☆☆☆☆☆
简体网页||繁体网页



点击这里下载

类似图书 点击查看全场最低价

---

内容简介

　　复杂工业过程具有多变量、变量间非线性和强耦合等特点，且受多种不确定因素干扰导致难以建模，针对这一问题，《智能科学技术著作丛书：基于组合式信号源的块结构模型辨识方法》从块结构模型中间变量不可测量的角度出发，分析块结构模型各串联模块在不同激励信号作用下的特性，系统地提出复杂工业过程块结构非线性动态模型描述和辨识的新方法，主要包括采用神经模糊技术的串联模块建模方法、全新智能分离算法和模块参数辨识算法、利用补偿技术的块结构非线性动态系统过程噪声建模方法等，并利用随机过程理论分析和比较所提方法的性能。
　　《智能科学技术著作丛书：基于组合式信号源的块结构模型辨识方法》可以作为自动控制专业研究生的教学参考书，同时对从事自动化系统研究、设计、开发和应用的广大科技工作者也具有一定的参考价值。

目录

《智能科学技术著作丛书》序
前言

第一部分 块结构模型
第1章 块结构模型概述
1．1 引言
1．2 静态非线性环节与动态线性环节的同步辨识法
1．2．1 过参数化法
1．2．2 子空间法
1．2．3 调制函数法
1．2．4 直接辨识法
1．3 静态非线性环节与动态线性环节的分步辨识法
1．3．1 迭代法
1．3．2 分离最小二乘法
1．3．3 多信号源法
1．3．4 盲辨识法
1．3．5 频域法
1．3．6 随机法
1．4 基于Hammerstein模型的控制系统设计
1．5 块结构模型研究中存在的关键问题
1．6 全书概况
参考文献

第二部分 基于二进制—随机复合信号源的块结构模型辨识方法
第2章 基于二进制—随机复合信号源的Hammerstein模型辨识方法
2．1 基于泰勒级数展开法的Hammerstein模型辨识
2．1．1 基于神经模糊的Hammerstein模型
2．1．2 基于神经模糊Hammerstein模型的辨识
2．1．3 实验结果
2．1．4 小结
2．2 基于Lyapunoy方法的Hammerstein模型辨识
2．2．1 神经模糊Hammerstein模型
2．2．2 神经模糊Hammerstein模型辨识
2．2．3 实验结果
2．2．4 小结
参考文献
第3章 基于二进制—随机复合信号源的Hammerstein-Wiener模型辨识方法
3．1 基于二进制—随机复合信号源的Hammerstein-Wiener模型
3．1．1 神经模糊Hammerstein-Wiener模型
3．1．2 神经模糊Hammerstein-Wiener模型各串联环节的分离
3．1．3 基于神经模糊Hammerstein-Wiener模型的控制系统
3．1．4 实验结果
3．1．5 小结
3．2 基于两阶段复合信号的Hammerstein-Wiener模型
3．2．1 基于两阶段复合信号的神经模糊Hammerstein-Wiener模型
3．2．2 实验结果
3．2．3 小结
参考文献
第4章 含过程噪声的块结构模型二进制一随机复合信号源辨识方法
4．1 基于辅助模型递推最小二乘法的Hammerstein模型
4．1．1 一类含过程噪声的Hammerstein模型
4．1．2 基于辅助模型递推最小二乘法的Hammerstein模型多信号源辨识方法
4．1．3 实验结果
4．1．4 小结
4．2 基于偏差补偿递推最小二乘法的Hammerstein-Wiener模型
4．2．1 一类含过程噪声的Hammerstein-Wiener模型
4．2．2 基于偏差补偿递推最小二乘法的Hammerstein-Wiener模型多信号源辨识方法
4．2．3 实验结果
4．2．4 小结
4．3 基于辅助模型多新息随机梯度法的Hammerstein模型
4．3．1 基于辅助模型多新息随机梯度法的Hammerstein模型多信号源辨识方法
4．3．2 实验结果
4．3．3 小结
参考文献

第三部分 基于可分离信号源的块结构模型辨识方法
第5章 基于可分离信号源的多输入多输出Hammerstein模型辨识方法
5．1 多输入多输出Hammerstein模型
5．2 基于可分离信号源的多输入多输出Hammerstein模型辨识
5．2．1 基于神经模糊的多输人多输出Hammerstein模型
5．2．2 基于可分离信号源的多输入多输出Hammerstein模型辨识
5．2．3 实验结果
5．2．4 小结
参考文献
第6章 含过程噪声的多输入多输出Hammerstein模型可分离信号源辨识方法
6．1 含过程噪声的多输人多输出Hammerstein模型辨识
6．1．1 含过程噪声的多输人多输出Hammerstein模型
6．1．2 含过程噪声的多输入多输出Hammerstein模型辨识
6．1．3 实验结果
6．1．4 小结
6．2 基于可分离信号的Hammerstein输出误差滑动平均系统辨识
6．2．1 Hammerstein输出误差滑动平均系统
6．2．2 神经模糊Hammerstein输出误差滑动平均系统辨识
6．2．3 实验结果
6．2．4 小结
参考文献
第7章 含过程噪声的Hammerstein-Wiener模型可分离信号源辨识方法
7．1 基于可分离信号的Hammerstein-Wiener模型辨识方法
7．1．1 神经模糊Hammerstein-Wiener模型
7．1．2 神经模糊Hammerstein-Wiener模型辨识方法
7．1．3 基于Hammerstein-Wiener模型的控制系统设计
7．1．4 实验结果
7．1．5 小结
7．2 基于递推广义增广最小二乘法的Hammerstein-Wiener模型可分离信号源辨识
7．2．1 噪声干扰下的FIR Hammerstein-Wiener模型
7．2．2 基于递推广义增广最小二乘法的Hammerstein-Wiener辨识
7．2．3 实验结果
7．2．4 小结
参考文献

前言/序言

　　长期以来，我国产业结构不合理，往往设备已经实现了国产化，而控制系统和优化策略仍然采用国外技术，造成工业行业“重设备、轻优化控制”的现象，普遍存在“有壳无脑”的局面。随着行业技术的发展，先进优化控制技术的重要性正逐步体现出来，已成为我国进一步实现节能增效和推进工业可持续发展的突破口。化工、炼油、冶金、轻工、建材和制药等过程工业是我国国民经济的重要支柱产业，要想在全球化的大趋势下始终保持强大的竞争力，必须加强先进优化和控制技术的研发与技术储备。
　　过程工业是通过物理变化和化学变化进行的生产过程，在新物质生成的同时伴随有能量的吸收与释放，是一个复杂的大工业系统，各生产装置之间存在着复杂的耦合和制约关系。各生产过程只有从实时性和整体性上全局协调，才能保证整个生产装置平稳、高效、安全的运行，这对工业过程的优化和控制提出了更高的要求。模型是现代工业过程先进优化和控制技术的基础。在工业过程生产装置中，由于原料特性变化较为频繁，参与过程实时控制的模型不仅要简单、准确，而且要具有较好的外推性和自适应性，能够正确反映过程的机理特性。这涉及过程对象的非线性、时变性、不确定性、强耦合和大时滞等内在复杂的机理问题，客观环境和人为因素。随着过程工业的大型化、综合化和复杂化，上述因素使得建模的难度越来越大。工业过程的建模应当从优化与控制的实际需求出发，突破传统的建模方法和辨识算法结构，以较为宽广的视野综合运用人工智能、现代统计理论、控制理论和优化技术等来有效地实现。
　　目前，在非线性动态建模方面，一类新颖的块结构非线性动态模型是其中的一个研究热点，它同时结合了动态线性模型和静态（无记忆）非线性函数模型，具有较易辨识、计算量少、能较好地反映过程特征的特点，适合作为过程控制模型使用。按其具体连接形式，可分为Hammerstein模型、Wiener模型、Hammerstein-Wiener模型和Wiener-Hammerstein模型。Hammerstein-Wiener模型（简称为N-L-N模型）包含Hammerstein模型和Wiener模型结构，比这两种模型中的任意一种都更接近实际工业过程中的非线性特性。这种模型能较好地描述工业设备和过程，如精馏塔、热交换器、连续搅拌反应釜（continuous stirred tank reactor，CSTR）、PTA生产中的浆料配置系统以及具有幂函数、死区、开关等特性的非线性过程。更为重要的是，可以利用模型的特殊结构把非线性控制问题简化为线性模型预测控制问题，解决了传统非线性控制方法计算量大、收敛性和稳定性不能得到保证等诸多问题，从而可以直接利用线性控制系统中的成熟理论，便于现场操作人员理解。因此，块结构模型是工业过程中最有效的模型之一，也是研究的热点。
　　虽然块结构模型为工业过程控制系统的设计带来了新的机遇，但级联模块的特殊结构也给模型辨识工作提出了新问题。首先，在实际工业生产过程中，中间变量的信息不可测量，这增加了各静态非线性模块和动态线性模块的辨识难度，不再是采用可测量输入输出数据建立被控过程数据库、知识库和规则库的简单问题。另外，实际的工业生产过程存在过程噪声，在块结构模型中过程噪声对输出的影响与输出非线性模块的增益有关：当增益大时，输出干扰大；当增益小时，输出干扰小，因此必须考虑和分析过程噪声对建模结果的影响。
　　上述因素致使块结构模型的设计和分析方法不同于传统的非线性动态建模方法。因此，迫切需要将线性系统和非线性系统辨识方法拓展到这类特殊结构的模型中，探究复杂工业过程块结构模型辨识的新理论和新方法，为提高复杂工业过程的先进优化和控制技术水平奠定理论与方法基础。
　　本书从块结构模型中间变量不可测量的角度出发，结合块结构模型辨识的基本过程和特点，分析块结构模型各串联模块在不同激励信号作用下的特性，以信号在某种特殊状态下激发出的性质为依据，研究和设计组合式多源激励信号，以解决块结构模型的可辨识性问题和各模块的参数估计分离问题。在此基础上，系统地研究和提出能够抑制干扰的块结构复杂非线性工业过程辨识的新方法，包括采用神经模糊技术的串联模块建模方法、全新智能分离算法和模块参数辨识算法、利用补偿技术的块结构非线性动态系统过程噪声建模方法等，并利用随机过程理论分析和比较所提方法的性能。
智能科学技术著作丛书：基于组合式信号源的块结构模型辨识方法 电子书 下载 mobi epub pdf txt

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

类似图书 点击查看全场最低价