程大帅
- 作品数：5 被引量：5H指数：1
- 供职机构：上海大学更多>>
- 发文基金：上海市科学技术委员会基础研究重点项目国家教育部博士点基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术化学工程更多>>
- 基于两层混合智能优化的批处理生产过程产品质量控制方法
- 本发明公开了一种基于两层混合智能优化的批处理生产过程产品质量控制方法。本方法通过对批次产品质量控制量进行优化控制可以保证批处理生产过程取得最大收益，涉及到工业中的批处理生产过程和智能算法以及传统数学计算方法。本方法首先根...
- 贾立程大帅施继平曹鲁明袁凯
- 文献传递
- 间歇生产过程的R调节学习控制被引量：1
- 2011年
- 针对间歇生产过程迭代学习控制难以进行跟踪性能分析的难题,本文提出一种变R调节迭代学习控制算法,借鉴经典控制理论定义有界跟踪和零跟踪概念.以此研究能够让系统输出误差达到零跟踪的迭代学习控制策略,并严格地证明了算法的性能,得出可以通过调节权值R使过程产品质量的误差收敛到与模型精度相关联的有界区域的结论,为相关理论结果实施于实际间歇过程提供了理论依据.
- 贾立施继平程大帅邱铭森
- 关键词：迭代学习
- 基于数据的间歇过程时变神经模糊模型研究被引量：3
- 2011年
- 间歇过程的优化控制往往依赖于过程精确的数学模型,快速反应的市场要求使得数据驱动的建模方法被应用到了间歇过程的建模中。但常规的数据驱动建模方法在模型结构中没有考虑间歇过程具有重复性的特性,只是简单地将间歇过程作为一般的非线性结构进行处理。针对该问题,本文提出一种新颖的间歇过程时变神经模糊模型,将时间轴和批次轴的信息统一在二维集成模型的框架下,对间歇过程的输入输出数据按照三维信息进行处理,使模型参数变为时间的函数,从而按照批次轴方向进行学习,合理地应用了间歇过程在批次轴方向上的重复性信息。因此,通过引入时变权重的概念,使模型结构中蕴含了间歇过程重复性的特性。在此基础上,提出一种基于迭代学习和Lyapunov方法的参数学习算法,避免了传统学习算法中学习参数采用试凑法的缺点,并对模型的收敛性进行了严格的数学分析,得出模型的学习参数在批次轴方向上渐进收敛的结论。最后,将本文提出的时变神经模糊模型应用到一典型间歇过程的建模研究中,与传统的神经模糊模型进行了对比,仿真研究表明,本文提出的时变神经模糊模型具有较好的非线性逼近和自学习能力,能够反应间歇过程的二维模型特性,为间歇过程的建模研究提供了一条新的途径。
- 贾立程大帅曹鲁明邱铭森
- 关键词：数据驱动
- 基于微粒群优化算法的间歇过程迭代学习被引量：1
- 2011年
- 在实际的间歇过程优化控制中面临着模型参数不确定性的问题,并且基于梯度的优化控制技术在处理具有多个局部极值的目标函数时,往往会陷入局部极值点。针对该问题,提出一种基于微粒群优化算法的间歇过程产品质量迭代学习策略。结合间歇过程产品质量控制问题的特点和各种约束条件,利用微粒群优化算法在非线性问题求解及大尺度空间搜索上的优势,来改变间歇过程鲁棒优化收缩控制变量的搜索域,并用迭代法以迭代方式消除误差,从而使优化性能指标渐次达到最优。在理论研究的基础上,提出的算法用于一类典型的间歇过程重点产品质量优化控制中,仿真结果表明产品终点质量能够充分逼近期望值,并且控制轨迹收敛,从而验证了算法的有效性和实用价值。
- 贾立程大帅施继平邱铭森
- 关键词：微粒群优化迭代学习
- 基于数据的间歇过程智能建模与优化控制研究
- 程大帅
- 关键词：神经模糊模型微粒群算法多目标
