基于数据的间歇过程综合学习型优化控制

前言

第1章间歇过程优化控制概述1

1.1引言1

1.2间歇过程优化控制的研究状况2

1.3迭代学习控制在间歇过程中的应用4

1.4间歇过程优化控制研究中存在的关键问题6

1.5全书概况7

参考文献9

第2章神经模糊系统综述13

2.1绪论13

2.2神经网络与模糊逻辑系统结合的几种形式14

2.3多级神经模糊系统的网络结构形式17

2.4基于神经模糊系统的建模与控制方法的特点19

参考文献20

第3章基于数据的间歇过程神经模糊模型22

3.1间歇过程全局收敛性神经模糊模型研究22

3.1.1间歇过程的神经模糊模型23

3.1.2基于Lyapunov方法的全局收敛性参数学习算法25

3.1.3实验结果31

3.1.4小结35

3.2基于概率密度函数的间歇过程神经模糊模型36

3.2.1基于建模误差PDF形状的参数学习算法37

3.2.2实验结果41

3.2.3小结47

参考文献49

第4章间歇过程批次轴时间轴综合神经模糊模型52

4.1间歇过程时变神经模糊模型52

4.1.1间歇过程时变神经模糊模型的特点52

4.1.2间歇过程时变神经模糊模型结构52

4.1.3基于Lyapunov方法的间歇过程时变神经模糊模型参数学习55

4.1.4实验结果57

4.2基于概率密度函数的间歇过程二维模型研究60

4.2.1基于模型误差概率密度函数的间歇过程神经模糊模型参数辨识60

4.2.2实验结果62

4.2.3小结67

参考文献67

第5章基于数值分析理论的间歇过程优化控制研究68

5.1基于神经模糊模型的间歇过程迭代学习控制68

5.1.1间歇过程的迭代学习控制策略68

5.1.2间歇过程迭代学习控制系统收敛性分析70

5.1.3实验结果73

5.1.4小结83

5.2基于批次轴模型修正的间歇过程迭代学习控制85

5.2.1放松约束条件的间歇过程迭代学习控制策略85

5.2.2基于批次轴模型修正的间歇过程迭代学习控制策略89

5.2.3实验结果95

5.3间歇过程变R调节迭代学习控制及跟踪性能分析104

5.3.1零跟踪误差分析104

5.3.2零跟踪误差实现策略分析105

5.3.3实验结果109

5.4小结112

参考文献112

第6章基于智能优化理论的间歇过程优化控制114

6.1基于微粒群优化算法的间歇过程迭代学习控制114

6.1.1基于微粒群优化算法的间歇过程迭代学习控制114

6.1.2微粒群优化算法的构建116

6.1.3实验结果117

6.2间歇过程的两层智能混合优化控制120

6.2.1PSOSQP两层智能混合优化120

6.2.2实验结果124

6.3基于微粒群优化算法的间歇过程多目标优化控制127

6.3.1间歇过程的多目标优化问题128

6.3.2基于多目标微粒群优化算法的Pareto优化控制130

6.3.3数值仿真134

6.3.4实验结果137

6.4小结141

参考文献141

第7章间歇过程批次轴时间轴综合学习型优化控制143

7.1引言143

7.2一类线性间歇过程综合学习型优化控制143

7.2.1线性间歇过程动态R参数综合学习型优化控制144

7.2.2性能分析147

7.2.3实验结果152

7.3非线性间歇过程综合学习型优化控制策略157

7.3.1非线性间歇过程综合学习型优化控制157

7.3.2性能分析159

7.3.3实验结果161

7.4小结167

参考文献167

间歇过程因其能够满足现代过程工业的特点和要求而被广泛采用，但间歇过程具有很强的非线性及动态特性，这些特性决定了间歇过程控制要比连续过程控制复杂，需要新的非传统技术。如何将具有离散时间特征（批次轴）和连续时间特征（时间轴）的信息统一在同一个模型和控制系统框架下是间歇过程优化控制中面临的挑战。
　　《基于数据的间歇过程综合学习型优化控制》主要介绍基于数据的间歇过程综合学习型优化控制，旨在把具有离散时间特征（批次轴）和连续时间特征（时间轴）的性能参数融入控制系统的分析与设计中，从而实现批次轴时间轴的协同设计。《基于数据的间歇过程综合学习型优化控制》分为三部分：第1、2章介绍必要的背景材料和预备知识；第3、4章研究基于数据的间歇过程模型；第5~7章研究间歇过程的综合学习型优化控制。