一、基于一种新的目标准则的PID控制器参数优化（论文文献综述）
高雅文[1]（2021）在《数据驱动的PID控制性能优化》文中指出控制器的性能优劣不仅决定控制系统能否达到期望目标,而且也直接影响整个工业过程的稳定与安全。当前,各类工业企业的计算机控制系统逐步完善,这给存储大量控制系统运行数据提供了条件。这些数据中包含着与设备特征、过程动态、系统工况以及控制器性能等相关的各类信息。如何充分利用这些数据,实现对在运行控制器的性能优化一直是过程控制领域的研究热点之一。课题针对实际中应用最广泛的PID控制器,研究基于数据驱动的不同结构的PID控制系统的性能优化方法,主要内容包括:（1）提出了一种基于数据的PID控制器参数校正方法。该方法通过采集系统闭环工作数据,构造当前时刻的“数据向量”,并以特定格式存储于数据库;再利用相似性度量算法获得PID控制器的初始预测参数;若控制回路性能不理想,则使用优化方法校正控制器参数。然后将优化后的参数补充到数据库中,以开始新的迭代优化。最后,将该算法应用于典型非线性过程p H值控制问题中,实验结果证明了所提算法的有效性。（2）对虚拟参考迭代整定（FRIT）方法进行了改进,并在此基础上提出了两种串级系统的PID控制参数优化策略。改进后的FRIT方法在迭代过程中加入了对准则函数的监测,并依据准则函数的变化调整迭代步长,加快了控制器参数寻优算法的收敛速度。所提第一种串级系统的控制器参数优化策略首先处理副回路,然后将主副控制回路作为整体,使用改进的FRIT方法校正主回路的控制参数。所提第二种策略是基于最小方差性能指标的控制器在线优化方法。通过在一个动态时间窗内采集控制系统闭环数据,估计最小方差性能指标,再与设定的性能指标阈值比较,性能不满足期望时则使用虚拟参考迭代整定算法对串级控制器参数进行校正。（3）引入虚拟参考反馈整定（VRFT）,并在其应用于单回路控制器参数优化的基础上,研究了多输入多输出控制系统的PID控制器参数优化问题。采集系统输入输出数据,并据此计算出控制器的虚拟输入输出矩阵。设计多输入多输出系统的准则函数,然后通过最小二乘算法同时辨识出使得准则函数最小的不同回路的控制器参数。最后,将该方法应用于蒸馏塔的控制中,分别采集系统的闭环数据和开环数据来整定多回路PID控制器参数。
冯陈[2]（2020）在《抽水蓄能机组系统辨识与复杂工况下控制规律研究》文中指出太阳能和风电等清洁能源想要大规模接入电网并发挥其作为绿色能源的优势,就必须借助大规模储能技术的消纳和调节。在目前已有的储能技术当中,抽水蓄能技术相比于其他形式的储能技术具有运行成熟且储量大的优点。抽水蓄能技术工况转换迅速、运行灵活性高、负荷响应速度快,可以实时跟踪电力系统的负荷变化。然而,抽水蓄能与新能源的联合运行中仍存在许多问题。大规模新能源的并网,对抽水蓄能机组的运行模式提出了新要求。更频繁的负荷调整、长时间的旋转备用、长时间的负荷工况等新要求给抽水蓄能电站的运行来了新的挑战。尤其在稳定性和安全性方面,由于可逆式机组固有的反“S”区不稳定运行特性以及调速励磁系统水-机-电能量转换过程中耦合效应日益显着,传统的抽水蓄能运行方式已无法满足新形势下电网的调节需求。在此背景之下,针对抽水蓄能机组稳定、安全和高效运行所亟需解决的关键科学问题与技术难点,本文以抽水蓄能机组系统辨识与复杂工况下控制规律研究为切入点,在充分探讨抽水蓄能调节系统各组成部分的动态机理与非线性特性的基础上,分别搭建了具有复杂过水系统的调速系统模型与调速励磁系统水-机-电耦合模型,以智能优化算法、人工神经网络、多目标优化理论、小扰动特征分析、模型预测控制方法为技术支撑,深入开展抽水蓄能机组参数辨识、模型辨识、改善反“S”区动态特性以及调速励磁耦合控制规律的研究,建立了抽水蓄能机组建模-辨识-控制层层递进的研究体系。本文的主要研究工作与创新成果如下:（1）系统研究了抽水蓄能机组调速系统和励磁系统各组成部分不同模型表达及适用条件。针对水泵水轮机反“S”区建模困难的问题,引入对数投影法和改进Suter变换对水泵水轮机全特性曲线进行预处理,解决了反“S”特性区域插值计算的多值性问题。搭建了适用于不同研究工况的带有复杂过水系统的调速系统模型与调速励磁系统水-机-电耦合模型,为后续系统辨识与复杂工况下控制规律的研究奠定了模型基础。（2）针对复杂过水系统和调速励磁耦合特性引起的参数辨识难题,研究了基于智能优化算法的参数辨识方法,引入人工羊群算法并结合Levy游走、混沌变异及弹性边界处理策略,提出了一种改进人工羊群智能优化算法,建立了基于改进人工羊群算法的参数辨识框架。通过机组的开关机过程,直接辨识复杂过水系统的管段参数;通过并网运行的调节过程,实现了调速励磁系统水-机-电耦合模型的高精度一体化参数辨识。（3）针对数据具有长期依赖关系和普通神经网络训练中面临的梯度消失问题,通过引入长短时记忆神经网络来实现带有复杂过水系统的抽水蓄能机组调速系统的高精度离线模型辨识;针对普通反向传播算法面临的训练收敛速度慢、在线调整困难的问题,引入了兼具普通BP神经网络非线性描述能力强和递推最小二乘法计算简单优点的带遗忘因子的在线序列极限学习机,实现了抽水蓄能机组调速励磁系统水-机-电耦合模型的高精度在线模型辨识。（4）针对机组低水头启动易受反“S”特性影响产生转速振荡的问题,提出了兼顾速动性和稳定性的基于多目标羊群算法的优化框架,有效抑制低水头开机时机组转速的反复振荡。为了从根本上改善抽水蓄能机组在反“S”区的动态特性,本文首次探讨了利用变速机制避免机组深入反“S”区运行的可行性,结果表明低水头工况下可以通过降低转速使机组的运行区域在全特性曲线上向左移动从而有效避免反“S”区,使机组具有更好的动态特性,也为常规定速抽水蓄能机组的改造与发展提供了新参考。（5）为了实现抽水蓄能机组调速励磁系统水-机-电能量转换过程的耦合控制,引入特征值分析法对调节系统进行小扰动稳定性分析,在此基础上给出了经典“PID+VAR+PSS”控制策略多工况下的多目标优化和决策方法。提出了一种基于带遗忘因子在线序列极限学习机的预测模型、阶梯式控制增量约束、人工羊群算法滚动优化的智能模型预测控制策略,通过不同工况下与经典控制策略对比的实验,验证了所提智能模型预测控制方法进行调速励磁耦合控制的优越性,并引入非线性动力学理论对智能模型预测控制器进行了稳定性分析。
丁坦[3]（2020）在《抽水蓄能机组调节系统非线性建模、辨识及优化控制研究》文中认为近年来我国能源结构中可再生能源发电比例逐步增加,水电、风电、光电等清洁能源发电规模不断增大。风电、光电属于间歇性能源且具有较强波动性,严重影响电网稳定运行。抽水蓄能电站作为水电中唯一同时具有发电和储能功能的发电方式,在电网中不但起到调峰调频、事故备用等作用,更能消纳间歇性能源给电网造成的冲击。因此,近年来抽水蓄能电站新建设项目不断开工,抽水蓄能机组单机容量也不断加大,过水系统日趋复杂。传统控制方法难以满足抽水蓄能机组的实际控制需求,研究针对抽水蓄能机组的控制理论成为当务之急。抽水蓄能机组调节系统是一个复杂的强非线性系统,其强非线性特性导致调节系统精确建模、辨识以及优化控制等问题上存在巨大难点。本文从抽水蓄能机组调节系统精确建模着手,对调节系统中各主要部分非线性特性进行分析和建模,并在此基础上对抽水蓄能机组调节系统参数辨识、模型辨识、优化控制等问题进行了研究并提出了新方法。文中所提新方法的内容如下:（1）以抽水蓄能机组调节系统各部分为研究对象,重点对水泵水轮机的非线性进行分析,并分别为调节系统中各部分建立了模型。利用改进Suter变换对水泵水轮机全特性曲线进行预处理,再利用最小二乘支持向量机（LSSVM）对预处理数据进行拟合并构建水泵水轮机非线性模型;过水系统模型采用双曲正切函数;执行结构数学模型考虑死区、限位等非线性环节。在此基础上针对不同研究需求分别建立了调节系统线性模型、非线性模型和数值计算模型,为后续调节系统辨识及控制优化提供基础。（2）将“结构已知、参数未知”的调节系统参数辨识问题转化为对参数标称值的优化求解问题,提出了一种具有较强优化能力的改进鲸鱼优化算法（MSWOA）,将该算法分别用于辨识抽水蓄能机组调节系统线性模型和非线性模型。辨识结果证明MSWOA优化算法实现了对调节系统线性模型和非线性模型的高精度辨识。（3）建立以水泵水轮机非线性模型为核心的抽水蓄能机组仿真平台,并由仿真平台在带限白噪声信号下获得机组转速输出信号。由上述信号构建单输入输出非线性自回归模型（NARX模型）并获得辨识所需的训练样本。利用训练样本构建BiLSTM神经网络辨识模型,对BiLSTM辨识模型参数进行优化选择,再利用BiLSTM辨识模型对抽水蓄能机组模型进行辨识。实验结果证明BiLSTM模型实现了对抽水蓄能机组模型高精度辨识。（4）基于由不同辨识方法获得的模型制定相应的控制策略。由参数辨识方法获得的调节系统线性模型因过水系统采用双曲正切函数,将其转换为不确定奇异时滞系统。研究了该奇异时滞系统模型中参数Tr和hw对系统稳定域影响、在不同PID参数和不同工况点下对过渡过程中性能指标变化规律的影响。在此基础上设计H∞控制器并将控制器设计转化为具有最小衰减度γ的优化问题且实验验证了该设计方法的有效性。针对由BiLSTM辨识获得的抽水蓄能机组模型设计了PID控制器且PID参数由MSWOA算法优化获得。将该PID控制器用于抽水蓄能机组仿真平台,分别在三组相邻水头下进行过渡过程计算,仿真结果表明三组水头下过渡过程时域稳定性能指标均满足要求,且证明该辨识模型具有良好适用性。（5）为了保障在水泵断电、100%甩负荷等大波动工况下抽水蓄能机组运行安全,有效抑制过渡过程中转速和压力激增,以“单管单机”结构的抽蓄电站为研究对象,研究了不同导叶关闭方式对调节系统各水力单元水力特性和机组转速的影响。基于“单管单机”结构的抽水蓄能机组数值计算模型建立一种导叶关闭规律优化模型并利用改进多目标灰狼算法求解导叶关闭优化规律。该模型考虑了调节系统中各环节的约束限制,选择转速上升率和水击压力上升值作为多目标优化目标函数,并在甩负荷和水泵断电工况下分别对一段式、两段式和三段式导叶关闭规律进行优化求解,结果证明了模型有效性。
刘璐[4]（2019）在《群智能优化算法研究及其在复杂非线性系统辨识中的应用》文中研究表明群智能优化算法来源于对自然界中动物和昆虫觅食行为的模仿,具有自组织、自学习等能力以及结构简单、易于实现等优点,在解决复杂非线性系统辨识问题中展现了自身的优势。本文对群智能优化算法进行了深入研究,从算法改进、性能评估、比较分析展开了一系列工作,并将其应用于复杂非线性系统的参数辨识和控制器参数整定中,主要工作如下所示:（1）提出了一种改进的粒子群优化算法,实现了具有分数阶特性的Cole阻抗模型参数辨识从三个方面改进了粒子群优化算法:首先,对算法的速度更新策略进行了改进,充分利用个体间的信息交互,提高了算法搜索能力;然后,为了防止极端值的出现,避免算法陷入局部收敛,采用改进的Tent映射对粒子位置信息进行处理;接着,借鉴遗传算法变异的思想,设计了一种分段式变异概率算子,保持了种群的多样性。采用标准函数对所提算法的性能进行了测试,验证了该算法的有效性。将改进算法应用于双色散Cole阻抗模型的参数辨识中,实验结果表明,所提算法是一种有效的、精度高的参数辨识方法。（2）提出了一种改进的多策略量子菌群算法,解决了分数阶已知系统结构和未知系统结构情形下的系统辨识问题对量子菌群算法做了深入研究,提出了以下三种改进策略:在初始化阶段,为了避免解始终保持不变,提出了最优旋转角修正概率的概念;引入概率幅修正算子,丰富了种群多样性;设计了一种指数式变化的非线性量子旋转角,能够使旋转角自适应连续地更新,提高了算法的全局搜索能力。采用标准函数对所提算法的性能进行了测试,测试结果表明,该改进算法能够以相对较快的收敛速度取得较好的寻优精度。为了进一步验证该算法的有效性,将所提算法用于分数阶系统的参数辨识。系统结构已知和未知两种情况下仿真结果均表明,改进的量子菌群算法在有效辨识系统结构参数的同时,还能保持较快的收敛速度。（3）提出一种改进的细菌觅食优化算法,实现了伺服系统整数阶PID控制器的参数整定为了提高经典细菌觅食优化算法处理复杂问题的能力,对算法的三个基本操作分别进行了改进,提出了一种新的细菌觅食优化算法。在趋向操作中,设计了一种非线性变化的自适应趋向步长,有效地平衡了全局搜索能力和局部搜索能力;对复制操作进行了改进,提高了算法的全局搜索能力,同时,引入的变异操作弥补了复制操作带来的种群多样性缺失;改进的迁徙概率提高了算法的搜索效率。在基准函数上的测试结果验证了改进算法的有效性。在Matlab/Simulink中对三闭环伺服系统进行了建模,利用所提算法实现了伺服系统位置环整数阶PID控制器的参数整定,整定结果表明,所提算法在解决伺服系统整数阶PID控制器参数整定问题上具有较为明显的优势。（4）提出了一种非线性自适应旋转角的量子菌群算法,实现了伺服系统分数阶PID控制器的参数整定在传统量子菌群算法的基础上,对量子趋向操作进行了改进,设计了一种非线性动态自适应旋转角,加快了算法的收敛速度,提高了算法寻优效率。对算法的收敛性进行了分析,基准函数的性能测试验证了改进算法的有效性。将所提算法用于伺服控制系统位置环分数阶PID控制器的参数整定中,整定结果表明,该算法能有效地对分数阶PID控制器参数进行整定。（5）针对永磁同步电机定子绕组短路故障问题,提出了一种基于参数辨识的电机故障诊断方法。研究了参数辨识在电机故障诊断中的应用,对量子菌群算法做了进一步优化,设计了一种新的基于量子菌群算法的参数辨识算法,提出了一种有效的电机早期故障诊断方法,为及时发现故障提供了切实可行的方案。在所提出的参数辨识策略中,编码方式由二进制变为十进制,提高了算法效率;为了保证算法的可行性,在算法更新阶段提出了最优旋转角修正概率的概念;对量子旋转角的优化设计也改善了算法的全局搜索能力。经典测试函数验证了所提算法的有效性。基于量子菌群参数辨识方法的PMSM定子绕组短路故障诊断结果,以及基于有限元方法的电机定子绕组短路故障分析均表明,不仅可以通过PMSM电气参数的相对变化来检测相关的定子绕组故障,还可以从参数幅值的变化中看出故障的严重程度。
郭天亮[5]（2019）在《几类非线性状态受限系统控制方法及应用研究》文中指出由于物理条件的限制和安全因素等原因,需要满足硬约束条件的状态受限控制系统大量存在于各类实际工程当中.如何在保证满足状态约束的前提下,尽量提高系统的动态性能及鲁棒性等问题,无论在理论还是在应用上都有着十分重要的意义.近年来,在状态受限系统控制理论领域涌现出了许多新的方法,但是仍有很多亟待解决的重大问题.本论文将讨论几类典型的状态受限系统的控制方法及其应用问题,主要研究结果和贡献如下:一、针对含输出约束的高阶Hessenberg型非线性系统,设计了新型连续状态反馈控制器.首先,本文引入了非光滑控制中的加幂积分控制设计方法.接着,设计了一种新的分段式障碍Lyapunov函数.该障碍Lyapunov函数只有在输出变量接近约束边界时才被激活并刺激控制量进行调整,其余情况下它的值为零,闭环系统将维持标称控制设计,从而尽可能地保持了标称控制器下的系统性能.最后,通过结合加幂积分和新的分段式障碍Lyapunov函数,提出了一种改进的加幂积分控制设计方法,解决了含输出约束的高阶Hessenberg型非线性系统渐近镇定问题.二、针对含电流约束的直流降压变换器输出电压跟踪控制问题,设计了一种新的电流约束控制器.考虑直流降压变换器控制系统平均模型,通过直接在控制器中设计与电感电流相关的非线性惩罚函数作为控制增益,本文提出了一种简单新颖的电流约束控制器.在该控制器作用下,输出电压能渐近跟踪上参考信号.同时,系统始终满足电流约束.三、针对同时含电流约束和匹配扰动的直流降压变换器输出电压跟踪控制问题,设计了一种新的复合控制方案.一方面,沿用直接设计惩罚机制的思想,通过在控制器中设计电流惩罚函数来限制峰值电流;另外一方面,构造一类高增益扰动观测器来迅速估计匹配扰动的值,并通过前馈补偿来抵消其影响.最后,结合直接设计惩罚机制的思想和高增益扰动观测器,提出了一种新的复合控制设计方案.在新的复合控制器作用下,闭环误差系统最终有界,收敛的界与扰动的上界相关.同时,电流约束仍然一直是满足的.四、针对含电流约束和不匹配扰动的永磁同步电机调速控制问题,设计了一种新的电流约束控制方案.考虑永磁同步电机控制系统d-q模型,其q轴电流需小于一个预设的约束值,同时其负载不确定性被当作系统内的不匹配扰动.利用直接在控制器中设计与q轴电流相关的非线性惩罚函数作为控制增益这种思想,本文设计了一种新的电流约束控制器,使电机转速能渐近跟踪上参考信号.在此控制器作用下,本文还定性和定量地分析了负载不确定性对电流约束的影响,并给出了电流约束满足的一个充分条件.五、针对含电流约束的直流升压变换器输出电压跟踪控制问题,提出一种新的电流约束控制器.考虑直流升压变换器控制系统平均模型,在基于无源性方法设计的控制器基础之上,通过在其中添加电流惩罚函数作为控制增益,设计了一种新的电流约束控制器.较之以不变集理论为基础的控制设计方案,在新的电流约束控制器下,闭环系统初始值的可行集范围明显扩大.而且,较之其它相关控制方法,电流约束控制器下闭环系统对参数不确定性的鲁棒性更强.
洪铮[6]（2019）在《水泵水轮机调节系统动力学分析及反演滑模控制器设计》文中研究指明水泵水轮机调节系统（PTGS）作为抽水蓄能电站核心,是一个非线性时变非最小相位的复杂控制系统。由于PTGS中水机电强耦合非线性特性及工况频繁转换等问题存在,严重威胁机组安全稳定运行,有必要对PTGS动态特性进行深入研究,建立一个满足不同运行工况需求的数学模型,并对系统中存在的不稳定因素进行控制。本文以国内某抽水蓄能电站相关数据为依托,通过深入分析PTGS运行特性,建立一种比较贴合实际的非线性数学模型,并采用反演滑模控制策略来改善调节系统的鲁棒性,保障抽水蓄能电站可靠高效运行。总结整个论文研究过程,主要工作内容如下:（1）首先将PTGS分为四个子系统,即引水管道子系统（考虑调压井和弹性水击效应）、水泵水轮机子系统、电动发电机子系统和调速器子系统,建立完整PTGS七阶非线性数学模型,为本文后续研究做铺垫。（2）其次为了研究分析机组发电并网过程的动力学响应特征,通过观察系统分岔图、时序图、相位图中的非线性动力学现象,得出系统稳定运行时弹性水击时间常数与导叶开度大概调节范围,然后根据系统中存在的运行不稳定问题设计滑模控制器。结果表明,与PTGS常用PID控制器对比,滑模控制器上升时间较短,稳态误差较小,同时具有良好跟踪性能。（3）最后为进一步提高控制器响应速度,在保障滑模控制器强鲁棒性的同时,以反演控制方法为依托,设计反演滑模控制器。为避免项数膨胀,引入动态面控制技术,同时考虑消除不确定项对系统的实时干扰,设计自适应控制率。通过与滑模控制器进行仿真对比,结果表明反演滑模控制器在系统的响应速度、抗干扰性、鲁棒性和误差收敛性等方面均具有更好的控制效果。
刘京昕[7]（2019）在《多元宇宙优化算法的改进及应用》文中研究指明S Mirjalili等人受物理学多元宇宙理论的启发,于2015年提出了一种新型群智能优化算法,称为多元宇宙优化算法（Multi-Verse Optimizer,MVO）。该算法具有框架简单、受控参数少、自组织性和自适应性等优点,但也存在后期收敛迟缓、求解精度不高以及易陷入局部最优等缺陷。本文基于MVO算法的不足,提出了一些改进措施,目的是提升MVO算法性能、扩展其应用领域。主要研究工作如下:（1）在基本MVO算法上将其线性增长型的WEP（虫洞存在概率）替换为对数增长型的LWEP,然后引入自适应压缩因子和柯西变异因子。LWEP加大宇宙个体更新的概率,自适应压缩因子能够有效地平衡算法的全局收敛和局部收敛,柯西变异因子使得算法更可能逃离局部极值。改进后算法的有效性在函数优化和工程实例上得到验证。（2）融入复数编码的思想改进MVO算法。每个宇宙都由两个变量表出,即复数的实部和虚部。复数编码的二倍体表达方式能够扩宽算法的搜索空间,丰富种群规模,增强算法的全局搜索能力,有助于算法在优化过程中跳出局部最优。改进后算法应用于IIR系统辨识,实验结果表明能够搜寻到更好的解。（3）基于logistic混沌映射提出混沌多元宇宙优化算法。logistic混沌映射的随机性、遍历性以及初始条件敏感性有助于MVO算法执行全局搜索行为,避免陷入局部最优的麻烦。改进后算法用于求解AVR系统PID控制器的参数整定问题,对比实验结果表明其性能更优。（4）把差分变异算法中的变异操作因子植入MVO算法中,通过种群变异机制丰富多元宇宙种群的多样性,提升算法的局部搜索能力,同时也能克服基本MVO算法在较短迭代范围内易陷入局部最优的障碍。改进后算法成功应用于求解无人战斗机路径规划的3个不同维案例。
田啸[8]（2019）在《非高斯系统的控制及滤波策略研究》文中研究说明随着工业系统的大型化、复杂化发展,随机信号对于实际系统的干扰变得越来越不可忽视。以往的控制系统设计方法往往基于干扰服从高斯分布的假设,而在实际的工业过程中,系统模型往往是非线性的,且扰动不一定服从高斯分布。近几十年来随机控制理论的不断完善更新,为解决随机系统的控制等问题带来了希望。随机控制理论从系统变量的概率密度函数出发,不局限于变量的均值和方差,同时将变量的高阶矩信息考虑在内,具有更广泛的意义。本文首先针对有机朗肯循环系统（Organic Rankine Cycle system,ORC）遭受非高斯扰动的情况下,使用一种具有特殊结构的循环神经网络来对系统进行辨识,建立对象的数学模型。该神经网络使用生存信息势（Survival Information Potential,SIP）作为训练准则,并基于信号流图计算灵敏度,仿真结果证实了辨识算法的有效性。由于实际运行过程中ORC系统的膨胀机转速与工质泵转速不能发生过大变化,设计了基于神经网络模型的带约束预测控制算法,并通过差分进化（Differential Evolution,DE）算法来求取控制律,设定值跟踪能力的测试展示出设计的控制器具有良好的效果。其次,针对ORC系统,设计了一种基于量化最小熵的控制器。该控制器采用量化最小熵作为指标,相比较于传统的Renyi熵大大降低了熵计算的复杂度。并且由于传统的梯度下降法收敛速度慢、容易陷入局部最优等缺陷,因此将粒子群优化算法（Particle Swarm Optimization,PSO）代替梯度下降法来求解最优控制律,仿真结果表明设计的控制器能够很快的跟踪上设定值的变化,并且随着时间的进行,跟踪误差的概率密度函数变得又尖又窄。最后,针对遭受非高斯干扰的系统,基于混合相关熵设计了一种滤波器。混合相关熵相比较传统的相关熵,采用具有不同核宽度的高斯核函数作为Merce核,其相比较传统的单一高斯核函数有效的解决了核宽度的选择。将设计的滤波器应用于风能转换系统,并采用PSO来求解滤波器增益矩阵,仿真结果表明设计的滤波器能有效的估计出系统的状态。
郑义民[9]（2018）在《工业过程多变量系统辨识及逆向解耦控制方法研究》文中研究表明系统辨识是获取工业过程模型的有效方法,一直是控制中最为活跃的研究领域之一,在工业过程控制中,研究对象的内部机理通常较为复杂,如工业中的精馏塔,很难用已有理论获得相应的数学模型,为了获取控制模型,一种简化的方法是在现场对对象进行特性测试,利用辨识方法研究他们的动态特性,并在仿真实验的基础上进行简化。辨识的目的是为了控制,因此,可以进一步讨论基于模型的先进控制算法,针对大部分工业过程多变量系统具有多耦合,多时滞、大惯性、不确定性等特点,传统PID调节无法满足系统总体性能和工艺要求,因此,迫切需要使用新的先进控制策略实现系统最优控制目标。本文在此相关问题上进行了深入的研究,推导其过程模型和相应的控制策略,通过相应的仿真试验和实验研究验证所提的辨识方法及控制方法的可行性、简易性、有效性,论文研究的主要内容包括以下几个方面:（1）.研究了在不同噪声水平下的ARX模型辨识效果,进而提出一种模型降阶的开环多变量系统辨识方法,首先通过AIC准则及输出误差法在不同噪声水平下的模型阶次选择问题,在此准则下,通过高阶ARX模型进行辨识,具有较好的模型适配度,通过结合实际过程对象的内部机理,高阶模型经过模型降阶后可获得过程的近似模型,该方法亦可用于依子系统递推最小二乘法的MIMO系统中,通过仿真例子及在管道压力与流量的实验中验证所提方法的有效性。（2）.研究了基于AIC准则的降阶闭环辨识方法,首先,过程的时间延迟项由一阶Pade’近似,并计算系统的等效闭环传递函数模型,其次,采用闭环系统给定的输入信号及输出信号,提出一种基于AIC准则判定离散辨识过程中模型阶次的选择方法,由该方法计算的高阶离散模型结构进行辨识时具有较高的辨识精度,最后,高阶离散模型经过模型转换、模型降阶后可以获得与一阶Pade’近似的等效闭环传递函数具有相同模型阶次的辨识模型,通过同项系数并针对两种典型时延对象分别推导待辨参数估计的求解方法。通过仿真验证了该方法的可行性、通用性、辨识精度高、实用性等特点,该方法用在精馏塔塔釜中温度与液位的闭环系统辨识中,辨识效果良好。（3）.研究了一种适合于高维、高阶的多变量逆向解耦控制方法,先通过相对增益矩阵RGA的方法寻找系统的最佳输入输出配对,在此配对下,提出逆向解耦控制器直接控制通道与反馈控制通道的结构设计,进而得出高维逆向解耦控制器的通用表达式,最后分析了该解耦控制器稳定性、可行性及鲁棒稳定性能,通过仿真例子和精馏塔的精馏段实验验证了所提方法的有效性。（4）.研究了基于逆向解耦的分散PID控制方法,首先,针对含有复右半平面零点及时滞过程,提出一种通过逆向解耦后获得的期望对角矩阵,对TITO系统进行分散PID控制器的解析设计,其次,结合内模控制方法,提出逆向解耦内模控制方法的结构设计,保证逆向解耦内模控制器是稳定、正则、无预估项,由该方法解耦后可获得多变量各回路期望的传递函数对角矩阵,结合多变量控制系统的闭环传递函数矩阵进行分散控制器的解析设计,PID参数整定方法直观明了,最后通过相应仿真例子及在管道压力与流量的实验中验证所提方法的有效性。
吴亮红[10]（2007）在《差分进化算法及应用研究》文中提出论文首先介绍了智能优化算法的产生对现代优化技术的重要影响,阐述了智能优化算法的研究和发展对现代优化技术和工程实践应用的必要性,归纳总结了智能优化算法的主要特点,简要介绍了智能优化算法的主要研究内容及应用领域。对差分进化算法的原理进行了详细的介绍,给出了差分进化算法的伪代码。针对混合整数非线性规划问题的特点,在差分进化算法的变异操作中加入取整运算,提出了一种适合于求解各种混合整数非线性规划问题的改进差分进化算法。同时,采用时变交叉概率因子的方法以提高算法的全局搜索能力和收敛速率。用四个典型测试函数进行了实验研究,实验结果表明,改进的差分进化算法用于求解混合整数非线性规划问题时收敛速度快,精度高,鲁棒性强。采用非固定多段映射罚函数法处理问题的约束条件,提出了一种用改进差分进化算法求解非线性约束优化问题的新方法。结合差分进化算法两种不同变异方式的特点,引入模拟退火策略,使算法在搜索的初始阶段有较强的全局搜索能力,而在后阶段有较强的局部搜索能力,以提高算法的全局收敛性和收敛速率。用几个典型Benchmarks函数进行了测试,实验结果表明,该方法全局搜索能力强,鲁棒性好,精度高,收敛速度快,是一种求解非线性约束优化问题的有效方法。为保持所求得的多目标优化问题Pareto最优解的多样性,提出了一种精英保留和根据目标函数值进行排序的多目标优化差分进化算法。对排序策略中目标函数的选择方式进行了分析和比较,并提出了一种确定进化过程中求得的精英解是否进入Pareto最优解集的阈值确定方法。用多个经典测试函数进行了实验分析,并与NSGA-Ⅱ算法进行了比较。实验结果表明,本文方法收敛到问题的Pareto前沿效果良好,获得解的散布范围广,能有效保持所求得的Pareto最优解的多样性。提出了一种新的基于群体适应度方差自适应二次变异的差分进化算法。该算法在运行过程中根据群体适应度方差的大小,增加一种新的变异算子对最优个体和部分其它个体同时进行变异操作,以提高种群多样性,增强差分进化算法跳出局部最优解的能力。对几种典型Benchmarks函数进行了测试,实验结果表明,该方法能有效避免早熟收敛,显着提高算法的全局搜索能力。提出了将该改进算法用来整定不完全微分PID控制器最优或近似最优参数的新方法。为克服频域中常用的积分性能指标如IAE,ISE和ITSE的不足,提出了一种新的时域性能指标对控制器性能进行测试和评价。用三个典型的控制系统对提出的ASMDE-PID控制器进行了测试。实验结果表明,该方法实现容易,收敛性能稳定,计算效率高。与ZN,GA和ASA方法相比,DE在提高系统单位阶跃响应性能方面效率更高,鲁棒性更强。为了提高差分进化算法的全局搜索能力和收敛速率,提出了一种双群体伪并行差分进化算法。该算法结合差分进化算法DE/best/2/bin变异方式局部搜索能力强,收敛速度快,和DE/rand/1/bin变异方式全局搜索能力强,鲁棒性好的特点,采用串行算法结构实现并行差分进化算法独立进化、信息交换的思想。为使初始化个体均匀分布在搜索空间,提高算法收敛到全局最优解的鲁棒性,提出了一种基于平均熵的初始化策略。典型Benchmarks函数测试和非线性系统模型参数估计结果表明,该方法能显着提高算法的收敛速率和全局搜索能力。基本差分进化算法的控制参数在进化过程中是保持不变的,对于不同的优化问题要确定合适的控制参数是件不容易的事。根据生成差分矢量的两个不同个体矢量在搜索空间中的相对位置,对缩放因子F提出了一种自适应策略;根据目标个体矢量的收敛情况,提出了一种自适应交叉概率CR策略,使适应度好的目标个体矢量的CR小而适应度差的目标个体矢量的CR大。同时,为提高算法的收敛速率,对基本差分进化算法的变异操作进行了改进,提出了一种新的变异操作。典型的Benchmarks函数测试及三关节平面冗余机械手的轨迹规划实验表明,本文提出的方法能显着提高算法的鲁棒性和收敛速率。
二、基于一种新的目标准则的PID控制器参数优化（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、基于一种新的目标准则的PID控制器参数优化（论文提纲范文）
（1）数据驱动的PID控制性能优化（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 控制器性能优化 |
| 1.2.1 传统控制器性能优化方法 |
| 1.2.2 数据驱动的控制器性能优化方法 |
| 1.3 课题主要内容 |
| 第二章 基于数据的PID控制器参数校正 |
| 2.1 引言 |
| 2.2 对象描述 |
| 2.3 数据驱动的PID参数校正策略 |
| 2.3.1 数据库构建 |
| 2.3.2 数据相似性度量 |
| 2.3.3 PID参数校正 |
| 2.3.4 算法步骤 |
| 2.4 仿真研究 |
| 2.5 本章小结 |
| 第三章 基于FRIT的串级控制回路性能优化 |
| 3.1 引言 |
| 3.2 串级系统描述 |
| 3.3 虚拟参考迭代整定算法 |
| 3.4 串级回路控制器参数优化 |
| 3.5 仿真研究 |
| 3.6 本章小结 |
| 第四章 MV指标驱动的串级控制性能在线优化 |
| 4.1 引言 |
| 4.2 串级系统的最小方差控制器设计 |
| 4.3 串级系统控制性能评估 |
| 4.4 串级系统控制性能在线优化算法 |
| 4.5 仿真研究 |
| 4.5.1 数值仿真 |
| 4.5.2 工业实例 |
| 4.6 本章小结 |
| 第五章 基于VRFT的多回路控制系统性能优化 |
| 5.1 引言 |
| 5.2 多回路控制系统描述 |
| 5.3 虚拟参考反馈整定算法 |
| 5.4 多回路控制器参数优化 |
| 5.5 仿真研究 |
| 5.5.1 数据准备 |
| 5.5.2 控制器性能优化 |
| 5.6 本章小结 |
| 第六章 主要结论与展望 |
| 6.1 主要结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录:作者在攻读硕士学位期间发表的论文 |
（2）抽水蓄能机组系统辨识与复杂工况下控制规律研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究的背景及意义 |
| 1.2 抽水蓄能调节系统建模研究概述 |
| 1.3 抽水蓄能机组系统辨识研究概述 |
| 1.4 抽水蓄能机组控制规律研究概述 |
| 1.5 本文主要研究内容 |
| 2 抽水蓄能机组调节系统非线性建模研究 |
| 2.1 引言 |
| 2.2 调速器数学模型 |
| 2.3 有压过水系统数学模型 |
| 2.4 水泵水轮机数学模型 |
| 2.5 同步发电机数学模型 |
| 2.6 励磁调节器及电力系统稳定器数学模型 |
| 2.7 抽水蓄能机组调节系统数学模型 |
| 2.8 本章小结 |
| 3 基于智能算法的抽水蓄能机组调节系统参数辨识 |
| 3.1 引言 |
| 3.2 人工羊群优化算法及其改进 |
| 3.3 基于IASA的具有复杂过水系统的调速系统参数辨识 |
| 3.4 基于 IASA 的调速励磁系统水-机-电耦合模型参数辨识 |
| 3.5 本章小结 |
| 4 基于神经网络的抽水蓄能机组调节系统模型辨识 |
| 4.1 引言 |
| 4.2 长短时记忆神经网络与带遗忘因子的在线序列极限学习机 |
| 4.3 基于LSTM的具有复杂过水系统的调速系统离线模型辨识 |
| 4.4 基于WOS-ELM的调速励磁水-机-电耦合系统的在线模型辨识 |
| 4.5 本章小结 |
| 5 改善抽水蓄能机组反“S”区动态特性的控制规律研究 |
| 5.1 引言 |
| 5.2 反“S”区运行问题描述 |
| 5.3 抽水蓄能机组低水头开机规律多目标优化 |
| 5.4 可变速机组避免深入反“S”区运行机理分析 |
| 5.5 本章小结 |
| 6 抽水蓄能机组调速励磁耦合系统的预测控制研究 |
| 6.1 引言 |
| 6.2 调速励磁耦合系统小扰动稳定性分析 |
| 6.3 调速励磁耦合系统多工况多目标优化 |
| 6.4 调速励磁耦合系统智能模型预测控制 |
| 6.5 对比实验及结果分析 |
| 6.6 本章小结 |
| 7 全文总结与展望 |
| 7.1 工作总结 |
| 7.2 研究展望 |
| 致谢 |
| 参考文献 |
| 附录1:攻读博士期间发表的论文 |
| 附录2:攻读博士期间完成和参与的科研项目 |
（3）抽水蓄能机组调节系统非线性建模、辨识及优化控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 水泵水轮机数学建模研究与发展现状 |
| 1.3 抽水蓄能机组系统辨识研究现状 |
| 1.4 抽水蓄能机组调节系统控制优化研究现状 |
| 1.5 本文主要研究内容 |
| 2 抽水蓄能机组调节系统建模研究 |
| 2.1 引言 |
| 2.2 抽水蓄能机组调节系统数学模型 |
| 2.3 基于最小二乘支持向量机的水泵水轮机非线性模型 |
| 2.4 抽水蓄能机组调节系统数学模型 |
| 2.5 本章小结 |
| 3 抽水蓄能机组调节系统参数辨识 |
| 3.1 引言 |
| 3.2 抽水蓄能机组模型参数辨识的问题描述 |
| 3.3 基于改进鲸鱼算法的抽水蓄能机组调节系统参数辨识 |
| 3.4 实例分析 |
| 3.5 本章小结 |
| 4 基于BiLSTM神经网络的抽水蓄能机组模型辨识 |
| 4.1 引言 |
| 4.2 BiLSTM模型辨识方法 |
| 4.3 基于BiLSTM神经网络的抽水蓄能机组非线性模型辨识 |
| 4.4 实例分析 |
| 4.5 本章小结 |
| 5 基于辨识模型的优化控制策略研究 |
| 5.1 引言 |
| 5.2 抽水蓄能机组调节系统不确定奇异时滞模型 |
| 5.3 抽水蓄能机组调节系统不确定奇异时滞模型性能分析 |
| 5.4 基于抽水蓄能机组辨识模型的PID优化控制策略 |
| 5.5 本章小结 |
| 6 基于多目标优化的抽水蓄能机组导叶关闭规律研究 |
| 6.1 引言 |
| 6.2 抽水蓄能机组导叶关闭规律优化问题描述 |
| 6.3 改进多目标灰狼算法(Improved Multi-objective Grey Wolf OptimizationAlgorithm) |
| 6.4 抽蓄机组导叶关闭规律多目标优化模型 |
| 6.5 基于IMOGWO的导叶关闭规律优化策略 |
| 6.6 仿真实例分析 |
| 6.7 本章小结 |
| 7 总结与展望 |
| 7.1 全文工作总结 |
| 7.2 下一步研究工作展望 |
| 致谢 |
| 参考文献 |
| 附录1:攻读博士期间发表论文 |
| 附录2:攻读博士期间完成和参与科研项目 |
| 附录3:攻读博士期间所获奖项 |
| 附录4:CF和UF测试函数 |
（4）群智能优化算法研究及其在复杂非线性系统辨识中的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 群智能优化算法概述 |
| 1.2.1 粒子群优化算法 |
| 1.2.2 细菌觅食优化算法 |
| 1.2.3 量子菌群优化算法 |
| 1.3 系统辨识研究概况 |
| 1.3.1 系统辨识问题研究概况 |
| 1.3.2 分数阶系统辨识研究现状 |
| 1.3.3 PMSM参数辨识研究现状 |
| 1.4 论文的主要内容及章节安排 |
| 2 改进PSO算法及其在Cole阻抗模型参数辨识中的应用 |
| 2.1 改进的PSO算法 |
| 2.1.1 基于位置信息均值的速度更新策略 |
| 2.1.2 改进的Tent映射 |
| 2.1.3 分段变异概率 |
| 2.1.4 算法描述 |
| 2.2 改进PSO算法的的性能测试 |
| 2.2.1 测试函数 |
| 2.2.2 参数选取 |
| 2.2.3 算法精度比较 |
| 2.2.4 t-test测试比较 |
| 2.3 MPSO算法在双色散Cole阻抗模型参数辨识中的应用 |
| 2.3.1 双色散Cole阻抗模型 |
| 2.3.2 双色散Cole阻抗模型幅值响应 |
| 2.3.3 仿真数据集 |
| 2.3.4 仿真结果及分析 |
| 2.4 本章小结 |
| 3 改进的多策略QBFO算法及其在分数阶参数辨识中的应用 |
| 3.1 多策略QBFO算法 |
| 3.1.1 初始化更新 |
| 3.1.2 概率幅修正因子 |
| 3.1.3 旋转角修正 |
| 3.1.4 收敛性分析 |
| 3.2 多策略QBFO算法的性能测试 |
| 3.2.1 初始旋转角取值分析 |
| 3.2.2 算法精度比较 |
| 3.2.3 t-test测试比较 |
| 3.3 IQBFO算法在分数阶系统参数辨识中的应用 |
| 3.3.1 分数阶微积分定义 |
| 3.3.2 分数阶系统 |
| 3.3.3 仿真结果与分析 |
| 3.4 本章小结 |
| 4 改进细菌觅食算法及其在整数阶控制器参数整定中的应用 |
| 4.1 改进的细菌觅食优化算法 |
| 4.1.1 非线性自适应步长 |
| 4.1.2 改进的复制操作 |
| 4.1.3 改进的迁徙概率 |
| 4.1.4 BFO算法流程 |
| 4.2 改进细菌觅食算法的性能测试 |
| 4.2.1 与派生算法的性能比较 |
| 4.2.2 与典型群智能算法的性能对比 |
| 4.3 IBFO算法在伺服系统PID控制器参数整定中的应用 |
| 4.3.1 伺服系统建模 |
| 4.3.2 IBFO算法在伺服系统位置环PID控制器参数整定中的应用 |
| 4.4 本章小结 |
| 5 NAQBFO算法及其在分数阶控制器参数整定中的应用 |
| 5.1 非线性动态自适应旋转角的量子菌群算法 |
| 5.2 改进量子菌群算法的性能测试 |
| 5.2.1 线性参数取值分析 |
| 5.2.2 非线性调制指数对优化结果的影响 |
| 5.2.3 算法性能测试 |
| 5.3 NAQBFO算法在分数阶PID控制器参数整定中的应用 |
| 5.3.1 NAQBFO在伺服系统控制器参数整定中的应用 |
| 5.3.2 仿真结果与分析 |
| 5.4 本章小结 |
| 6 改进QBFO算法在PMSM定子绕组短路故障诊断中的初步研究 |
| 6.1 改进的量子菌群算法 |
| 6.1.1 单基因实数编码 |
| 6.1.2 最优旋转角修正概率 |
| 6.1.3 概率幅修正算子 |
| 6.1.4 改进的量子旋转角 |
| 6.2 MQBFO算法的性能测试 |
| 6.2.1 参数取值分析 |
| 6.2.2 初始旋转角对优化结果的影响 |
| 6.2.3 与其它算法的性能对比 |
| 6.3 改进QBFO算法在PMSM定子绕组短路故障诊断中的应用 |
| 6.3.1 参数估计器设计 |
| 6.3.2 非故障状态下的算法验证 |
| 6.3.3 基于参数估计器的故障诊断 |
| 6.4 基于有限元方法实验的PMSM定子绕组短路故障诊断分析 |
| 6.5 本章小结 |
| 7 总结与展望 |
| 7.1 工作总结 |
| 7.2 研究展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（5）几类非线性状态受限系统控制方法及应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 术语与符号约定 |
| 第一章 绪论 |
| 1.1 状态受限系统控制理论的研究背景和意义 |
| 1.2 状态受限系统控制理论简介 |
| 1.2.1 基于限制控制系统初始值的方法 |
| 1.2.2 针对控制量设计惩罚机制的方法 |
| 1.3 状态受限系统控制研究现状 |
| 1.3.1 不变集理论 |
| 1.3.2 模型预测控制 |
| 1.3.3 基于障碍Lyapunov函数的反步设计法 |
| 1.4 本文的研究思路 |
| 1.5 本文的主要工作 |
| 第二章 基于加幂积分控制的输出受限系统状态反馈控制设计 |
| 2.1 引言 |
| 2.2 预备知识 |
| 2.3 控制设计 |
| 2.3.1 新型分段式障碍Lyapunov函数 |
| 2.3.2 主要结论 |
| 2.4 数值仿真 |
| 2.4.1 障碍Lyapunov函数的必要性 |
| 2.4.2 分段式障碍Lyapunov函数的优势 |
| 2.5 本章小结 |
| 第三章 直流降压变换器的电流约束控制器设计 |
| 3.1 引言 |
| 3.2 预备知识 |
| 3.3 控制设计 |
| 3.3.1 基准电流约束控制器 |
| 3.3.2 改进的电流约束控制器 |
| 3.4 数值仿真 |
| 3.4.1 启动段仿真对比 |
| 3.4.2 负载突变时仿真对比 |
| 3.5 实验结果 |
| 3.5.1 启动段实验对比 |
| 3.5.2 负载突变时实验对比 |
| 3.6 本章小结 |
| 第四章 含匹配扰动直流降压变换器的电流约束控制器设计 |
| 4.1 引言 |
| 4.2 预备知识 |
| 4.3 控制设计 |
| 4.3.1 扰动观测器设计 |
| 4.3.2 控制设计 |
| 4.4 数值仿真 |
| 4.4.1 跟踪常值参考信号 |
| 4.4.2 跟踪斜坡参考信号 |
| 4.5 实验结果 |
| 4.5.1 跟踪常值参考信号 |
| 4.5.2 跟踪斜坡参考信号 |
| 4.6 本章小结 |
| 第五章 含不匹配扰动永磁同步电机的电流约束控制器设计 |
| 5.1 引言 |
| 5.2 预备知识 |
| 5.2.1 永磁同步电机数学模型 |
| 5.2.2 引理 |
| 5.3 控制设计 |
| 5.4 数值仿真 |
| 5.4.1 惩罚项系数l的作用 |
| 5.4.2 启动段仿真对比 |
| 5.4.3 负载突变时仿真对比 |
| 5.5 实验结果 |
| 5.5.1 惩罚项系数l的作用 |
| 5.5.2 启动段实验对比 |
| 5.5.3 负载突变时实验对比 |
| 5.6 本章小结 |
| 第六章 直流升压变换器的电流约束控制器设计 |
| 6.1 引言 |
| 6.2 预备知识 |
| 6.3 控制设计 |
| 6.4 数值仿真 |
| 6.4.1 启动段仿真对比 |
| 6.4.2 含参数不确定性时仿真对比 |
| 6.5 本章小结 |
| 第七章 本文工作总结与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 附录 A 作者攻读博士学位期间的研究成果 |
| 附录 B 致谢 |
（6）水泵水轮机调节系统动力学分析及反演滑模控制器设计（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文的主要研究内容及章节安排 |
| 2 水泵水轮机调节系统数学建模 |
| 2.1 水泵水轮机系统模型 |
| 2.2 含有调压井的引水管道弹性水击系统模型 |
| 2.3 电动发电机系统模型 |
| 2.4 调速器系统模型 |
| 2.5 水泵水轮机调节系统七阶数学模型 |
| 2.6 本章小结 |
| 3 水泵水轮机调节系统动力学分析及滑模控制 |
| 3.1 水泵水轮机调节系统动力学分析 |
| 3.2 水泵水轮机调节系统滑模控制器设计 |
| 3.3 本章小结 |
| 4 水泵水轮机调节系统反演滑模控制 |
| 4.1 水泵水轮机调节系统数学模型变换 |
| 4.2 动态面反演控制器设计 |
| 4.3 自适应率设计与稳定性分析 |
| 4.4 控制器对比分析 |
| 4.5 本章小结 |
| 5 总结和展望 |
| 5.1 本文总结 |
| 5.2 工作展望 |
| 致谢 |
| 参考文献 |
（7）多元宇宙优化算法的改进及应用（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 引言 |
| 1.2 研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 研究目的及意义 |
| 1.4 研究内容及创新性 |
| 1.4.1 研究内容 |
| 1.4.2 创新性 |
| 1.5 论文框架及结构 |
| 2 多元宇宙优化算法 |
| 2.1 引言 |
| 2.2 物理学原理 |
| 2.3 算法描述 |
| 2.3.1 概念模型 |
| 2.3.2 数学模型 |
| 2.4 算法实施 |
| 2.4.1 执行步骤及伪代码 |
| 2.4.2 流程图 |
| 2.5 本章小结 |
| 3 基于自适应压缩因子和柯西变异的多元宇宙优化算法 |
| 3.1 引言 |
| 3.2 改进策略 |
| 3.2.1 基于对数增长型的WEP(LWEP) |
| 3.2.2 自适应压缩因子 |
| 3.2.3 柯西变异 |
| 3.3 伪代码及流程图 |
| 3.4 性能测试及结果分析 |
| 3.4.1 测试函数 |
| 3.4.2 测试平台 |
| 3.4.3 算法选取及参数设置 |
| 3.4.4 结果分析 |
| 3.5 工程实例 |
| 3.5.1 减速器设计 |
| 3.5.2 悬臂梁设计 |
| 3.6 结论 |
| 3.7 本章小结 |
| 4 复数编码多元宇宙优化算法 |
| 4.1 引言 |
| 4.2 复数编码方法及改进策略 |
| 4.2.1 复数编码方法 |
| 4.2.2 改进策略 |
| 4.3 伪代码和流程图 |
| 4.4 性能测试及结果分析 |
| 4.4.1 测试函数 |
| 4.4.2 测试平台 |
| 4.4.3 算法选取及参数设定 |
| 4.4.4 实验结果及讨论 |
| 4.5 IIR系统辨识的应用 |
| 4.5.1 IIR系统辨识 |
| 4.5.2 优化结果 |
| 4.6 结论 |
| 4.7 本章小结 |
| 5 混沌多元宇宙优化算法用于PID控制器设计 |
| 5.1 引言 |
| 5.2 PID控制器的设计 |
| 5.2.1 PID控制器 |
| 5.2.2 AVR系统模型 |
| 5.2.3 性能指标 |
| 5.3 混沌多元宇宙优化算法及其应用 |
| 5.3.1 logistic混沌映射 |
| 5.3.2 PID控制器优化设计的应用 |
| 5.4 仿真实验及分析 |
| 5.4.1 实验方案 |
| 5.4.2 实验数据及分析 |
| 5.5 结论 |
| 5.6 本章小结 |
| 6 差分变异多元宇宙优化算法用于无人战斗机路径规划 |
| 6.1 引言 |
| 6.2 UCAV路径规划数学模型 |
| 6.2.1 问题描述 |
| 6.2.2 性能指标 |
| 6.2.3 威胁代价 |
| 6.3 差分变异多元宇宙优化算法及其应用 |
| 6.3.1 差分变异算子 |
| 6.3.2 改进策略 |
| 6.3.3 UCAV路径规划的应用 |
| 6.4 仿真实验及讨论 |
| 6.4.1 实验方案 |
| 6.4.2 实验平台 |
| 6.4.3 实验结果及分析 |
| 6.5 结论 |
| 6.6 本章小结 |
| 7 总结与展望 |
| 7.1 论文总结 |
| 7.2 工作展望 |
| 参考文献 |
| 致谢 |
| 已完成文章 |
| 参加的科研项目 |
| 获得的荣誉及奖励 |
（8）非高斯系统的控制及滤波策略研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 非高斯随机系统国外内研究现状及发展动态 |
| 1.2.1 信息论在随机系统中的应用 |
| 1.2.1.1 基于信息论的随机系统控制方法研究现状 |
| 1.2.1.2 基于信息论的随机系统辨识及滤波方法研究现状 |
| 1.2.2 智能控制理论介绍及其在非高斯系统中的应用现状 |
| 1.2.2.1 神经网络在非高斯系统中的应用 |
| 1.2.2.2 群体优化算法在非高斯系统中的应用 |
| 1.3 论文主要研究内容 |
| 第2章 信息论中准则函数及智能优化算法 |
| 2.1 引言 |
| 2.2 准则函数 |
| 2.2.1 均方差 |
| 2.2.2 生存信息势 |
| 2.2.3 Renyi熵及信息势 |
| 2.2.4 相关熵 |
| 2.3 智能优化算法 |
| 2.3.1 粒子群优化算法 |
| 2.3.2 差分进化算法 |
| 2.4 本章小结 |
| 第3章 基于神经网络的系统辨识及控制 |
| 3.1 引言 |
| 3.2 基于DSSNN的系统辨识 |
| 3.3 基于信号流图的神经网络权重灵敏度计算 |
| 3.4 基于神经网络模型的预测控制器设计 |
| 3.5 基于神经网络的ORC过程辨识及控制 |
| 3.6 本章小结 |
| 第4章 基于量化最小熵的ORC系统过热度控制 |
| 4.1 引言 |
| 4.2 基于熵优化的控制器 |
| 4.2.1 量化最小熵 |
| 4.2.2 基于PSO优化的控制量求取 |
| 4.3 仿真验证 |
| 4.4 本章小结 |
| 第5章 基于混合相关熵的非高斯系统滤波 |
| 5.1 引言 |
| 5.2 问题描述和滤波器模型 |
| 5.3 基于混合相关熵的性能指标构建 |
| 5.4 最优滤波器增益矩阵求解 |
| 5.5 仿真验证 |
| 5.6 本章小结 |
| 第6章 结论与展望 |
| 参考文献 |
| 硕士期间发表的论文及其它成果 |
| 致谢 |
（9）工业过程多变量系统辨识及逆向解耦控制方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 多变量系统辨识综述 |
| 1.2.1 多变量系统多模型辨识方法 |
| 1.2.2 模型阶次/结构辨识 |
| 1.2.3 闭环多变量系统辨识方法 |
| 1.2.4 连续多变量系统辨识方法 |
| 1.3 多变量系统控制方法综述 |
| 1.3.1 分散控制方法 |
| 1.3.2 带解耦器的控制结构 |
| 1.3.3 解析设计方法 |
| 1.4 论文的主要研究内容和章节安排 |
| 第二章 基于模型降阶的开环多变量系统辨识研究 |
| 2.1 引言 |
| 2.2 问题描述 |
| 2.3 过程的模型阶次选择 |
| 2.3.1 AIC准则确定模型阶次 |
| 2.3.2 输出误差法(OE)确定模型阶次 |
| 2.3.3 仿真研究 |
| 2.4 一种模型降阶的开环辨识方法 |
| 2.4.1 基本思想 |
| 2.4.2 Routh降阶算法 |
| 2.4.3 仿真研究 |
| 2.5 多输入多输出(MIMO)辨识方法 |
| 2.5.1 依子系统递推的MISO辨识算法 |
| 2.5.2 算法仿真 |
| 2.6 管道压力与流量过程辨识 |
| 2.7 小结 |
| 第三章 基于AIC准则的降阶闭环系统辨识研究 |
| 3.1 引言 |
| 3.2 常规闭环辨识方法 |
| 3.3 基于AIC准则的降阶闭环辨识方法 |
| 3.3.1 基本思想 |
| 3.3.2 两种降阶模型 |
| 3.4 仿真验证 |
| 3.4.1 仿真例子1 |
| 3.4.2 仿真例子2 |
| 3.5 精馏塔塔釜蒸馏过程辨识 |
| 3.6 小结 |
| 第四章 高维多变量系统逆向解耦控制方法研究 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.3 高维逆向解耦控制方法 |
| 4.3.1 相对增益矩阵(RGA) |
| 4.3.2 2×2、3×3系统逆向解耦设计 |
| 4.3.3 高维系统逆向解耦控制器通用表达式 |
| 4.4 逆向解耦稳定性分析 |
| 4.4.1 解耦控制器结构设计 |
| 4.4.2 系统鲁棒稳定性分析 |
| 4.5 仿真及实验研究 |
| 4.5.1 仿真例子1(2×2系统) |
| 4.5.2 精馏塔实验研究 |
| 4.5.3 仿真例子2(4×4系统) |
| 4.6 小结 |
| 第五章 基于逆向解耦的多变量分散PID控制研究 |
| 5.1 引言 |
| 5.2 两输入两输出(TITO)分散PID控制研究 |
| 5.2.1 TITO解耦方法 |
| 5.2.2 模型降阶 |
| 5.2.3 分散PID控制器设计方法 |
| 5.2.4 仿真研究 |
| 5.2.5 实验研究(管道压力与流量) |
| 5.3 基于逆向解耦内模控制的多变量分散PI控制研究 |
| 5.3.1 逆向解耦内模控制方法 |
| 5.3.2 稳定性分析及闭环传递函数T) |
| 5.3.3 基于闭环传递函数的多回路PI控制器设计 |
| 5.3.4 仿真研究 |
| 5.4 小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间的主要学术科研成果 |
（10）差分进化算法及应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 优化算法及其分类 |
| 1.3 智能优化算法的特点 |
| 1.4 智能优化算法的应用 |
| 1.5 本论文的主要研究内容 |
| 1.5.1 差分进化算法概述 |
| 1.5.2 本论文的主要研究内容及结构安排 |
| 第2章 差分进化算法及其在求解混合整数非线性规划问题中的应用 |
| 2.1 差分进化算法原理 |
| 2.1.1 变异操作 |
| 2.1.2 交叉操作 |
| 2.1.3 选择操作 |
| 2.1.4 差分进化算法的工作过程示意图 |
| 2.1.5 差分进化算法的C 语言描述 |
| 2.1.6 差分进化算法的变化形式 |
| 2.2 改进差分进化算法在混合整数非线性规划中的应用 |
| 2.2.1 引言 |
| 2.2.2 MINP 问题描述 |
| 2.2.3 改进的差分进化算法 |
| 2.2.4 算法流程 |
| 2.2.5 实验研究 |
| 2.3 小结 |
| 第3章 采用非固定多段映射罚函数的非线性约束优化差分进化算法 |
| 3.1 引言 |
| 3.2 非固定多段映射罚函数法 |
| 3.3 改进的差分进化算法 |
| 3.3.1 变异操作 |
| 3.3.2 交叉操作及选择操作 |
| 3.3.3 算法流程 |
| 3.4 数值分析 |
| 3.5 小结 |
| 第4章 多目标优化问题的差分进化算法研究 |
| 4.1 引言 |
| 4.2 多目标优化问题的基本概念 |
| 4.3 多目标优化问题的目标加权法 |
| 4.4 多目标优化问题的矢量评估算法 |
| 4.5 求解多目标优化问题的差分进化算法 |
| 4.5.1 差分进化算法 |
| 4.5.2 精英最优目标函数值排序策略 |
| 4.5.3 多目标优化差分进化算法实现 |
| 4.5.4 实验研究 |
| 4.6 小结 |
| 第5章 基于自适应二次变异差分进化算法的不完全微分PID 控制器优化设计 |
| 5.1 引言 |
| 5.2 差分进化算法及其早熟收敛问题 |
| 5.3 自适应二次变异差分进化算法设计 |
| 5.3.1 自适应二次变异思想 |
| 5.3.2 时变交叉概率因子CR 思想 |
| 5.3.3 自适应二次差分进化算法实现步骤 |
| 5.4 自适应二次变异差分进化算法性能分析 |
| 5.5 PID 控制器参数整定概述 |
| 5.6 不完全微分PID 控制器 |
| 5.7 PID 控制器的性能指标 |
| 5.8 基于ASMDE 算法的PID 控制器参数优化步骤 |
| 5.8.1 参数搜索空间 |
| 5.8.2 ASMDE-PID 控制器的优化步骤 |
| 5.9 仿真研究 |
| 5.10 小结 |
| 第6章 双群体伪并行差分进化算法研究及应用 |
| 6.1 引言 |
| 6.2 DSPPDE 算法 |
| 6.3 基于平均熵的初始化 |
| 6.4 实验研究 |
| 6.5 DSPPDE 算法在非线性系统参数估计中的应用 |
| 6.5.1 模型参数估计问题描述 |
| 6.5.2 应用实例 |
| 6.6 小结 |
| 第7章 参数自适应改进差分进化算法研究及应用 |
| 7.1 引言 |
| 7.2 变异操作的改进 |
| 7.3 自适应控制参数策略 |
| 7.3.1 缩放因子F 的自适应策略 |
| 7.3.2 交叉概率CR 的自适应策略 |
| 7.4 实验研究 |
| 7.5 应用研究 |
| 7.6 小结 |
| 结论 |
| 1. 论文的主要工作和创新点 |
| 2. 研究工作展望 |
| 参考文献 |
| 致谢 |
| 附录A（攻读硕士学位期间所发表的学术论文目录） |
四、基于一种新的目标准则的PID控制器参数优化（论文参考文献）
- [1]数据驱动的PID控制性能优化[D]. 高雅文. 江南大学, 2021(01)
- [2]抽水蓄能机组系统辨识与复杂工况下控制规律研究[D]. 冯陈. 华中科技大学, 2020
- [3]抽水蓄能机组调节系统非线性建模、辨识及优化控制研究[D]. 丁坦. 华中科技大学, 2020(01)
- [4]群智能优化算法研究及其在复杂非线性系统辨识中的应用[D]. 刘璐. 南京理工大学, 2019(01)
- [5]几类非线性状态受限系统控制方法及应用研究[D]. 郭天亮. 东南大学, 2019
- [6]水泵水轮机调节系统动力学分析及反演滑模控制器设计[D]. 洪铮. 华中科技大学, 2019(03)
- [7]多元宇宙优化算法的改进及应用[D]. 刘京昕. 广西民族大学, 2019(01)
- [8]非高斯系统的控制及滤波策略研究[D]. 田啸. 华北电力大学(北京), 2019(01)
- [9]工业过程多变量系统辨识及逆向解耦控制方法研究[D]. 郑义民. 厦门大学, 2018(08)
- [10]差分进化算法及应用研究[D]. 吴亮红. 湖南大学, 2007(04)