三个系数进行寻优，设计一种SNCR脱硝系统串级PID+PI控制策略，基于改进粒子群算法辨识所得模型，整定主副回路控制器的参数，通过仿真软件搭建SNCR脱硝系统控制模型，仿真对比后发现改进粒子群算法优化串级PID+PI的控制方法使超调量减少4.9%以上，上升时间减少超过12.5%，调节时间减少超过60.3%，说明该控制方法的控制效果较优，经测试后表明抗干扰能力较强，对现场运行有一定借鉴价值，能为SNCR脱硝系统的控制与优化提供参考。

关键词： CFB锅炉 SNCR脱硝系统改进粒子群算法模型辨识串级控制

来源：评论

学校读者我要写书评

暂无评论

基于随机森林-粒子群复合算法的精馏过程辨识

引用

化学工程 2021年第11期49卷 59-65页

作者：任嘉敏翟持杨春曦昆明理工大学化学工程学院云南昆明650500 昆明理工大学机电工程学院云南昆明650500

为了应对化工行业日益增长的性能需求,基于模型的控制策略已经被广泛应用于化工过程的控制与优化。精馏过程的高度非线性特点,使得其模型辨识一直是过程工业中的一个难点。文中基于精馏过程的数据特性,提出了具有良好识别度的随机森林-... 详细信息

为了应对化工行业日益增长的性能需求,基于模型的控制策略已经被广泛应用于化工过程的控制与优化。精馏过程的高度非线性特点,使得其模型辨识一直是过程工业中的一个难点。文中基于精馏过程的数据特性,提出了具有良好识别度的随机森林-粒子群算法,通过将粒子群算法中的适应度函数定义为基于随机森林算法的均方误差以确定其最佳参数。最后通过Simulink-Aspen互访平台收集的数据样本进行仿真实验,验证了所提出识别方法的有效性。

关键词：精馏塔模型辨识随机森林粒子群算法

来源：评论

学校读者我要写书评

暂无评论

基于GMDH的加速度计模型辨识

基于GMDH的加速度计模型辨识

引用

2016计量测试技术交流会

作者：秦朝俊董雪明代洁刘静雅中航工业北京长城计量测试技术研究所北京100095

常规的加速度计静态模型辨识方法是建立在理想的单输入假设前提下的,在实际的多参数复合输入情况下则具有明显的不适用性,尤其是测量噪声不满足一般回归分析要求时更是如此.本文提出了一种基于GMDH神经网络的加速度计静态模型辨识方法,... 详细信息

常规的加速度计静态模型辨识方法是建立在理想的单输入假设前提下的,在实际的多参数复合输入情况下则具有明显的不适用性,尤其是测量噪声不满足一般回归分析要求时更是如此.本文提出了一种基于GMDH神经网络的加速度计静态模型辨识方法,可以有效的解决其存在的问题,并进行了试验验证,表明该辨识方法的结果与常规辨识方法的结果具有很好的一致性.

关键词：加速度计静态模型模型辨识成组数据处理法神经网络

来源：评论

学校读者我要写书评

暂无评论

基于局部模型辨识的镨/钕萃取过程组分含量预测

基于局部模型辨识的镨/钕萃取过程组分含量预测

引用

第27届中国过程控制会议（CPCC2016）

作者：杨辉张国庆陆荣秀何丽娟华东交通大学电气与电子工程学院江西省先进控制与优化重点实验室

针对镨/钕萃取过程组分含量难以检测的问题,提出了一种基于局部模型辨识的组分含量预测方法。根据机器视觉进行图像采集,选择镨/钕混合溶液图像的H、S特征分量和钕组分含量分别为模型的输入、输出变量;依据K-VNN(k-Vector Nearest Neigh... 详细信息

针对镨/钕萃取过程组分含量难以检测的问题,提出了一种基于局部模型辨识的组分含量预测方法。根据机器视觉进行图像采集,选择镨/钕混合溶液图像的H、S特征分量和钕组分含量分别为模型的输入、输出变量;依据K-VNN(k-Vector Nearest Neighbor)邻域选择准则确立有效建模数据,利用即时学习方法不需要依据固定模型更新模型参数和不需要了解对象的运行机理等优点,建立基于数据驱动的镨/钕萃取过程元素组分含量自适应预测模型,并通过去一交叉验证法验证模型的有效性。经过现场数据测试仿真,本文所建模型的测试最大相对误差在3%以内,满足稀土萃取现场组分含量检测的要求。

关键词：组分含量模型辨识

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：