非高斯工業(yè)過程隨機分布控制與優(yōu)化

第1章 緒論 1
1.1 引言 1
1.2 非高斯隨機分布系統(tǒng)及研究現(xiàn)狀 3
1.2.1 非高斯隨機分布系統(tǒng)描述 3
1.2.2 隨機分布控制理論研究現(xiàn)狀 6
1.3 隨機分布控制在復(fù)雜工業(yè)過程中的應(yīng)用研究進展 8
1.4 本書主要內(nèi)容 10
參考文獻 12
第2章 非高斯隨機分布控制基礎(chǔ) 18
2.1 引言 18
2.2 非高斯隨機分布系統(tǒng)建模機理 19
2.2.1 B樣條神經(jīng)網(wǎng)絡(luò) 19
2.2.2 B樣條模型建模機理 20
2.3 常見的B樣條模型 21
2.3.1 線性B樣條模型 21
2.3.2 平方根B樣條模型 22
2.3.3 有理B樣條模型 23
2.3.4 有理平方根B樣條模型 24
2.4 RBF樣條模型 25
2.5 基于樣條模型的隨機分布控制 25
參考文獻 26
第3章 基于幾何分析雙閉環(huán)迭代學習控制的非高斯工業(yè)過程隨機
分布控制 29
3.1 引言 29
3.2 基于雙閉環(huán)ILC的隨機分布控制策略 30
3.3 隨機分布系統(tǒng)輸出PDF建模 32
3.3.1 均方根PDF模型及權(quán)值計算 32
3.3.2 基于線性子空間的權(quán)值向量模型參數(shù)辨識 34
3.3.3 基于迭代學習機制的基函數(shù)參數(shù)更新 35
3.3.4 收斂性分析 36
3.4 基于幾何分析ILC的輸出PDF控制算法 37
3.5 仿真實驗 41
3.5.1 造紙制漿過程動態(tài)分析 42
3.5.2 輸出PDF建模效果 43
3.5.3 輸出PDF控制效果 45
3.6 本章小結(jié) 47
參考文獻 48
第4章 基于數(shù)據(jù)驅(qū)動預(yù)測PDF控制的非高斯工業(yè)過程隨機
分布控制 50
4.1 引言 50
4.2 基于數(shù)據(jù)驅(qū)動預(yù)測PDF控制的隨機分布控制策略 51
4.3 數(shù)據(jù)驅(qū)動預(yù)測PDF控制算法 54
4.3.1 基于RVFLN權(quán)值向量建模算法 54
4.3.2 預(yù)測PDF控制算法 55
4.4 穩(wěn)定性分析 58
4.5 仿真實驗 64
4.5.1 輸出PDF建模效果 64
4.5.2 輸出PDF控制效果 67
4.6 本章小結(jié) 69
參考文獻 70
第5章 基于多目標非線性預(yù)測控制的非高斯工業(yè)過程隨機
分布控制 73
5.1 引言 73
5.2 非高斯工業(yè)過程多目標非線性控制策略 74
5.3 動態(tài)混合指標建模算法 75
5.3.1 線性輸出PDF模型 75
5.3.2 基于RVFLN的動態(tài)混合建模算法 76
5.3.3 RBF基函數(shù)參數(shù)迭代整定算法 77
5.3.4 基于多目標非線性預(yù)測的隨機分布控制算法 78
5.4 穩(wěn)定性分析 81
5.5 仿真實驗 86
5.5.1 動態(tài)混合指標建模效果 86
5.5.2 多目標非線性優(yōu)化控制效果 88
5.6 本章小結(jié) 91
參考文獻 92
第6章 基于目標函數(shù)分布形狀的非高斯工業(yè)過程概率約束
隨機優(yōu)化 94
6.1 引言 94
6.2 非高斯工業(yè)過程隨機優(yōu)化問題描述 96
6.3 基于目標函數(shù)分布形狀的概率約束隨機優(yōu)化 98
6.3.1 目標函數(shù)分布形狀的核密度估計 98
6.3.2 基于目標函數(shù)分布形狀的概率約束隨機優(yōu)化 100
6.4 所提算法最優(yōu)解的充要條件 102
6.5 仿真實驗 103
6.5.1 高爐煉鐵工業(yè)工藝簡介 103
6.5.2 高爐煉鐵過程運行優(yōu)化 104
6.5.3 實驗結(jié)果分析 106
6.6 本章小結(jié) 110
參考文獻 110