一、动态规划确定化学反应器序列最小占用时间的方法（论文文献综述）
马建飞[1]（2021）在《非高斯批次控制系统的性能评价算法及应用研究》文中研究说明批次过程由于高效的生产效率和灵活的控制方式,广泛应用于造纸、医药、冶金、食品与饮料和化学反应器等领域。受噪声等因素的影响,批次过程在实际运行时难以达到预期的性能要求。批次过程控制性能的好坏影响着产品质量、运行成本等,因此需要对其进行准确评价,以便尽快做出决策,从而改善产品质量、提高系统运行效率等。这就使得批次过程的控制性能评价（control performance assessment,CPA）成为研究的热点。在假设过程变量服从高斯分布的前提下,基于最小方差的传统CPA基准能够准确评价批次过程控制性能的好坏。然而过程干扰和测量噪声等未必服从高斯分布,这时方差指标不足以刻画其随机特性,不能有效评价非高斯批次过程控制性能。近年来,针对非高斯连续过程提出了基于最小熵的性能评价基准,然而,该方法不能直接用于批次过程的控制性能评价。因此,本文针对非高斯批次控制系统,采用统计信息的方法研究控制性能评价问题,具有十分重要的理论和实际意义。本文的主要研究内容如下:（1）针对时不变非高斯批次过程,根据批次误差分别设计最小有理熵（Minimum rational entropy,MRE）内部和外部控制器,建立非高斯批次控制系统最小有理熵性能评价新基准。对于实际工业过程中模型未知的批次过程,提出最小有理熵分布估计算法（Minimum rational entropy-based estimation of distribution algorithm,MRE-EDA）,用于辨识批次过程的数学模型,从而根据辨识的模型设计最优控制器,建立最小有理熵性能评价新基准,进而实现批次过程控制系统性能评价的目的。（2）时不变非高斯批次过程的误差由确定性误差和随机性误差两部分组成,内部控制器只影响随机性误差,而外部控制器即影响确定性误差又影响随机性误差。本文分析确定性误差与随机性误差之间的关系及批次过程收敛性问题,根据确定性误差和随机性误差分别设计最小有理熵内部控制器和外部控制器,并建立MRE内部控制器和外部控制器性能评价新基准。另外,针对实际工业过程中模型未知的批次过程,提出改进的MRE-EDA方法,用于辨识批次过程模型参数和估计非高斯扰动的概率密度函数（Probability density function,PDF）,进而设计最优控制器,建立性能评价基准,实现对批次控制系统进行性能评价。（3）由于实际工业中批次过程本质上是时变的,对于时变非高斯批次过程控制器设计难度较大。本文针对时变非高斯批次过程,通过分析批次跟踪误差,设计混合互熵（Mixture correntropy,MC）内部和外部最优控制器,并建立MC批次控制系统性能评价新基准。此外,对于模型未知的批次过程,改进传统的分布估计算法,提出混合互熵分布估计算法（Mixture correntropy estimation of distribution algorithm,MC-EDA）,用于辨识时变非高斯批次过程模型参数和估计非高斯扰动PDF,进而设计最优控制器评价时变非高斯批次过程的控制性能。
张宏扬[2]（2021）在《铁路信号安全相关系统硬件安全完整性预计方法研究》文中指出EN 50129是铁路信号领域中对安全相关电子系统验收及批准的要求作出定义的第一个欧洲标准,该标准中安全完整性部分的有关概念和定义基本继承了国际功能安全标准IEC 61508,而后者关于硬件安全完整性的定量预计问题,主要给出了“硬件安全完整性的结构约束”和“由随机硬件失效引起的安全功能失效概率的计算（目标失效量）”这两个方面的要求和规定,但具体应用于铁路信号安全相关系统时存在如下问题:一是IEC 61508所直接面向的系统多为在工业过程控制领域中专用于或主要用于实现安全防护功能的安全相关系统,此类系统具有与EN 50129所面向的集控制、安全保障于一身的铁路信号安全相关系统显着不同的特点,这使IEC 61508中有关目标失效量的计算公式并不完全适用于铁路信号安全相关系统硬件安全完整性的预计;二是可靠性参数数据缺乏、现场失效数据反馈不足等原因导致的参数不确定性已成为影响铁路信号安全相关系统硬件安全完整性预计结果最主要的原因,而结构约束的路线1H并未对不确定性作出要求,路线2H虽然规定了对失效数据不确定度的分析以及目标结果置信度的衡量,但并未给出具体、可操作的实施方法。基于此,在查阅国内外相关领域研究文献的基础上,本文从硬件安全完整性定量预计方法、共因失效定量评估方法、不确定性分析方法等几个方面展开研究。一方面,分析并总结IEC 61508与EN 50129所面向的安全相关系统在结构、所实现功能、危险侧判定等方面的差异性,以此分析了 IEC 61508提供的目标失效量计算公式在铁路信号安全相关系统中的适用性;另一方面,构建了铁路信号安全相关系统常见冗余结构的目标失效量量化模型,研究认知不确定影响下共因失效因子β的估算方法,并最终提出了参数不确定性影响下硬件安全完整性的预计方法。论文的主要成果和创新点如下:（1）针对目前多数文献并未研究IEC 61508提供的目标失效量计算公式适用性的现象,首先讨论了操作模式判定、目标失效量PFH、结构约束等IEC 61508中与硬件安全完整性相关的一些概念及定义的不足与局限性;然后从系统安全相关功能特点、系统功能边界及对象特点、实现安全保障的方式及策略、危险失效判定原则等四个方面逐一比较IEC 61508所面向的安全相关系统（S1类）与EN 50129所面向的铁路信号安全相关系统（S2类）间的差异性;最后重点研究了 1oo2和2oo2这两个最具代表性的冗余结构对S1、S2两类系统的安全性所起作用的不同之处,为IEC 61508中推荐的目标失效量计算公式在铁路信号安全相关系统中的适用性提供了评价依据。（2）针对传统方法构建复杂冗余系统的安全性模型过程繁琐、模型求解困难的问题,提出了基于动态故障树的冗余结构THR量化模型,采用该方法构建了铁路信号安全相关系统常见三种冗余结构双机热备（1oo2）、二乘二取二（2×2oo2）、三取二（2oo3）的动态故障树模型,求解得到每种结构的THR计算公式。同时,针对既有灵敏度分析方法每次仅允许一个参数发生变化的局限性,提出了基于灰关联的影响参数敏感性分析方法,为相互影响的参数的敏感性判定提供了一种有效的定量评价策略。（3）针对β因子确定过程中由分析人员评分的主观性导致的认知不确定性问题,提出了基于D-S证据理论的β因子估算方法,该方法利用证据理论中的基本信任分配函数表示各专家对β因子不同取值区间的信任程度,采用证据合成规则融合不同专家的评估意见,有效降低了认知不确定性对β因子估算结果的影响。同时,针对传统证据合成规则合成证据时可能产生与直觉相悖的结果的问题,提出了一种基于改进折扣系数的证据理论合成方法,示例结果表明,所提出的方法优于传统的证据合成方法,能快速收敛于所识别的目标基元。（4）针对参数不确定性对硬件安全完整性预计结果影响的问题,首先提出了基于蒙特卡罗分析法的硬件安全完整性预计方法解决其中参数概率分布已知类型的不确定性问题,该方法以结果达到95%的置信度来判定结构所满足的SIL,有效弥补了单一固定结果未考虑不确定性因素影响的缺陷。其次,针对蒙特卡罗分析法难以处理参数概率分布未知类型的不确定性问题,提出了基于模糊数的硬件安全完整性预计方法。同时,考虑到传统模糊结果评价方法存在可能再次引入认知不确定性、未能从置信度角度评价模糊结果等不足与局限性,提出了基于测度理论与符合性概率的模糊结果评价方法,示例表明所提出的方法有效且模糊评价结果较蒙特卡罗分析法评估的结果更为保守。最后,针对模糊数隶属函数可能难以确定的问题,提出了基于区间数的硬件安全完整性预计方法,采用NSG可能度法计算结果满足不同SIL的可能程度,并以示例证明了区间数更适合处理高度不确定性影响下的硬件安全完整性预计问题。
宋逍翰[3]（2019）在《铜冶炼过程数据校正方法研究及应用》文中提出过程数据在铜冶炼生产中扮演着重要的角色,其准确性一方面关系到铜冶炼过程的生产安全和产品性能,另一方面直接影响铜冶炼企业的长期经营决策。但过程数据在采集和记录的过程中不可避免地会受到误差的干扰,使其不能满足物料平衡或元素平衡等关系约束。数据校正技术通过综合应用冗余数据预处理、数据协调、显着误差检测等多种技术,达到发现、追溯和消除误差的目的,从而使平衡关系约束得到满足,以提高过程数据的质量,为铜冶炼企业进行有效的经营核算打下坚实基础。本文以国内某铜冶炼公司为背景,分析该公司铜冶炼过程的数据形式和平衡关系,一方面,其冗余数据在协调前需进行预处理,以提高数据的有效性和一致性;另一方面,铜冶炼数据协调模型非线性且变量维度大,一般方法不适用于对该模型的求解,或求解效果不佳。为解决冗余数据的匹配规整和异常追溯等预处理问题,本文提出分段自适应动态时间弯曲（DTW）算法,该方法分为自适应DTW算法和分段子序列匹配算法两个部分。自适应DTW算法在DTW算法的基础上通过加入长度可变的滑动窗口,使待匹配序列自适应滑动对齐。基于自适应DTW算法,分段子序列匹配算法通过对主序列进行分段滑动匹配,高效完成子序列匹配任务。仿真实验表明,所提方法不仅能对序列进行准确的自适应滑动对齐,且能大幅降低子序列匹配运算时间,对于冗余数据匹配工作具有很高的鲁棒性和实用性。由于铜冶炼数据协调模型所对应优化问题非线性、变量维度大,本文提出乘子转换算法对其进行求解,该方法通过拉格朗日乘子转换将原高维优化问题转换为低维问题,并使用改进的变量上下限约束方法对原变量进行约束和还原,转换后问题使用改进的差分进化（DE）算法进行搜索求解,其变量维度与原问题约束数量直接相关。仿真实验表明,所提方法稳定性、鲁棒性高,且有着理想的求解速度,可有效应对铜冶炼中的非线性数据协调问题。最后本文叙述基于所提方法的数据校正系统在国内某铜冶炼公司SAP平台中的设计实现。通过该数据校正系统,铜冶炼公司的数据校正问题能够得到准确、高效的解决,为其平衡核算和经营决策提供良好的数据和理论支持。
徐炜峰[4]（2019）在《动态优化问题的网格精细划分策略研究》文中认为最优控制亦称为动态优化,是实现系统增益、节能、降耗的重要措施,广泛地应用于机器人控制、化学工程、清洁能源、生物工程、食品工程等诸多领域。控制向量参数化方法是动态优化问题直接法求解中的一种主流求解方法,该方法将整个时域划分成若干时间网格从而实现离散化,进而将无限维的最优控制问题转化为非线性规划问题进行求解。在此过程中,时间网格划分得是否合理对求解效率和最优控制轨迹的逼近精度影响很大,另外控制变量的初值是否合理也会影响求解效率和收敛速度。本研究致力于解决控制向量参数化方法逼近精度和计算时间之间的矛盾,提升求解效率,并通过十三个不同的经典实例进行分析验证。本文在阅读了大量国内外文献的基础上,开展了如下几点研究:（1）针对控制向量参数化方法这一研究热点,给出了控制向量参数化方法的通用求解步骤,并采用两个化工实例验证传统的控制向量参数化方法,通过分析得出传统的控制向量参数化方法存在着逼近精度不高、计算成本高、网格固定、切换时间点定位不准等劣势。（2）考虑到含有积分项的Lagrange形式和Bolza形式的最优控制问题在数值计算过程中会引入数值误差,为了减少误差量的引入,将Lagrange形式和Bolza形式的函数均转换为Mayer形式的函数;针对终值时间自由的最优控制问题,引入新的时间变量进行映射,从而将终值时间自由的最优控制问题转化为终值时间固定的最优控制问题。（3）对一类重要的Bang-Bang最优控制问题进行了研究,按控制变量个数分为单控制变量Bang-Bang控制问题和多控制变量Bang-Bang控制问题。然后分别给出了一种变时间尺度非均匀的控制变量参数化求解策略,实例计算表明:该方法不仅可以得到良好的网格划分方式,解决传统控制变量参数化方法网格固定的缺陷,而且可以精确定位到切换时间节点。（4）本文提出了一种在时间尺度上的基于斜率信息的控制向量参数化方法。首先以较少的时间网格进行第一次迭代,快速获得控制变量的大致轨迹从而为下一次迭代提供良好的初值条件;其次对时间网格重构,包括对时间网格的消除、时间网格的细化以及重要时间切换点的位移。实例计算结果表明,该方法不仅可以加快收敛速度,降低计算成本,并且可获得更准确的优化结果。（5）本文从另一个尺度——频域尺度,提出了一种基于伪Wigner-Ville分布的动态优化问题网格重构策略。与基于斜率信息的控制向量参数化方法相比,迭代次数更少、通用性更强、其优化策略更为精细。采用三个非常经典的化工实例进行测试,结果表明所提方法具有更好的快速性和准确性。
黄振华[5]（2017）在《智能驾驶车辆自评价学习控制方法研究》文中提出作为智能交通系统的核心,车辆智能驾驶技术具有广阔的应用前景,已成为世界汽车产业新一轮竞争的焦点。运动控制技术是实现车辆自主驾驶的基础。由于智能车辆本身具有非线性、时延等复杂动力学特性,且道路坡度和侧倾度不断变化,轮地作用关系也较为复杂,因此实现高性能的车辆运动控制在理论和技术上都具有挑战性。自评价学习控制是增强学习（Reinforcement Learning,RL）在优化控制中的重要研究方向,具有自学习能力强、依赖模型信息少和数据驱动等特点,常被用于解决机器人和复杂系统控制等领域中存在的控制问题。面对行驶环境的复杂性、车辆动力学模型的非线性和时滞性等诸多困难,如何研究和利用自评价学习优化的方法实现高性能车辆运动控制是本文的主要研究目标。针对智能驾驶车辆的侧向控制、纵向控制以及协同自适应巡航控制三种典型的运动控制问题,本文重点研究了一类具有执行器-评价器框架的自评价学习控制理论方法。本文的主要工作成果和创新点如下:（1）针对智能驾驶车辆控制系统中存在的非线性和时延特性,提出一类仿射非线性时延系统的同步迭代对偶启发式规划算法（Synchronous iterative Dual Heuristic Programming,SI-DHP）,并理论分析了该算法的收敛性。与现有方法相比,所提出的SI-DHP算法能够对含有状态时延项和动作时延项的非线性Hamilton-Jacobi-Bellman方程进行高效的同步迭代优化求解。利用前馈神经网络设计了SI-DHP算法中的执行器模块和评价器模块,分别用于逼近最优状态值函数和最优策略。利用仿真实例比较了SI-DHP学习控制方法与传统PI反馈控制方法的性能,结果表明SI-DHP学习控制方法具有良好的自学习优化和抗干扰能力。（2）提出一种基于SI-DHP的侧向学习控制方法。该方法结合了前馈-反馈控制结构,利用SI-DHP算法实现了反馈转向控制策略的优化。前馈转向控制器的输入信号是期望路径的曲率,结合所建立的阿克曼几何转向模型与轮胎模型两部分信息,得到了车辆所需补偿的轮胎侧向力和侧偏角,输出跟踪期望曲率所需要的前馈转向控制信号。反馈转向控制器利用车辆与期望路径之间的误差关系,考虑了车辆转向执行机构的时延特性和饱和特性,以最小化侧向跟踪误差和能量损耗为性能指标,采用SI-DHP算法获得优化的反馈转向控制策略。利用CarSim仿真软件进行了智能驾驶车辆的换道跟踪测试、圆形道路跟踪测试、S曲线道路跟踪测试以及城市综合道路跟踪测试,仿真结果表明基于SI-DHP的侧向学习控制方法与传统的LQR反馈控制方法、预瞄方法相比较具有更高的控制精度,尤其在车辆处于高机动行驶状态时。最后进行了红旗HQ3高速公路自主驾驶实验,验证了该侧向控制方法的有效性。（3）针对传统执行器-评价器方法存在着基函数构造困难、逼近器结构复杂以及学习泛化能力不够高的问题,提出一种基于离线参数化策略学习的执行器-评价器方法（parameterized batch actor-critic,PBAC）。通过在样本空间进行基于核稀疏化的二次采样,PBAC方法实现了基函数构造的自动化。PBAC方法中执行器和评价器采用相同的基函数分别逼近动作策略和状态值函数,并利用批量样本进行学习训练,提高了学习泛化性能。在车辆纵向解析模型未知的条件下利用PBAC方法学习得到了自适应速度跟踪控制策略,优化了智能驾驶车辆的纵向控制性能。利用实验车辆-红旗HQ7对跟踪5km/h至40km/h的速度控制策略进行了仿真研究和实验验证。仿真结果表明,基于PBAC的学习控制方法在噪声干扰条件下较传统PI和自适应PI控制方法有更高的控制精度。最后在城市颠簸路面、上下坡路面以及湿滑路面上进行了速度跟踪实车实验,验证了PBAC学习控制方法的有效性。（4）提出一种基于在线增量式DHP（Online Incremental based DHP,OI-DHP）学习的双车协同自适应巡航控制方法。在纵向协同控制中,利用OI-DHP方法对当前车辆跟踪目标车辆的加速度策略进行学习和优化,使两车达到相同速度和保持期望车距。在侧向协同控制中,局部路径规划模块利用目标车辆的位姿信息输出当前车辆跟踪目标车辆的期望路径,然后根据基于路宽约束的车路关系评价方法优化得到当前车辆跟踪期望路径所需要的最优转弯半径,再由侧向控制模块完成路径跟踪任务。仿真结果表明,在保证跟踪精度前提下基于OI-DHP学习的纵向协同控制方法在前车速度阶跃变化、缓加减速和急加减速情况下较传统LQR控制方法与PI控制方法具有更快的响应速度和更小的超调量。另外,利用车辆仿真软件PreScan所搭建的城市道路环境,测试了智能驾驶车辆的协同自适应巡航控制性能。结果表明所提出的协同自适应巡航控制方法在多种道路场景下具有良好的自适应优化能力。
汪楷健[6]（2016）在《基于超声辅助技术的快速检测方法理论研究及应用》文中研究指明针对我国水资源短缺、水质污染事件层出不穷以及在我国缺乏可靠的多参数在线水质检测手段的现状,本文通过研究广大科技工作者在先进水质检测技术领域的大量有益工作,围绕国内外最新研究成果,提出通过超声辐照加速水样消解过程的技术,用以加快难检测水质参数（如COD、总磷、总氮等）的检测过程,研究了在水质检测前处理过程中对水样进行超声辐照的消解作用原理,提出了基于超声辅助消解水样技术的快速水质检测方法UASD （Ultrasonic Assisted Sample Digesting）法。本课题是环境检测科学、超声化学、超声学、仪器科学的交叉研究领域,以超声化学、声学原理和声学仿真技术作为研究手段,提出了应用于水质检测的超声化学系统的设计方案,选定了浸入式声化学反应器作为UASD法加快水样消解的声学系统模型,初步探讨了功率超声的频率、声强等物理因素对超声辅助水质检测的影响,初步优化了用于水样消解反应的超声频率、声强等物理参数,并配套设计了声变幅杆。针对该功率超声系统应用在水质检测上的实际效能,以水质COD参数为例,设计一系列实验验证了UASD法在常温常压下的水样消解效果,找到UASD法的最佳消解时间为4min,并验证了UASD-SP法的广泛适用性。以自行设计的功率超声水样消解系统为基础,以UASD-SP法为指导初步设计了基于功率超声辅助技术的快速水质检测系统（以水质COD的检测为例）。并选用一系列浓度的COD标准溶液（浓度10mg/L-400mg/L）对系统样机的初步性能进行测试,COD检测值的相对误差在-3.9%-2.1%（低于10%）,相对标准误差RSD≤10%,测试结果表明该系统基本满足对COD标准溶液进行快速检测的技术需求。最后,对所做的研究工作做了总结,并针对研究内容对有待继续进行深入研究的问题进行了分析和展望。
池清华[7]（2015）在《PLS隐变量空间模型预测控制算法研究》文中研究表明随着信息产业和计算机技术的快速发展,数据流在工业产业中的地位越来越重要,基于数据驱动的建模和控制方法受到了学术界和工业界的广泛关注。大量数据带来的一个很自然的问题是,很多不相关数据也会包含在采集的数据中,因此数据压缩或者说数据降维技术是很有必要的。偏最小二乘（PLS）就是这样一种重要的多元统计分析方法,它已经在故障诊断和过程监控领域有了非常多的研究,但是在过程控制中的应用还处于起步阶段。本文结合PLS方法的自动解耦,变量配对,降维等特点,研究了PLS隐空间的模型辨识方法和隐空间模型预测控制（MPC）技术。主要研究内容涉及了隐空间模型预测控制相关辨识（MRI）方法,隐空间广义预测控制（GPC）算法,两种用于处理高频噪声的隐空间GPC改进方法,基于过程输出信号的Hotelling T2统计量的多模型切换MPC算法,基于TS模型的隐空间模糊GPC算法,隐空间降维技术讨论。具体的研究工作包括：（1）针对变量中可能存在的共线性问题,引入了PLS建模方法。基于动态PLS框架,第二章提出了一种隐空间GPC控制策略。建模阶段,为了提高模型的多步向前预测能力,进而提高GPC的控制性能,提出了隐空间MRI方法,并对该方法进行了频域分析。隐空间中多个SISO并行运行的特性,使得GPC控制律的求解时间比传统方法少得多,这对GPC的在线应用是很有意义的。（2）第三章对基本的隐空间GPC方法进行了一些闭环理论分析,包括回路灵敏度分析、鲁棒性和稳定性分析,然后从抑制高频扰动和噪声,提高系统鲁棒性的角度出发,提出了两种改进算法。一种是在隐空间GPC中引入C滤波器,这种方法能在不改变系统标称性能的情况下,提高系统的鲁棒性,但是C滤波器参数的选择缺乏系统的理论指导方法。因此,借鉴内模控制思想,我们又提出了一种基于模型输出的改进算法,它是将GPC预测模型中的实际过程输出信号替换为模型预测输出信号,并引入误差校正,从而减弱了噪声和扰动对闭环回路的影响。理论上,这种方法也能在不改变系统标称性能的情况下,提高系统的鲁棒性。（3）对于动态非线性过程,传统的基于单个线性模型的MPC只能在较小的运行区域内得到满意的控制效果。针对这一问题,第四章提出了一种PLS隐空间多模型切换MPC方法。在每一个工作点,先分别辨识一个PLS动态模型,并设计相应的预测控制器。然后,我们提出了一种基于过程输出信号的Hotelling T2统计量的切换指标,它可以根据当前系统运行的区域自动选择最匹配的模型／控制器,从而保证了模型的正确性,使得系统能获得满意的控制品质。更重要的是,该算法延续了基本的MPC算法,仍然是用二次规划求解,适于工程实际应用。（4）对于动态非线性过程,第五章提出了直接采用基于非线性模型的控制方法。主要是在PLS内模型中,采用TS模糊模型来刻画隐变量得分t和u之间的动态非线性关系,建立了一种TS-PLS模型。基于建立的模型,我们利用即时线性化的思想,提出了隐空间模糊GPC控制方法。在过程非线性特别强的时候,这种方法比隐空间切换MPC方法,会有一定的优势。（5）第六章分析了隐空间MPC方法作为降维控制技术时,可能出现的两个问题。首先,对于强行降维问题,我们从空间投影映射的角度分析了强行降维时出现稳态偏差的原因。然后,对于降维控制中设定值的选择问题,我们指出并不是所有的设定值都是可达的,设定值的选取必须符合建模数据集中存在的线性相关关系,并说明在存在非线性依赖关系时,设定值的选取必须和过程特性相容。
刘学敏[8]（2013）在《基于故障的系统安全风险分析与评估方法研究》文中提出随着科学技术的发展,系统结构越来越复杂,功能越来越强大,性能不断提升,同时对其安全性的要求也越来越高。然而,传统的安全风险评估方法并不能准确全面地评估出现代系统的安全风险,掌握风险状况,指导人们找出系统的薄弱环节,提出科学的控制措施,安全风险评估的理论与方法亟待完善。为此,论文提出了一套系统安全风险分析与评估方法,研究了系统风险的概念与度量方法,讨论了系统安全风险状态评估技术,分析了部件失效对系统安全风险的影响,给出了安全风险的不确定性评估方法。主要内容包括:（1）系统风险的概念与度量方法评估系统安全风险的首要任务是掌握系统风险的概念与度量方法,该部分研究了部件失效与安全风险的关系,始于部件失效的风险传播,静态与动态的风险度量方法,最后在上述研究的基础上提出了系统风险评估的框架及内容。（2）系统安全风险状态的评估方法该部分从系统状态的描述出发,首先给出了系统风险状态的划分,针对系统的不同特征,详细讨论了二态、多态和过程控制系统风险状态的划分。其次,给出了系统风险概率、置信区间和高风险状态不可接受概率的计算方法。随后,就系统到达高风险状态的时间展开了探索研究,建立了高风险状态到达时间的评估方法,通过该法能估算出高风险状态到达不可接受程度的时间和系统转移到高风险状态的时间。（3）部件失效对系统安全风险影响的分析方法研究部件对系统安全风险的影响可以指导识别薄弱环节,控制系统风险,是安全风险评估的重要工作。该部分内容主要包含部件风险重要度的分析、风险临界状态及关键部件识别、诊断分析,针对这些问题分别讨论了二态、多态和过程控制系统中部件失效对系统安全风险的影响。（4）安全风险的不确定性评估方法考虑到系统的高安全性要求及不确定性的影响,研究了不确定性的概率量化方法,并将影响系统安全风险评估结果的不确定性分为认知不确定性和随机不确定性,讨论了包含不确定性时的安全风险裕度,结合系统处于高风险状态概率和系统受到随机冲击的风险评估例子,应用QMU方法,得到了系统安全风险评估的不确定结果,可用以辅助风险决策。应用论文提出的系统安全风险分析与评估方法,针对不同特征系统,既可得到更加准确全面的系统风险状态信息,又可从安全风险的角度获取部件失效对系统的影响,还能充分考虑评估结果的不确定性,用以支持风险决策和控制,具有较高的理论参考和推广应用价值。
魏蕊[9]（2012）在《基于扰动补偿的非线性系统最优控制方法及其应用研究》文中认为工业过程控制、生物系统和网络控制等系统中，普遍存在着非线性、时滞、干扰等现象，这不仅破坏了控制系统的稳定性，还给系统的分析与综合带来很大困难。随着生产和科学技术的发展，现代工业对控制系统性能和精度要求的不断提高，传统的控制设计已很难满足各种实际需要，研究非线性系统的扰动抑制问题具有重要的理论和实际意义。本文的主要研究内容概括如下：1.针对普遍具有非线性、时滞性以及部分变量不可测量性、变量间耦合性等特点的常见的化工过程控制，简要概述非线性系统、时滞系统、最优控制理论的一般特性、数学模型、研究背景、研究现状等基本知识。为实现化工生产过程实施自动控制与优化控制，介绍了文章所用到的逐次逼近方法、反馈线性化方法、最优PD控制、无静差内模控制等方法的理论基础。2.针对非线性系统、受扰非线性系统和受扰非线性时滞系统，利用微分方程的逐次逼近理论、动态补偿控制、无滞后转换等方法，将系统的最优控制问题转化为求解非齐次两点边值序列问题，并提供了从时域最优状态反馈到频域最优PD控制器参数优化方法，获得了系统最优的动态补偿网络，设计出最优PD控制器参数。3.针对化工过程中受扰非线性系统，研究外界扰动作用的非线性系统基于扰动补偿的无静差最优扰动抑制的设计问题。利用反馈线性化和内模最优控制原理，构造扰动补偿器，精确抵消外部扰动对系统的影响，设计了最优无静差反馈控制律，解决了受扰动的非线性系统和时滞的前馈控制策略的物理实现问题。4.介绍了CSTR系统的基本结构，反应过程，并针对不同反应过程所建立的模型，进行了模型处理和控制方案的设计，并最终设计各个系统模型最优的动态补偿网络。将理论成果用于化工工程控制系统控制器的设计中。利用MATLAB仿真软件进行了数值仿真验证，检验了理论成果的有效性和实用性。最后部分总结了论文的主要工作，并对今后进一步的研究工作进行了展望，指明了今后研究的方向。
杨佩佩[10]（2010）在《双线性系统近似最优控制方法的研究》文中研究表明现实世界中的大多数实际系统都是非线性系统,并均是在外界干扰力作用下工作的。传统的方法是把非线性系统进行线性化处理,但当对象的输入变量,受外界干扰波动明显,特别是当对象为复杂的工业对象,这种线性简单的近似模型是无法适应的。为了更好的描述实际对象,采用双线性模型,有助于更好的控制实际系统.本文的主要研究内容概括如下:简要概述双线性系统,介绍了当前国内外双线性系统的发展,并综述了最优控制理论。对双线性最优控制的现状和前景做了介绍。给出理论依据:微分约束,哈密顿正则方程,由线性系统的最优控制理论引出双线性系统的最优控制问题,设计简单线性系统的的最优控制律,提出一般双线性系统依据线性理论的最优控制律的设计,给出双线性系统的数学模型和最优控制律设计过程。针对一类受扰动双线性系统,根据二次型性能指标,设计受外部扰动双线性系统的近似最优减振控制器。给出了最优扰动抑制控制律的近似设计过程。给出受扰线性系统的设计方法,在线性基础上研究受一般扰动和正弦扰动的双线性系统最优控制,对受扰双线性系统扰动模型进行了分析,利用逐次逼近方法构造序列将由原问题的得到的非线性两点边值问题的解耦,通过迭代求解该序列,在有限、无限时域分别得到系统最优扰动抑制控制律。研究具有二次型性能指标的受外部持续扰动和周期正弦扰动双线性系统的最优扰动抑制控制律的设计过程。首先研究正弦扰动的MIMO线性系统的最优跟踪控制问题,分析线性系统模型,提出了线性系统最优跟踪控制律的具体设计算法。对双线性系统扰动模型进行了分析,分别根据一般扰动和正弦扰动的特殊形式,设计了一种输出跟踪器,使系统能够在过程控制中时刻跟踪输出量,实际输出与期望输出的误差最小。论文总体概括为:首选提出理论依据,在线性最优控制的基础之上研究双线性系统的最优控制,其中包括受一般扰动的近似最优控制,受正弦扰动的最优控制,以及受一般扰动和正弦扰动的最优跟踪控制。
二、动态规划确定化学反应器序列最小占用时间的方法（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、动态规划确定化学反应器序列最小占用时间的方法（论文提纲范文）
（1）非高斯批次控制系统的性能评价算法及应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 连续过程的控制性能评价研究现状 |
| 1.2.2 批次过程的控制性能评价研究现状 |
| 1.3 论文主要研究内容 |
| 第二章 批次过程最小有理熵控制性能评价 |
| 2.1 问题描述 |
| 2.2 最小有理熵控制性能评价 |
| 2.2.1 有理熵 |
| 2.2.2 批次过程跟踪误差 |
| 2.2.3 控制器设计 |
| 2.2.4 控制性能评价指标 |
| 2.3 基于最小有理熵分布估计算法的批次过程模型辨识 |
| 2.4 仿真结果分析 |
| 2.4.1 数值算例 |
| 2.4.2 批次化学反应器 |
| 2.5 本章小结 |
| 第三章 时不变非高斯批次过程控制最小有理熵性能评价 |
| 3.1 问题描述 |
| 3.2 最小有理熵控制器设计 |
| 3.2.1 批次过程跟踪误差分析 |
| 3.2.2 收敛性分析 |
| 3.2.3 控制器设计 |
| 3.3 最小有理熵CPA指标 |
| 3.4 基于改进的最小有理熵分布估计算法的批次过程模型辨识 |
| 3.5 仿真实验结果分析 |
| 3.5.1 数值算例 |
| 3.5.2 批次反应器 |
| 3.6 本章小结 |
| 第四章 基于混合互熵的时变非高斯批次过程控制性能评价 |
| 4.1 问题描述 |
| 4.2 混合互熵控制器设计 |
| 4.2.1 批次过程误差分析 |
| 4.2.2 收敛性分析 |
| 4.2.3 混合互熵 |
| 4.2.4 控制器设计 |
| 4.3 混合互熵CPA指标 |
| 4.4 基于混合互熵分布估计算法的批次过程模型辨识 |
| 4.5 仿真实验结果分析 |
| 4.5.1 数值算例 |
| 4.5.2 批次化学反应器 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
（2）铁路信号安全相关系统硬件安全完整性预计方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景 |
| 1.1.1 相关概念 |
| 1.1.2 问题的提出 |
| 1.2 国内外研究现状 |
| 1.2.1 硬件安全完整性定量预计方法 |
| 1.2.2 共因失效定量评估方法 |
| 1.2.3 不确定性分析方法 |
| 1.2.4 研究现状总结 |
| 1.3 选题目的和意义 |
| 1.4 论文研究内容与篇章结构 |
| 1.5 本章小结 |
| 2 IEC 61508与EN 50129关于硬件安全完整性预计的若干差异分析 |
| 2.1 IEC 61508有关硬件安全完整性预计的若干问题分析 |
| 2.1.1 操作模式的判定问题 |
| 2.1.2 “PFH”的模糊性与局限性 |
| 2.1.3 结构约束的不足之处 |
| 2.2 IEC 61508与EN 50129所面向安全相关系统的差异性分析 |
| 2.3 1ooN和NooN(N≥2)结构对S1、S2类系统安全性的作用分析 |
| 2.3.1 失效模式划分 |
| 2.3.2 S1类系统 |
| 2.3.3 S2类系统 |
| 2.4 PFH计算公式在铁路信号安全相关系统中的适用性评估 |
| 2.5 本章小结 |
| 3 基于DFT的铁路信号安全相关系统常见冗余结构THR量化方法 |
| 3.1 相关概念 |
| 3.1.1 动态故障树 |
| 3.1.2 灰关联分析法 |
| 3.2 铁路信号安全相关系统常见冗余结构THR量化模型构建 |
| 3.2.1 基于DFT的冗余结构THR量化方法 |
| 3.3 基于灰关联的影响参数敏感性分析方法 |
| 3.4 硬件安全完整性预计中的不确定性类型 |
| 3.5 本章小结 |
| 4 基于D-S证据理论的共因失效因子估算方法 |
| 4.1 基本概念 |
| 4.1.1 评分表法估算β |
| 4.1.2 D-S证据理论 |
| 4.2 D-S证据理论在β因子估算中的应用 |
| 4.2.1 评分表法估算β因子过程中的不确定性分析 |
| 4.2.2 基于改进折扣系数的β因子证据融合方法 |
| 4.3 案例分析 |
| 4.4 本章小结 |
| 5 考虑参数不确定性的硬件安全完整性预计方法 |
| 5.1 相关概念 |
| 5.1.1 蒙特卡罗分析法 |
| 5.1.2 模糊理论 |
| 5.1.3 区间分析基础 |
| 5.2 参数概率分布已知类型的硬件安全完整性预计方法 |
| 5.2.1 基于MCA的硬件安全完整性预计方法 |
| 5.2.2 案例分析 |
| 5.3 参数概率分布未知类型的硬件安全完整性预计方法 |
| 5.3.1 基于模糊数的硬件安全完整性预计方法 |
| 5.3.2 基于区间数的硬件安全完整性预计方法 |
| 5.4 不同方法预计结果分析 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 6.1 研究成果 |
| 6.2 主要创新点 |
| 6.3 展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间取得的科研成果 |
| 学位论文数据集 |
（3）铜冶炼过程数据校正方法研究及应用（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 时间序列相似性匹配 |
| 1.2.2 数据协调 |
| 1.2.3 数据校正技术在工业中的应用 |
| 1.3 研究内容及方案 |
| 1.4 本文结构 |
| 2 基于分段自适应动态时间弯曲算法的冗余数据匹配 |
| 2.1 冗余数据匹配 |
| 2.1.1 冗余数据全序列匹配 |
| 2.1.2 冗余数据子序列匹配 |
| 2.2 时间序列相似性度量 |
| 2.2.1 闵式距离及欧式距离 |
| 2.2.2 动态时间弯曲距离 |
| 2.3 分段自适应动态时间弯曲算法 |
| 2.3.1 自适应动态时间弯曲算法 |
| 2.3.2 分段子序列匹配算法 |
| 2.4 仿真实验 |
| 2.4.1 全序列匹配 |
| 2.4.2 子序列匹配 |
| 2.5 本章小结 |
| 3 基于乘子转换算法的数据协调 |
| 3.1 非线性数据协调模型 |
| 3.1.1 平衡模型 |
| 3.1.2 数据协调模型 |
| 3.2 乘子转换算法 |
| 3.2.1 拉格朗日乘子转换 |
| 3.2.2 上下限约束及原变量还原 |
| 3.2.3 乘子搜索 |
| 3.2.4 乘子转换算法流程 |
| 3.3 仿真实验 |
| 3.4 本章小结 |
| 4 数据校正方法在铜冶炼中的应用 |
| 4.1 应用背景 |
| 4.2 系统开发环境 |
| 4.3 系统设计 |
| 4.3.1 系统结构 |
| 4.3.2 数据校正计算模块 |
| 4.3.3 用户界面设计 |
| 4.4 本章小结 |
| 结论 |
| 参考文献 |
| 附录A 整体检验法计算步骤 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（4）动态优化问题的网格精细划分策略研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 动态优化问题的基本定义 |
| 1.3 动态优化的求解方法 |
| 1.3.1 动态优化问题的间接解法 |
| 1.3.2 迭代动态规划 |
| 1.3.3 动态优化问题的直接解法 |
| 1.4 非线性规划的概述 |
| 1.5 本文结构安排 |
| 第2章 控制向量参数化方法 |
| 2.1 引言 |
| 2.2 控制向量参数化方法 |
| 2.3 最优控制问题的形式转化 |
| 2.3.1 Lagrange形式转化为Mayer形式 |
| 2.3.2 Bolza形式转化为Mayer形式 |
| 2.4 终值时间自由的最优控制问题转化 |
| 2.5 CVP方法算法步骤和流程图 |
| 2.6 实例测试 |
| 2.6.1 实例一: Park-Ramirez生物反应器问题 |
| 2.6.2 实例二: NCSTR最优控制问题 |
| 2.7 本章小结 |
| 第3章 Bang-Bang最优控制问题的求解 |
| 3.1 引言 |
| 3.2 单控制变量Bang-Bang控制问题的求解 |
| 3.2.1 T-CVP方法原理 |
| 3.2.2 算法步骤和流程图 |
| 3.2.3 实例测试 |
| 3.2.3.1 实例三: 汽车制动问题 |
| 3.2.3.2 实例四: 月球软着陆问题 |
| 3.2.3.3 实例五: Nishida问题 |
| 3.3 多控制变量Bang-Bang控制问题的求解 |
| 3.3.1 M-CVP方法原理 |
| 3.3.2 算法步骤和流程图 |
| 3.3.3 实例测试 |
| 3.3.3.1 实例六: 复合Nishida问题 |
| 3.3.3.2 实例七: 自由飞翔机器人问题 |
| 3.3.3.3 实例八: Manutec R3工业机器人问题(状态无约束) |
| 3.4 本章小结 |
| 第4章 一种基于斜率信息的CVP方法网格重构策略 |
| 4.1 引言 |
| 4.2 精细化重构策略 |
| 4.2.1 时间网格节点的合并 |
| 4.2.2 时间网格节点的细化 |
| 4.2.3 重要时间切换点的定位 |
| 4.2.4 算法终止条件 |
| 4.3 算法步骤和流程图 |
| 4.4 实例测试 |
| 4.4.1 实例九: 悬挂式滑翔机最优控制问题 |
| 4.4.2 实例十: Manutec R3工业机器人问题(状态有约束) |
| 4.5 本章小结 |
| 第5章 一种基于伪Wigner-Ville分布的动态优化问题网格重构策略 |
| 5.1 引言 |
| 5.2 Cohen类时频分布的基本原理 |
| 5.2.1 Wigner-Ville分布 |
| 5.2.2 伪Wigner-Ville分布 |
| 5.3 精细化重构策略 |
| 5.3.1 时间网格节点的消除 |
| 5.3.2 时间网格节点的细化 |
| 5.3.3 重要时间切换点的定位 |
| 5.4 算法步骤 |
| 5.5 实例测试 |
| 5.5.1 实例十一: 塞流管式反应器问题 |
| 5.5.2 实例十二: 催化剂混合问题 |
| 5.5.3 例子十三: Lee-Ramirez生物反应器问题 |
| 5.6 本章小结 |
| 第6章 总结和展望 |
| 6.1 全文工作总结 |
| 6.2 未来工作展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（5）智能驾驶车辆自评价学习控制方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景与研究意义 |
| 1.2 智能驾驶车辆的发展现状及未来趋势 |
| 1.2.1 国外智能驾驶车辆发展现状 |
| 1.2.2 国内智能驾驶车辆发展现状 |
| 1.2.3 智能驾驶车辆的发展趋势 |
| 1.3 车辆智能驾驶的关键技术 |
| 1.4 智能驾驶车辆运动控制方法研究现状 |
| 1.4.1 纵向跟踪控制方法 |
| 1.4.2 侧向跟踪控制方法 |
| 1.5 增强学习和自评价学习控制方法研究概况 |
| 1.5.1 基于值函数逼近的RL方法 |
| 1.5.2 基于策略梯度和策略迭代搜索的RL方法 |
| 1.5.3 基于Actor-Critic框架的自评价学习控制方法 |
| 1.5.4 自评价学习控制方法在机器人和智能车辆中的应用 |
| 1.6 面对的挑战 |
| 1.6.1 车辆运动控制的难点 |
| 1.6.2 自评价学习控制的难点 |
| 1.7 研究内容及主要贡献 |
| 1.7.1 本文研究内容 |
| 1.7.2 本文主要贡献 |
| 第二章 仿射非线性时延系统的自评价学习控制方法 |
| 2.1 问题描述 |
| 2.2 仿射非线性时延系统的同步迭代DHP算法 |
| 2.2.1 算法推导与设计 |
| 2.2.2 收敛性分析 |
| 2.3 采用非线性逼近器的同步迭代DHP算法实现 |
| 2.3.1 系统非线性与时延特性的神经网络逼近 |
| 2.3.2 同步迭代DHP算法中评价器的值函数迭代更新规则 |
| 2.3.3 同步迭代DHP算法中执行器的策略学习规则 |
| 2.4 仿真研究 |
| 2.4.1 倒立摆平衡控制问题 |
| 2.4.2 倒立摆摆起平衡控制问题 |
| 2.4.3 带时延循环液流的搅拌罐化学反应器控制问题 |
| 2.5 本章小结 |
| 第三章 基于同步迭代DHP的车辆侧向学习控制方法 |
| 3.1 问题描述 |
| 3.2 侧向跟踪控制结构框架 |
| 3.3 基于侧向力补偿的前馈转向控制器设计 |
| 3.4 基于同步迭代DHP学习的反馈转向控制器设计 |
| 3.4.1 车辆路径跟踪的误差模型 |
| 3.4.2 转向控制量求解 |
| 3.5 仿真研究 |
| 3.5.1 换道跟踪测试 |
| 3.5.2 圆形道路跟踪测试 |
| 3.5.3 S曲线道路跟踪测试 |
| 3.5.4 城市综合道路跟踪测试 |
| 3.6智能驾驶车辆侧向控制实验 |
| 3.6.1 智能驾驶车辆实验系统 |
| 3.6.2 高速道路环境下路径跟踪实验 |
| 3.7 本章小结 |
| 第四章 基于离线参数化策略学习的纵向控制性能优化方法 |
| 4.1 无模型执行器-评价器方法的基本原理 |
| 4.1.1 MDP的基本概念 |
| 4.1.2 无模型执行器-评价器方法 |
| 4.2 离线参数化策略学习的执行器-评价器方法 |
| 4.2.1 PBAC算法总体结构 |
| 4.2.2 PBAC算法的特征表示和值函数逼近 |
| 4.2.3 PBAC算法的策略学习规则 |
| 4.2.4 性能分析和讨论 |
| 4.3 车辆纵向学习控制性能优化方法 |
| 4.3.1 智能驾驶实验车辆-红旗7 及其非参数纵向模型建立 |
| 4.3.2 马尔可夫决策过程建模 |
| 4.3.3 基于PBAC的车辆纵向学习控制方法 |
| 4.4 仿真和实验研究 |
| 4.4.1 仿真结果 |
| 4.4.2 城市道路环境下速度跟踪实验结果 |
| 4.5 本章小结 |
| 第五章 基于在线增量式DHP的双车协同自适应巡航控制 |
| 5.1 系统总体框架 |
| 5.2 基于车路关系评价的双车侧向协同控制方法 |
| 5.3 基于OI-DHP学习的双车纵向协同控制方法 |
| 5.3.1 基于在线增量式DHP学习的加速度规划方法 |
| 5.3.2 纵向协同控制学习方法 |
| 5.4 仿真研究 |
| 5.4.1 纵向协同控制仿真测试 |
| 5.4.2 城市道路环境下双车协同自适应巡航控制性能测试 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 论文工作总结 |
| 6.2 对未来工作的展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
| 附录 A |
（6）基于超声辅助技术的快速检测方法理论研究及应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景 |
| 1.2 国内外水质检测技术的研究近况 |
| 1.3 主要研究内容 |
| 1.4 本章小结 |
| 第二章 超声辅助水质检测技术研究 |
| 2.1 水样检测前处理消解方法原理 |
| 2.2 已消解水样检测技术-分光光度法(SP) |
| 2.3 水质检测领域功率超声技术的应用研究 |
| 2.4 本章小结 |
| 第三章 超声辅助水质参数检测的实验研究 |
| 3.1 实验平台搭建 |
| 3.2 超声辅助消解检测水质COD实验 |
| 3.3 本章小结 |
| 第四章 超声辅助技术的水质快速检测系统设计 |
| 4.1 总体设计 |
| 4.2 控制系统硬件设计 |
| 4.3 本章小结 |
| 第五章 系统实现与实验 |
| 5.1 水质自动采样性能检测 |
| 5.2 超声辅助水质检测系统性能检测实验 |
| 5.3 本章小结 |
| 第六章 结论 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 申请学位期间的研究成果及发表的学术论文 |
| 致谢 |
（7）PLS隐变量空间模型预测控制算法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及现状 |
| 1.1.1 偏最小二乘及研究现状 |
| 1.1.2 基于PLS的控制方法及研究现状 |
| 1.2 模型预测控制及其研究现状 |
| 1.3 模型误差分析 |
| 1.4 模型预测控制相关辨识及研究现状 |
| 1.5 本文主要研究内容 |
| 2 基于PLS隐空间MRI模型的广义预测控制器设计 |
| 2.1 引言 |
| 2.2 PLS和PLS控制框架 |
| 2.2.1 偏最小二乘方法 |
| 2.2.2 动态偏最小二乘 |
| 2.2.3 动态PLS控制框架 |
| 2.3 隐空间模型预测控制相关辨识 |
| 2.3.1 模型预测控制相关辨识 |
| 2.3.2 PLS框架下的MRI |
| 2.3.3 隐空间MRI的频域分析 |
| 2.4 基于动态PLS框架的GPC |
| 2.5 隐空间GPC和原始空间GPC的比较 |
| 2.6 仿真实例 |
| 2.6.1 Jerome-Ray模型 |
| 2.6.2 聚乙烯反应过程 |
| 2.7 本章小结 |
| 3 隐空间GPC算法的理论分析及鲁棒化改进 |
| 3.1 引言 |
| 3.2 基本算法理论分析 |
| 3.2.1 闭环回路分析 |
| 3.2.2 稳定性分析 |
| 3.3 C-滤波器方法 |
| 3.4 一种基于模型输出的改进方法 |
| 3.5 仿真实例 |
| 3.6 本章小结 |
| 4 隐空间多模型预测控制 |
| 4.1 引言 |
| 4.2 隐空间约束MPC |
| 4.3 多模型预测控制 |
| 4.3.1 切换指标 |
| 4.3.2 稳定性讨论 |
| 4.4 非线性两相反应器过程仿真 |
| 4.4.1 过程描述 |
| 4.4.2 模型辨识和验证 |
| 4.4.3 控制结果 |
| 4.5 本章小结 |
| 5 基于TS-PLS模型的隐空间模糊GPC方法 |
| 5.1 引言 |
| 5.2 TS-PLS模型 |
| 5.3 隐空间模糊GPC方法 |
| 5.4 仿真实例 |
| 5.4.1 pH中和滴定过程 |
| 5.4.2 TS-PLS模型建立 |
| 5.4.3 隐空间模糊GPC控制结果 |
| 5.5 本章小结 |
| 6 关于隐空间MPC降维问题的分析与讨论 |
| 6.1 引言 |
| 6.2 降维控制中的两个问题 |
| 6.2.1 强行降维问题 |
| 6.2.2 设定值相容性问题 |
| 6.3 本章小结 |
| 7 总结与展望 |
| 7.1 研究工作总结 |
| 7.2 研究工作展望 |
| 参考文献 |
| 附录 |
| 作者简历 |
| 在学期间所取得的科研成果 |
（8）基于故障的系统安全风险分析与评估方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 系统安全风险状态评估研究现状 |
| 1.2.2 基于部件失效影响的安全风险分析研究现状 |
| 1.2.3 安全风险评估中不确定性分析的研究现状 |
| 1.3 问题的提出和研究思路 |
| 1.3.1 问题的提出 |
| 1.3.2 研究思路 |
| 1.4 论文的主要内容和创新点 |
| 1.4.1 论文的主要内容 |
| 1.4.2 论文的主要创新点 |
| 第二章 系统安全风险概念与度量 |
| 2.1 部件失效与安全风险 |
| 2.1.1 部件独立失效与安全风险 |
| 2.1.2 部件相关失效与安全风险 |
| 2.2 风险的度量 |
| 2.3 风险评估的框架及内容 |
| 2.4 小结 |
| 第三章 系统安全风险状态分析方法 |
| 3.1 系统风险划分 |
| 3.1.1 系统状态 |
| 3.1.2 系统风险状态划分 |
| 3.1.3 示例 |
| 3.1.3.1 基于ET模型的二态系统风险状态划分 |
| 3.1.3.2 基于ET模型的多态系统风险状态划分 |
| 3.1.3.3 基于DET模型的过程控制系统风险状态划分 |
| 3.2 系统风险状态概率计算方法 |
| 3.2.1 系统风险概率 |
| 3.2.2 风险概率的置信区间 |
| 3.2.3 高风险不可接受概率 |
| 3.2.4 示例 |
| 3.2.4.1 FTA/ETA中故障树间独立时概率计算 |
| 3.2.4.2 FTA/ETA中故障树间相关时概率计算 |
| 3.2.4.3 DET中概率计算 |
| 3.3 系统高风险状态的到达时间估计 |
| 3.3.1 高风险状态到达不可接受概率的时间估计 |
| 3.3.2 到达高风险状态的时间估计 |
| 3.3.3 示例 |
| 3.3.3.1 二态/多态系统高风险状态的到达时间估计 |
| 3.3.3.2 过程控制系统高风险状态的到达时间估计 |
| 3.4 小结 |
| 第四章 基于部件失效影响的系统安全风险分析方法 |
| 4.1 风险重要度分析 |
| 4.1.1 二态系统的风险重要度 |
| 4.1.2 多态系统的风险重要度 |
| 4.1.3 过程控制系统的风险重要度 |
| 4.2 风险临界状态及关键部件获取 |
| 4.2.1 二态系统的风险临界状态及关键部件 |
| 4.2.2 多态系统的风险临界状态及关键部件 |
| 4.2.3 过程控制系统的风险临界状态及关键部件 |
| 4.3 风险状态诊断 |
| 4.3.1 二态系统的诊断分析 |
| 4.3.1.1 安全风险灰关联分析 |
| 4.3.1.2 高风险状态诊断树的生成 |
| 4.3.2 多态系统的诊断分析 |
| 4.3.3 过程控制系统的诊断分析 |
| 4.4 小结 |
| 第五章 基于QMU的安全风险评估方法 |
| 5.1 安全风险不确定性的概率量化 |
| 5.2 安全风险评估中不确定性的示例 |
| 5.2.1 认知不确定性的示例 |
| 5.2.2 随机不确定性与认知不确定性的综合示例 |
| 5.3 考虑认知不确定性的安全风险QMU评估 |
| 5.3.1 指定界限的安全风险QMU评估 |
| 5.3.2 指定界限区间的安全风险QMU评估 |
| 5.3.3 指定界限和时间区间的安全风险QMU评估 |
| 5.3.4 不确定界限的安全风险QMU评估 |
| 5.4 综合考虑随机不确定性与认知不确定性的安全风险QMU评估 |
| 5.4.1 累积概率函数的补函数的安全风险QMU评估 |
| 5.4.2 期望值的安全风险QMU评估 |
| 5.5 小结 |
| 第六章 结论与展望 |
| 6.1 本文的主要贡献 |
| 6.2 进一步研究的展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
| 附录A 缩略语与符号表 |
| A.1 缩略语表 |
| A.2 符号表 |
（9）基于扰动补偿的非线性系统最优控制方法及其应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 选题依据及研究意义 |
| 1.2 非线性系统的概述 |
| 1.2.1 非线性系统的一般特性 |
| 1.2.2 非线性系统的数学模型 |
| 1.2.3 非线性控制系统的分析与设计方法 |
| 1.3 时滞系统的研究背景与研究现状 |
| 1.3.1 时滞系统概述 |
| 1.3.2 时滞系统的研究背景及其意义 |
| 1.3.3 时滞系统的一般研究方法 |
| 1.4 最优控制理论 |
| 1.4.1 最优控制的研究方法 |
| 1.4.2 最优控制问题的数学模型 |
| 1.5 本文课题来源与主要内容 |
| 第2章 非线性系统的动态补偿最优控制基本理论 |
| 2.1 非线性系统最优控制 |
| 2.1.1 非线性最优控制问题的数学描述 |
| 2.1.2 非线性系统最优控制的近似方法 |
| 2.1.3 非线性系统近似线性化设计方法及其局限性 |
| 2.2 反馈线性化 |
| 2.2.1 仿射非线性系统 |
| 2.2.2 数学预备知识 |
| 2.2.3 状态反馈精确线性化的标准型 |
| 2.3 内模控制 |
| 2.3.1 内模控制的发展 |
| 2.3.2 内模控制结构和原理 |
| 2.3.4 内模控制的实际应用 |
| 2.4 本章小结 |
| 第3章 非线性系统近似最优动态补偿PD控制 |
| 3.1 非线性最优控制方法--逐次逼近法 |
| 3.1.1 逐次逼近法的数学起源 |
| 3.1.2 逐次逼近法的一般分析过程 |
| 3.2 动态补偿设计 |
| 3.3 非线性系统近似最优PD控制 |
| 3.3.1 非线性系统问题描述 |
| 3.3.2 有限时域最优控制律设计 |
| 3.3.3 无限时域输出反馈最优控制律设计 |
| 3.3.4 无限时域最优PD反馈输出补偿网络的设计 |
| 3.3.5 仿真示例 |
| 3.4 受扰非线性系统近似最优PD控制 |
| 3.4.1 受扰非线性系统描述与转换 |
| 3.4.2. 二次型性能指标分析 |
| 3.4.3 无限时域最优控制律设计 |
| 3.4.4 输出反馈最优控制 |
| 3.4.5 无限时域最优PD反馈输出补偿网络的设计 |
| 3.4.6 仿真示例 |
| 3.6 本章小结 |
| 第4章 受扰时滞非线性系统的无滞后最优控制方法 |
| 4.1 问题描述 |
| 4.1.1 系统描述 |
| 4.1.2 系统转换 |
| 4.1.3 二次型性能指标分析 |
| 4.2 预备引理 |
| 4.3 最优控制律设计 |
| 4.3.1 有限时域最优控制律设计 |
| 4.3.2 无限时域输出反馈最优控制律设计 |
| 4.4 仿真实验与结果分析 |
| 4.4.1 衰减扰动的仿真实验 |
| 4.4.2 正弦扰动的仿真实验 |
| 4.5 本章小结 |
| 第5章 非线性系统反馈线性化无静差最优控制 |
| 5.1 非线性系统状态反馈线性化基本理论知识 |
| 5.1.1 反馈线性化控制系统的关系度（相对阶r） |
| 5.1.2 关系度r等于系统相对阶数n的线性化设计原理 |
| 5.1.3 关系度r小于系统相对阶数n的线性化设计原理 |
| 5.2 非线性系统最优控制器的设计 |
| 5.3 内模控制原理 |
| 5.3.1 内模控制的结构转换 |
| 5.3.2 内模控制的基本性质 |
| 5.3.3 内模控制的设计方法 |
| 5.4 非线性系统反馈线性化无静差控制 |
| 5.4.1 问题描述 |
| 5.4.2 线性系统反馈线性化 |
| 5.4.3 基于内模的扰动补偿器设计 |
| 5.4.4 无静差最优控制律的设计 |
| 5.4.5 仿真示例 |
| 5.5 本章小结 |
| 第6章 非线性系统控制在化工过程中的应用 |
| 6.1 连续搅拌反应槽CSTR系统简介 |
| 6.2 CSTR系统的反应过程 |
| 6.2.1 CSTR系统反应过程和参数含义 |
| 6.2.2 CSTR系统无因式转换 |
| 6.3 CSTR系统动态补偿近似最优控制仿真 |
| 6.3.1 CSTR系统模型一非线性标准形式 |
| 6.3.2 仿真图形示例一 |
| 6.3.3 CSTR系统模型二非线性标准形式 |
| 6.3.4 仿真图形示例二 |
| 6.4 CSTR系统反馈线性化控制 |
| 6.4.1 CSTR系统反馈线性化模型 |
| 6.5 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（10）双线性系统近似最优控制方法的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 问题提出 |
| 1.2 课题研究背景 |
| 1.3 双线性系统概述 |
| 1.3.1 双线性系统的数学模型 |
| 1.3.2 双线性系统的现状与前景 |
| 1.4 最优控制原理 |
| 1.4.1 最优化问题 |
| 1.4.2 最优化的目标函数 |
| 1.4.3 最优控制的理论研究 |
| 1.5 本文的主要研究内容 |
| 第2章 双线性系统的最优控制 |
| 2.1 双线性系统控制背景 |
| 2.2 一般受控系统的最优化问题 |
| 2.2.1 理论依据：微分约束 |
| 2.2.2 线性系统最优控制律设计 |
| 2.2.3 线性系统最优控制仿真实例 |
| 2.3 无限时域双线性系统的最优控制律设计 |
| 2.3.1 双线性系统问题描述 |
| 2.3.2 最优控制迭代算法 |
| 2.4 有限时域双线性系统近似迭代最优控制 |
| 2.5 序列收敛性证明 |
| 2.6 仿真实例 |
| 2.7 本章小结 |
| 第3章 受扰动双线性系统的近似最优控制 |
| 3.1 受一般扰动线性系统的最优化 |
| 3.1.1 受扰线性系统问题描述 |
| 3.1.2 问题优化 |
| 3.1.3 最优扰动抑制控制律设计 |
| 3.1.4 举例与仿真 |
| 3.2 受一般扰动双线性系统近似迭代最优控制 |
| 3.2.1 无限时域受扰双线性系统问题描述 |
| 3.2.2 迭代算法设计 |
| 3.2.3 时变受扰双线性系统问题描述 |
| 3.3 受正弦扰动双线性系统近似迭代最优控制 |
| 3.3.1 受正弦扰动双线性系统问题描述 |
| 3.3.2 正弦扰动抑制控制律设计算法 |
| 3.3.3 序列收敛性证明 |
| 3.4 系统仿真 |
| 3.5 本章小结 |
| 第4章 受扰动双线性系统的近似最优跟踪控制 |
| 4.1 线性系统的最优跟踪控制 |
| 4.1.1 受正弦扰线性系统问题描述 |
| 4.1.2 有限时域最优跟踪控制律设计 |
| 4.1.3 无限时域最优跟踪控制律设计 |
| 4.1.4 构造参考输入器 |
| 4.1.5 线性系统跟踪控制仿真 |
| 4.2 受扰动双线性系统的最优跟踪控制 |
| 4.2.1 近似迭代算法 |
| 4.2.2 算法步骤总结 |
| 4.3 受正弦扰动双线性系统的最优跟踪控制 |
| 4.3.1 问题描述 |
| 4.3.2 最优跟踪控制律设计 |
| 4.4 受扰动双线性系统最优跟踪仿真 |
| 4.5 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
四、动态规划确定化学反应器序列最小占用时间的方法（论文参考文献）
- [1]非高斯批次控制系统的性能评价算法及应用研究[D]. 马建飞. 太原理工大学, 2021(01)
- [2]铁路信号安全相关系统硬件安全完整性预计方法研究[D]. 张宏扬. 中国铁道科学研究院, 2021(01)
- [3]铜冶炼过程数据校正方法研究及应用[D]. 宋逍翰. 大连理工大学, 2019(02)
- [4]动态优化问题的网格精细划分策略研究[D]. 徐炜峰. 杭州电子科技大学, 2019(01)
- [5]智能驾驶车辆自评价学习控制方法研究[D]. 黄振华. 国防科技大学, 2017(02)
- [6]基于超声辅助技术的快速检测方法理论研究及应用[D]. 汪楷健. 北方工业大学, 2016(08)
- [7]PLS隐变量空间模型预测控制算法研究[D]. 池清华. 浙江大学, 2015(10)
- [8]基于故障的系统安全风险分析与评估方法研究[D]. 刘学敏. 国防科学技术大学, 2013(11)
- [9]基于扰动补偿的非线性系统最优控制方法及其应用研究[D]. 魏蕊. 青岛科技大学, 2012(06)
- [10]双线性系统近似最优控制方法的研究[D]. 杨佩佩. 青岛科技大学, 2010(04)