检索结果-南通市图书馆

基于即时学习的高炉炼铁过程数据驱动自适应预测控制

在线全文

学校读者我要写书评

暂无评论

控制理论与应用 2020年第2期37卷 295-306页

作者：易诚明周平柴天佑东北大学流程工业综合自动化国家重点实验室辽宁沈阳110819

针对高炉炼铁过程,本文提出一种基于即时学习的高炉铁水质量自适应预测控制方法(JITL–APC).该方法的特点是控制器通过k向量近邻(k–VNN)方法搜索数据库中的输入输出(I/O)数据信息,对非线性系统进行局部建模,并在此基础上计算控制律.而... 详细信息

针对高炉炼铁过程,本文提出一种基于即时学习的高炉铁水质量自适应预测控制方法(JITL–APC).该方法的特点是控制器通过k向量近邻(k–VNN)方法搜索数据库中的输入输出(I/O)数据信息,对非线性系统进行局部建模,并在此基础上计算控制律.而且,该方法中引入了工业异常数据处理机制,利用JITL学习子集中的平均数据项,对异常数据项进行填补或替换,从而消除异常数据对控制系统的影响.此外,本文提出一种JITL模型保留策略(MRS),避免由于数据库中相似数据样本不足导致的局部模型严重失配,并通过实时收集I/O数据更新数据库,使控制器自适应不同的工况条件,MRS还可以有效抑制噪声干扰的影响,从而提高控制系统的稳定性.最后,基于某大型钢铁厂2#高炉的数值仿真实验,充分验证了该方法的有效性.

关键词：高炉数据驱动即时学习线性化模型预测控制工业数据异常

基于二次相似性度量的即时学习转炉炼钢终点碳温软测量方法

在线全文

学校读者我要写书评

暂无评论

计算机集成制造系统 2021年第5期27卷 1429-1439页

作者：曾鹏飞刘辉昆明理工大学信息工程与自动化学院云南昆明650500

转炉炼钢过程中碳、温连续实时预报是终点控制的关键,针对炉次间的时间序列样本差异度大进而影响模型预测精度的问题,提出一种二次相似性度量的即时学习策略加具有反馈补偿机制的长短期记忆网络混合模型预测终点碳温方法。利用灰色关联... 详细信息

转炉炼钢过程中碳、温连续实时预报是终点控制的关键,针对炉次间的时间序列样本差异度大进而影响模型预测精度的问题,提出一种二次相似性度量的即时学习策略加具有反馈补偿机制的长短期记忆网络混合模型预测终点碳温方法。利用灰色关联度准则进行一次度量建立初始局部模型,在其局部模型中定位出"质心"样本进行二次度量,从而获取最优局部模型;长短期记忆网络训练时,将输出反馈回输入端,使其二次训练能够提高泛化能力。通过钢厂转炉炼钢生产过程的实际数据对方法进行测试和验证,结果表明,按照炼钢工艺要求,温度预测误差在±5℃的精度为76.7%,碳预测误差在±0.01的精度为86.7%。

关键词：转炉炼钢即时学习灰色关联度长短期记忆网络

在线全文

学校读者我要写书评

暂无评论

基于即时学习的非线性系统自适应PID控制

控制理论与应用 2009年第10期26卷 1180-1184页

作者：潘天红李少远江苏大学电气信息工程学院江苏镇江212013 上海交通大学自动化系上海200240

当使用先进策略整定PID控制器参数时,往往要依赖于系统所辨识的模型,而模型的精度与优化算法的计算效率直接影响到系统的控制效果.本文利用即时学习算法的本质自适应特点(建模数据在时间与空间上相邻性),来提高辨识模型的精度,并基于广... 详细信息

当使用先进策略整定PID控制器参数时,往往要依赖于系统所辨识的模型,而模型的精度与优化算法的计算效率直接影响到系统的控制效果.本文利用即时学习算法的本质自适应特点(建模数据在时间与空间上相邻性),来提高辨识模型的精度,并基于广义最小方差的性能指标,用等价多项式的方法,推导出PID形式的控制律,从而避免其他优化算法带来的计算量,提高了控制精度与计算效率.仿真结果验证了该方法的有效性.

关键词：广义最小方差即时学习 k矢量近邻 PID控制器

基于即时学习的MIMO系统滑模预测控制方法

在线全文

学校读者我要写书评

暂无评论

控制理论与应用 2011年第8期28卷 1159-1163页

作者：李庆良雷虎民邵雷陈治湘空军工程大学导弹学院 93617部队装备部

针对MIMO非线性系统的控制问题,采用数据驱动的控制策略,将具有本质自适应能力的即时学习算法与具有强鲁棒性的滑模预测控制相结合,设计了一种基于即时学习的滑模预测(LL-SMPC)控制方法.该方法在在线局部建模的基础上,采用滑模预测控制... 详细信息

针对MIMO非线性系统的控制问题,采用数据驱动的控制策略,将具有本质自适应能力的即时学习算法与具有强鲁棒性的滑模预测控制相结合,设计了一种基于即时学习的滑模预测(LL-SMPC)控制方法.该方法在在线局部建模的基础上,采用滑模预测控制律求取最优控制量,具有较强的自适应和抗干扰能力,并避免了Diophantine方程的求解,有效减少了计算量.通过仿真研究,验证了算法的有效性.

关键词：即时学习滑模预测控制数据驱动控制多输入多输出系统

在线全文

学校读者我要写书评

暂无评论

基于改进即时学习算法的动液面软测量建模

东北大学学报（自然科学版） 2015年第7期36卷 918-922页

作者：王通高宪文刘文芳东北大学信息科学与工程学院辽宁沈阳110819 沈阳工业大学电气工程学院辽宁沈阳110870

油田动液面参数软测量预测应用中,软测量模型随生产的进行会逐步退化,导致预测结果偏差较大,无法在油田生产过程中加以使用.对此,提出采用基于子空间相似度的即时学习策略来对动液面预测模型进行自适应动态更新.通过对生产阶段数据进行... 详细信息

油田动液面参数软测量预测应用中,软测量模型随生产的进行会逐步退化,导致预测结果偏差较大,无法在油田生产过程中加以使用.对此,提出采用基于子空间相似度的即时学习策略来对动液面预测模型进行自适应动态更新.通过对生产阶段数据进行子空间的相似度计算,提高建模样本选取的准确性.设计两个记忆参数改变以往即时学习策略模型的更新方法,在减少计算量的同时提高动液面的预测精度.与以往即时学习算法进行实验对比,结果表明,改进算法对油田动液面测量精度高,适应性强,符合油田生产标准,可以应用于油田实际生产.

关键词：子空间即时学习模型更新相似度动液面

在线全文

学校读者我要写书评

暂无评论

基于即时学习的间歇过程复合模型

上海交通大学学报 2016年第6期50卷 937-942,948页

作者：付钊贾立上海大学机电工程与自动化学院上海市电站自动化重点实验室上海200072

通过传统的即时学习(JITL)方法建立间歇过程复合的线性化模型,利用一个具有5层结构的神经模糊模型(NFM)对局部模型的输出误差特性进行分析,建立模型输入与输出误差之间的非线性映射关系,并通过对模型的预测输出进行误差补偿来提高模型精... 详细信息

通过传统的即时学习(JITL)方法建立间歇过程复合的线性化模型,利用一个具有5层结构的神经模糊模型(NFM)对局部模型的输出误差特性进行分析,建立模型输入与输出误差之间的非线性映射关系,并通过对模型的预测输出进行误差补偿来提高模型精度.仿真结果表明,所提出的基于JITL的间歇过程复合模型相对于传统JITL模型具有更高的精度和更强的噪声抑制能力.

关键词：间歇过程即时学习神经模糊模型误差补偿线性化

一种基于即时学习的局部模型集成转炉炼钢终点预测方法

在线全文

学校读者我要写书评

暂无评论

冶金自动化 2022年第2期 110-117页

作者：彭开香张学艺胡鑫裕北京科技大学自动化学院北京科技大学工业过程知识自动化教育部重点实验室

钢铁工业在国民经济基础中有着重要地位，转炉炼钢作为钢铁生产中的一个重要环节，直接决定了生产钢铁的质量。转炉炼钢是一个影响因素众多、过程非常复杂的多元多相高温物理化学反应过程，对转炉炼钢终点实现精确控制是冶金行业一个有... 详细信息

钢铁工业在国民经济基础中有着重要地位，转炉炼钢作为钢铁生产中的一个重要环节，直接决定了生产钢铁的质量。转炉炼钢是一个影响因素众多、过程非常复杂的多元多相高温物理化学反应过程，对转炉炼钢终点实现精确控制是冶金行业一个有待解决的难题。以提高转炉炼钢终点碳温命中率为目标，针对传统全局模型预测性能不足，难以解决多工况问题，提出了一种基于即时学习(just-in-time learning, JITL)的动态终点预测方法。在JITL的框架下，利用不同准则下的相似性度量方法，选取相应的子样本集，分别构建局部回归模型，最后通过集成学习输出各个局部模型的预测结果。在实际转炉炼钢数据验证中，使用本文所提方法，终点温度在±15℃范围内■命中率为92.7%,终点碳质量分数在±0.02%范围内■命中率为95.7%,可以为实际生产过程中的终点控制等操作提供参考。

关键词：转炉炼钢终点预测即时学习局部模型集成学习

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于即时学习算法的铸坯质量预测方法

连铸 2022年第6期 54-60,67页

作者：赵济民何杨刘建华郑忠尤大利北京科技大学高效轧制与智能制造国家工程研究中心北京100083 重庆大学材料科学与工程学院重庆400044 莱奥本矿业大学钢铁冶金系奥地利莱奥本8700

传统铸坯质量预测大多基于全局建模方法,存在自适应能力较差、预测精度不稳定等不足。为此,提出了一种基于即时学习算法的铸坯质量预测方法,主要特征为构建基于即时学习算法的局部模型,以取代传统全局模型,实现建模和预测同时在线进行,... 详细信息

传统铸坯质量预测大多基于全局建模方法,存在自适应能力较差、预测精度不稳定等不足。为此,提出了一种基于即时学习算法的铸坯质量预测方法,主要特征为构建基于即时学习算法的局部模型,以取代传统全局模型,实现建模和预测同时在线进行,更适应于场景复杂、工况多变的连铸生产过程;根据连铸生产数据的时变性特点,在相似度计算中引入时间权重因子,强化样本数据与待测数据的相关性,更有利于提高铸坯质量预测模型精度。以国内某钢厂65号高碳钢铸坯三角区裂纹为例,具体说明即时学习算法在铸坯质量预测局部模型构建中的应用,并与铸坯质量预测全局模型的预测结果进行对比分析及评价。结果表明,基于即时学习算法的局部模型在评价指标上均优于全局模型,全局模型的预测准确率为65%,基于即时学习算法的局部模型准确率提升至90%,进一步阐明基于即时学习算法的局部模型用于铸坯质量预测的有效性。

关键词：即时学习局部模型相似度质量预测三角区裂纹

一种基于即时学习局部模型的LF终点预测方法

在线全文

学校读者我要写书评

暂无评论

冶金自动化 2023年第1期47卷 147-155页

作者：楚建伟刘建华何杨许庆礽尤大利罗仁辉北京科技大学高效轧制与智能制造国家工程研究中心北京科技大学高等工程师学院莱奥本矿业大学钢铁冶金系新余钢铁集团有限公司

LF精炼是连接转炉和连铸的重要工序，对其终点进行精准预测有助于提高LF生产效率，确保后续工序稳定进行。为提高LF终点预测准确率，提出了一种基于即时学习局部模型的LF精炼终点预测方法。在即时学习框架下，采用特征重要性和时间双重... 详细信息

LF精炼是连接转炉和连铸的重要工序，对其终点进行精准预测有助于提高LF生产效率，确保后续工序稳定进行。为提高LF终点预测准确率，提出了一种基于即时学习局部模型的LF精炼终点预测方法。在即时学习框架下，采用特征重要性和时间双重加权的相似度度量方式选取近邻样本集，通过局部加权偏最小二乘法构建局部模型进行LF精炼终点温度和终点硫含量的预测。基于国内某钢厂LF精炼车间实际生产数据对本预测方法进行验证，并与传统全局反向传播(back propagation, BP)建模和普通欧氏距离相似度度量策略局部建模方法进行对比。结果表明，本预测方法对Q235A/B终点温度在±5℃范围内预测命中率达92.5%,对脱硫钢种终点硫质量分数在±0.002%范围内预测命中率达90.0%,优于其他两种方法，可以为LF精炼实际生产终点控制及后续出钢工作提供指导参考。

关键词： LF精炼终点预测即时学习局部加权偏最小二乘法局部模型