用于CSTR温度控制的广义最小方差控制器设计方法

    公开(公告)号:CN113534663A

    公开(公告)日:2021-10-22

    申请号:CN202110799173.4

    申请日:2021-07-14

    Applicant: 江南大学

    Abstract: 本发明公开了用于CSTR温度控制的广义最小方差控制器设计方法,设计广义最小方差控制器的目标不仅要使CSTR出水管液体温度达到设定值,还要令操控变量与系统输出的方差足够小,确保系统的稳定性,所述广义最小方差控制器选取固定结构、只需调整参数的数值控制器C(ρ),ρ为控制器参数;所述方法包括如下步骤:步骤一:构建CSTR温度控制系统的闭环控制回路;步骤二:针对该温度控制系统设计广义最小方差控制器,并确定控制器下的所述广义系统输出φ对应的方差性能准则函数J(ρ);步骤三:求得准则函数J(ρ)的无偏梯度;并通过参数更新获取控制器参数ρ的最优值,选用此时的控制器参数ρ下的固定结构控制器作为CSTR温度控制系统的广义最小方差控制器。

    一种原油脱盐脱水过程的进料密度在线测量方法

    公开(公告)号:CN111238997B

    公开(公告)日:2021-07-27

    申请号:CN202010088086.3

    申请日:2020-02-12

    Applicant: 江南大学

    Abstract: 本发明提供了一种原油脱盐脱水过程的进料密度在线测量方法,属于流程工业生产加工领域。所述方法包括:历史光谱预处理、获取工况和进料密度信息、提取工况对应的模式、根据模式建立回归模型、实时采集光谱并预处理、判断模式估计进料密度。本发明利用深度学习技术对不同工况的数据进行多模式提取,再针对不同的模式进行相应的进料密度测量,由于多模式的进料密度测量蕴含了多个模式的信息,从而更能精确地捕捉原油的密度,以此保证原油脱盐脱水的合格率。

    基于贝叶斯学习的执行器故障估计方法

    公开(公告)号:CN111611718A

    公开(公告)日:2020-09-01

    申请号:CN202010462038.6

    申请日:2020-05-27

    Applicant: 江南大学

    Abstract: 本发明公开了一种基于贝叶斯学习的执行器故障估计方法,包括(1)基于随机走步模型对执行器故障建模;(2)基于变分贝叶斯理论,将系统状态变量和执行器故障信号的联合后验分布用两个相互独立的假设分布来表示;(3)在k-1时刻,预测出k时刻系统的状态和故障;在k时刻,依据贝叶斯理论对预测出的系统状态和系统故障进行迭代更新,输出k时刻系统状态的估计值和该估计值的方差,以及输出k时刻系统故障的估计值和该估计值的方差。该方法充分利用贝叶斯学习适用于在线估计的结构,通过对相互耦合变量的系统状态和故障信号进行解耦,给出一种针对随机系统下执行器故障信号的估计方法,能够很好地对执行器故障信号进行估计,弥补了现有方法在这一方向的缺失。

    连续搅拌反应器在未知时变测量噪声下的在线生产参数估计方法

    公开(公告)号:CN110957011A

    公开(公告)日:2020-04-03

    申请号:CN201911166643.2

    申请日:2019-11-25

    Applicant: 江南大学

    Inventor: 刘飞 李可 赵顺毅

    Abstract: 连续搅拌反应器在未知时变测量噪声下的在线生产参数估计方法,属于复杂过程状态估计与监测领域。首先建立反应器的非线性动态模型,用一组加权粒子来表示系统状态的概率密度,设定测量噪声协方差矩阵为对角阵,同时用逆伽马分布来分析其概率密度。具体步骤包括:先对逆伽马分布参数和系统状态进行预测,再对粒子权重以及逆伽马分布参数进行更新,然后经过重采样得到一组新的粒子及权重,最后得到过程状态估计值以及测量噪声协方差矩阵的估计值。本方法能够同时估计出系统测量噪声协方差矩阵以及反应器内的反应温度和产品浓度。测量噪声协方差矩阵的估计值使得系统状态的估计值更加精确,为反应过程的安全进行以及产品的生产质量提供有力保障。

Patent Agency Ranking