-
公开(公告)号：CN115309045B
公开(公告)日：2024-08-16
申请号：CN202210888939.0
申请日：2022-07-27
Applicant: 中南大学
IPC: G05B13/04
Abstract: 本发明公开了一种面向工业系统多工况学习的预测控制方法和系统，方法包括：获取工业系统当前工况下的稳定跟踪给定值序列R(t)，获取工业系统被控对象在最近时间以前的历史控制变量序列Up(t)和最近时间的历史控制输出序列Yp(t)；使用训练好的基于LSTM的预测模型，根据Up(t)和Yp(t)，预测被控对象在多个未来时刻的控制输出序列#imgabs0#根据#imgabs1#和R(t)，采用自适应梯度下降方法求解基于模型预测控制的滚动控制优化问题，获得预测被控对象在下一时间以后的控制变量序列U(t)。本发明可以精确预测不同工况下被控对象的输出，实现被控对象多工况下的精准控制，增强被控工业系统的稳定性。
-
公开(公告)号：CN115309045A
公开(公告)日：2022-11-08
申请号：CN202210888939.0
申请日：2022-07-27
Applicant: 中南大学
IPC: G05B13/04
Abstract: 本发明公开了一种面向工业系统多工况学习的预测控制方法和系统，方法包括：获取工业系统当前工况下的稳定跟踪给定值序列R(t)，获取工业系统被控对象在最近时间以前的历史控制变量序列Up(t)和最近时间的历史控制输出序列Yp(t)；使用训练好的基于LSTM的预测模型，根据Up(t)和Yp(t)，预测被控对象在多个未来时刻的控制输出序列根据和R(t)，采用自适应梯度下降方法求解基于模型预测控制的滚动控制优化问题，获得预测被控对象在下一时间以后的控制变量序列U(t)。本发明可以精确预测不同工况下被控对象的输出，实现被控对象多工况下的精准控制，增强被控工业系统的稳定性。
-
Patent Agency Ranking
公开(公告)号：CN113033683B
公开(公告)日：2022-05-06
申请号：CN202110350447.1
申请日：2021-03-31
Applicant: 中南大学
Abstract: 本发明公开了一种基于静态与动态联合分析的工业系统工况监测方法和系统，其方法为：针对一段稳定工况的工业过程数据序列，使用慢特征分析法提取样本的静态和动态特征；使用静态和动态特征分别训练初始的静态和动态SOM网络；利用静态和动态SOM网络权值和输入计算样本量化误差，计算当前工况的静态和动态控制限；在线获取工业过程数据，提取其静态和动态特征，分别计算与静态/动态SOM网络的量化误差，与静态和动态特征判别控制限比较，判断工业过程当前时间点是否发生工况变化，若变化，则利用新的数据训练新的静态与动态SOM网络，若未变化，则使用样本更新已有的SOM网络权值。本发明可以更真实准确地判断工业过程的工况变化时间点。
-
公开(公告)号：CN113033683A
公开(公告)日：2021-06-25
申请号：CN202110350447.1
申请日：2021-03-31
Applicant: 中南大学
Abstract: 本发明公开了一种基于静态与动态联合分析的工业系统工况监测方法和系统，其方法为：针对一段稳定工况的工业过程数据序列，使用慢特征分析法提取样本的静态和动态特征；使用静态和动态特征分别训练初始的静态和动态SOM网络；利用静态和动态SOM网络权值和输入计算样本量化误差，计算当前工况的静态和动态控制限；在线获取工业过程数据，提取其静态和动态特征，分别计算与静态/动态SOM网络的量化误差，与静态和动态特征判别控制限比较，判断工业过程当前时间点是否发生工况变化，若变化，则利用新的数据训练新的静态与动态SOM网络，若未变化，则使用样本更新已有的SOM网络权值。本发明可以更真实准确地判断工业过程的工况变化时间点。
-
公开(公告)号：CN111538759A
公开(公告)日：2020-08-14
申请号：CN202010311145.9
申请日：2020-04-20
Applicant: 中南大学
IPC: G06F16/2458 , G06F16/27 , G06F17/16 , G05B19/042
Abstract: 本发明公开了一种基于分布式字典学习的工业过程智能监测方法与系统，其方法包括：工业系统的各分布式节点均利用自身采集的数据建立本地字典；对所有分布节点的本地字典进行扩散加和处理，得到工业系统的全局字典；融合计算中心从工业系统获取若干数据作为训练样本，根据全局字典计算每个训练样本的重构误差，并采用核密度估计方法以根据所有训练样本的重构误差计算工业过程监测的控制限；融合计算中心在线获取待监测数据，根据全局字典计算待监测数据的重构误差，并将待监测数据的重构误差与控制限比较，根据比较结果判断工业系统是否异常。本发明通过分布式字典学习以减轻整合中心的负荷，提高计算效率，从而实现准确监测工业过程的运行状态。
-
公开(公告)号：CN111538759B
公开(公告)日：2023-09-12
申请号：CN202010311145.9
申请日：2020-04-20
Applicant: 中南大学
IPC: G06F16/2458 , G06F16/27 , G06F17/16 , G05B19/042
Abstract: 本发明公开了一种基于分布式字典学习的工业过程智能监测方法与系统，其方法包括：工业系统的各分布式节点均利用自身采集的数据建立本地字典；对所有分布节点的本地字典进行扩散加和处理，得到工业系统的全局字典；融合计算中心从工业系统获取若干数据作为训练样本，根据全局字典计算每个训练样本的重构误差，并采用核密度估计方法以根据所有训练样本的重构误差计算工业过程监测的控制限；融合计算中心在线获取待监测数据，根据全局字典计算待监测数据的重构误差，并将待监测数据的重构误差与控制限比较，根据比较结果判断工业系统是否异常。本发明通过分布式字典学习以减轻整合中心的负荷，提高计算效率，从而实现准确监测工业过程的运行状态。
-
公开(公告)号：CN116224872A
公开(公告)日：2023-06-06
申请号：CN202310216542.1
申请日：2023-03-08
Applicant: 中南大学
IPC: G05B19/042
Abstract: 本发明公开了一种针对多物理场耦合大规模工业系统的知识引入预测控制方法、预测控制器、设备及介质，方法包括：利用拓展收敛交叉映射算法获取多物理场耦合大规模工业系统的变量间影响关系；将获取到的变量间影响关系作为先验知识构建预测控制器中的预测器；再将预测器嵌入到预测控制器的损失函数中，建立知识引导的预测控制器；利用建立的预测控制器并根据多物理场耦合大规模工业系统的当前状态变量值，对多物理场耦合大规模工业系统进行预测控制。本发明通过提取系统中观测变量的影响关系，并将其作为先验知识融入到系统的预测模型中实现系统状态的准确控制。
-
-
-
-
-
-
Search Results
7
records
(took 0.014 seconds)
