针对稀土萃取过程出口产品的组分含量可以在一定区间范围浮动的要求,提出了一种基于广义预测控制的稀土萃取过程组分含量区间控制方法。首先基于萃取分离过程数据辨识建立组分含量回声状态神经网络(echo state network,ESN)模型;然后针...针对稀土萃取过程出口产品的组分含量可以在一定区间范围浮动的要求,提出了一种基于广义预测控制的稀土萃取过程组分含量区间控制方法。首先基于萃取分离过程数据辨识建立组分含量回声状态神经网络(echo state network,ESN)模型;然后针对稀土萃取过程中不同运行工况,采用改进的广义预测控制算法设计组分含量预测控制器,将系统的输出约束纳入求解控制律的优化问题中,使预测控制针对组分含量输出在不同的区域范围采用不同的控制强度,从而实现区间控制同时保证两端出口产品的纯度,最后基于Ce Pr/Nd(铈镨/钕)萃取过程数据的仿真试验验证了该方法的有效性。展开更多
针对动车组运行环境多变、运行过程具有不确定和强非线性特性,提出了一种动车组运行过程自适应最小二乘支持向量机LSSVM(Least Squares Support Vector Machine)建模及其速度控制方法。首先基于动车组牵引特性和运行过程数据建立其LSSV...针对动车组运行环境多变、运行过程具有不确定和强非线性特性,提出了一种动车组运行过程自适应最小二乘支持向量机LSSVM(Least Squares Support Vector Machine)建模及其速度控制方法。首先基于动车组牵引特性和运行过程数据建立其LSSVM模型,并采用粒子群优化算法确定模型参数;其次,依据模型校正策略,通过动车组运行的新数据采用自适应迭代算法来校正LSSVM模型参数,以改善模型的适应性;最后给出了基于LSSVM模型的动车组速度预测控制方法。基于CRH380AL型动车组运行数据的对比仿真结果验证了本文方法的有效性。展开更多
文摘针对稀土萃取过程出口产品的组分含量可以在一定区间范围浮动的要求,提出了一种基于广义预测控制的稀土萃取过程组分含量区间控制方法。首先基于萃取分离过程数据辨识建立组分含量回声状态神经网络(echo state network,ESN)模型;然后针对稀土萃取过程中不同运行工况,采用改进的广义预测控制算法设计组分含量预测控制器,将系统的输出约束纳入求解控制律的优化问题中,使预测控制针对组分含量输出在不同的区域范围采用不同的控制强度,从而实现区间控制同时保证两端出口产品的纯度,最后基于Ce Pr/Nd(铈镨/钕)萃取过程数据的仿真试验验证了该方法的有效性。
文摘针对动车组运行环境多变、运行过程具有不确定和强非线性特性,提出了一种动车组运行过程自适应最小二乘支持向量机LSSVM(Least Squares Support Vector Machine)建模及其速度控制方法。首先基于动车组牵引特性和运行过程数据建立其LSSVM模型,并采用粒子群优化算法确定模型参数;其次,依据模型校正策略,通过动车组运行的新数据采用自适应迭代算法来校正LSSVM模型参数,以改善模型的适应性;最后给出了基于LSSVM模型的动车组速度预测控制方法。基于CRH380AL型动车组运行数据的对比仿真结果验证了本文方法的有效性。
