CN104950843B - 基于模型识别方法的流程工业厂级控制回路振荡源定位方法 - Google Patents
基于模型识别方法的流程工业厂级控制回路振荡源定位方法 Download PDFInfo
- Publication number
- CN104950843B CN104950843B CN201510234091.XA CN201510234091A CN104950843B CN 104950843 B CN104950843 B CN 104950843B CN 201510234091 A CN201510234091 A CN 201510234091A CN 104950843 B CN104950843 B CN 104950843B
- Authority
- CN
- China
- Prior art keywords
- loop
- checked
- collection
- control
- oscillation circuit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 67
- 230000010355 oscillation Effects 0.000 title claims abstract description 43
- 230000008569 process Effects 0.000 title claims abstract description 15
- 230000004807 localization Effects 0.000 title claims abstract description 9
- 238000001228 spectrum Methods 0.000 claims abstract description 9
- 239000011159 matrix material Substances 0.000 claims abstract description 8
- 238000013480 data collection Methods 0.000 claims abstract description 5
- 238000012880 independent component analysis Methods 0.000 claims abstract description 5
- 230000036961 partial effect Effects 0.000 claims description 6
- 239000002245 particle Substances 0.000 claims description 6
- 230000002068 genetic effect Effects 0.000 claims description 3
- 230000036039 immunity Effects 0.000 claims description 3
- 238000010845 search algorithm Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 2
- 230000001105 regulatory effect Effects 0.000 claims description 2
- 230000008901 benefit Effects 0.000 abstract description 2
- 238000004088 simulation Methods 0.000 description 10
- 239000000203 mixture Substances 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 229910000831 Steel Inorganic materials 0.000 description 2
- 239000004568 cement Substances 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003534 oscillatory effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- 101710082751 Carboxypeptidase S1 homolog A Proteins 0.000 description 1
- 102100023804 Coagulation factor VII Human genes 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000008713 feedback mechanism Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- -1 papermaking Substances 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Abstract
本发明公开了一种基于模型识别方法的流程工业厂级控制回路振荡源定位方法,包括如下步骤:针对多回路控制系统,构建一包含多个回路信号振荡的原始回路变量数据集;采用基于频域非负矩阵分解或频域独立成分分析方法处理所述原始回路变量数据集,提取出包含相同频谱基的一个或多个待检回路集;利用回路的控制器输出量和被控量分别对待检回路集中的每一个回路进行包含气动调节阀粘滞模型参数在内的广义被控对象模型辨识,获得对应每一个待检回路集中所有回路最优广义被控对象模型辨识结果所对应的最小拟合误差。本发明具有准确程度高的优点,能对厂级控制回路振荡源进行有效的定位。
Description
技术领域
本发明属于控制或调节系统领域,尤其是一种基于模型识别方法的流程工业厂级控制回路振荡源定位方法。
背景技术
由于现代过程工业日益复杂及控制器日常维护不足等方面的原因,电力、石油、化工、钢铁、造纸、水泥等工业过程普遍存在控制回路性能差的现象,国外有研究表明,工业过程中有1/3的控制回路处于振荡状态中。回路振荡是一种明显的控制性能退化的表现形式,有多种可能的原因会引起控制回路振荡:控制阀的非线性故障,如摩擦、死区、反冲及粘滞等现象;控制参数调整不适当,使得系统趋于不稳而引起振荡;来自外部振荡干扰和回路自身的反馈机制,这种情况通常在控制回路间有较强耦合关联的系统中见到,一个振荡源会通过耦合路径传递到其它回路中去;高度的非线性过程;在用的MPC控制器与对象模型不匹配。控制回路中振荡的存在将导致产品质量下降、能耗增加、设备磨损加快等一系列问题。尤其在现代企业规模日益扩大的情况下,控制回路数目成千上万,一旦由于某种异常因素(例如阀门出现了粘滞或外部扰动等)导致了在这样大的控制系统中的某一位置上发生了振荡,由于过程系统中的各个处理装置间存在着复杂的耦合,则这种出现在局部位置上的振荡将被快速传递扩散开来,产生所谓的“厂级控制回路振荡”现象。一旦“厂级控制回路振荡”出现,不但振荡的各种危害将被成倍的放大,而且还造成了原始的那个振荡源所在的控制回路被淹没在许许多多具有非常相似振荡特征的控制回路当中。也就是说,一旦“厂级控制回路振荡”出现,如果没有一种行之有效的定位厂级控制回路振荡源的方法,将导致“厂级控制回路振荡”现象将在一个相当长的时间内存在。显然,要消除“厂级控制回路振荡”所引起的这种严重危害,首先要找到其来源,然后对其定性,最后根据不同的原因采取相应的措施,加以解决。值得一提的是,发电机组等大型过程装置的运行过程常常伴随十分苛刻的生产条件或环境,如高温、高压,因而运行的安全性十分重要。
由此可见,定位厂级控制回路振荡源方法的研究对于电力、石油、化工、钢铁、造纸、水泥等工业过程的安全、稳定、高效地生产有十分重要的意义。因此,对于能够应用于实际过程对象的定位厂级控制回路振荡源的有效方法,其所具有的巨大的社会和经济效益将是不言而喻的。
目前,国内外有关厂级控制系统振荡源定位的方法主要有这样几种:SPCA方法、SICA方法、NMF方法、聚类方法(或称为:功率谱互相关分析法)、谱包络方法、基于转移熵的方法、基于互相关函数的方法、基于时域格兰杰因果性判断的方法等。我们通过仿真研究发现,上面这些方法都有一个共同的问题,就是对不同的仿真对象,它们的正确率都不太高。
发明内容
发明目的:提供一种基于模型识别方法的流程工业厂级控制回路振荡源定位方法,以解决现有技术存在的上述问题。
技术方案:一种基于模型识别方法的流程工业厂级控制回路振荡源定位方法,包括如下步骤:
步骤1、针对多回路控制系统,构建一包含多个回路信号振荡的原始回路变量数据集;
步骤2、采用基于频域非负矩阵分解或频域独立成分分析方法处理所述原始回路变量数据集,提取出包含相同频谱基的一个或多个待检回路集;每个待检回路变量数据集中包含若干控制回路的变量,每个变量对应一个控制回路,所述变量包括回路的偏差、被控量和控制器输出量;
步骤3、利用控制器输出量和被控量分别对待检回路集中的每一个回路进行包含气动调节阀粘滞模型参数在内的广义被控对象模型辨识,获得对应每一个待检回路集中所有回路最优广义被控对象模型辨识结果所对应的最小拟合误差;
将每一个待检回路集中所计算出的各个回路最小拟合误差按从小到大的次序进行排序,则每一个回路集的回路最小拟合误差排序列表中,排在第一位的最小拟合误差所对应的回路,就是该回路集所包含的各个回路变量中所存在振荡的源。
在进一步的实施例中,在步骤3中,对每个回路进行包含气动调节阀粘滞模型参数在内的广义被控对象模型辨识的过程进一步为:采用线性部分和非线性部分分别辨识,将粘滞特性作为Hammerstein的非线性部分。所述线性部分的辨识采用增广最小二乘法或其改进算法。粘滞模型参数的搜索方法为全局寻优算法、多起点自适应随机搜索算法或网格法,所述全局寻优算法包括遗传算法、粒子群算法、免疫粒子群算法或DIRECT算法。所述线性部分采用扩展ARMAX模型,将稳态的外部扰动项加入模型中;或将动态外部扰动项用EARMAX模型考虑进来,即加入外部扰动项序列。
有益效果:相比现有的各种厂级控制回路振荡源定位方法,本发明进行厂级控制回路振荡源定位的准确性有了很大程度的提高。因此,利用本发明对厂级控制回路振荡源进行有效的定位,为消除“厂级控制回路振荡”所引起的严重危害,提供了极大的便利。
附图说明
图1a至图1f是本发明实施例1的仿真结果示意图;图1a至图1f分别为控制回路的PV信号时域图、PV信号的频域图、总功率谱、两个振荡频率成分的强度因子分布图、0.0023Hz振荡频率成分的强度因子排序图、0.1Hz振荡频率成分的强度因子排序图;在实施例1中,控制回路2中的一阶惯性加延时对象中的开环放大系数K=0.51、T=50s。
图2a至图2f是本发明实施例2的仿真结果示意图;图2a至图2f分别为控制回路的PV信号时域图、PV信号的频域图、总功率谱、两个振荡频率成分的强度因子分布图、0.0023Hz振荡频率成分的强度因子排序图、0.1Hz振荡频率成分的强度因子排序图;在实施例2中,控制回路2中的一阶惯性加延时对象中的开环放大系数K=1.01、T=50s。
图3a至图3f是本发明实施例3的仿真结果示意图;图3a至图3f分别为控制回路的PV信号时域图、PV信号的频域图、总功率谱、两个振荡频率成分的强度因子分布图、0.0023Hz振荡频率成分的强度因子排序图、0.1Hz振荡频率成分的强度因子排序图;在实施例3中,控制回路2中的一阶惯性加延时对象中的开环放大系数K=1、T=20s。
具体实施方式
结合附图描述本发明的具体实施例。本方法进行流程工业厂级控制回路振荡源定位的基本原理如下:
首先,假设一个具有N个回路的多回路控制系统中,发生了多回路的振荡。也就是说,存在M个发生了回路信号振荡情况的回路。显然,M≤N。构建起一个仅仅包括了上述M个回路信号振荡的原始回路变量数据集A。数据集A中有M个由长度为S的采样数据序列所组成的元素。如果用矩阵AM×S来表示数据集A的话,则AM×S矩阵的维数为:M×S,即AM×S=[a1,a2,…,aM]T,其中ai(i=1,2,…,M)表示第i个回路的采样数据序列。
其次,对数据集A,结合基于频域非负矩阵分解(NMF)或频域独立成分分析(SICA)等方法进行数据处理,提取出包含相同频谱基的一个或多个待检回路集:P(1)、P(2)、······、P(i)、······、P(T)(这里,T:待检回路集的个数,其中T≥1,T≤M)。
每一个待检回路集中包含有若干个控制回路的变量。进行频域非负矩阵分解(NMF)或频域独立成分分析(SICA)等方法进行数据处理的回路变量可以是回路偏差(E=SP-PV)或被控量(PV),也可以是控制器的输出量(OP)。不管是那一种回路变量,每一个变量都对应一个控制回路。
设第i个待检回路集P(i)中回路的个数为Qi(这里,i的取值范围:1~T,Qi≥1,Qi≤M)。
最后,再利用OP和PV分别对待检回路集中的每一个回路进行包含气动调节阀粘滞模型参数在内的广义被控对象模型辨识(辨识可以这样进行:采用线性部分和非线性部分分别辨识的两阶段辨识思想及将粘滞特性作为Hammerstein非线性部分的模型辨识方法。
线性部分辨识可以采用增广最小二乘法及改进算法。既可以用扩展ARMAX模型,将稳态的外部扰动项加入模型中;也可以将动态外部扰动项用EARMAX模型考虑进来,即加入外部扰动项序列。
粘滞模型中的参数的搜索可以选择各种不同的全局寻优算法或网格法。全局寻优算法可以考虑这样几种方法:遗传算法GA、粒子群算法POS、免疫粒子群算法IPOS或DIRECT算法等。
为了加快搜索的速度,也可以考虑采用多起点自适应随机搜索算法等各种高效的算法)。
通过辨识,获得对应每一个待检回路集中所有回路最优广义被控对象模型辨识结果所对应的最小拟合误差。将每一个待检回路集中所计算出的各个回路最小拟合误差按从小到大的次序进行排序。则每一个回路集的回路最小拟合误差排序列表中,排在第一位的最小拟合误差所对应的回路,就是该回路集所包含的各个回路变量中所存在振荡的源。
经过上面三个步骤,就实现了厂级控制回路振荡源的定位。
下面用一个包含15个控制回路的仿真模型的仿真计算结果,对本发明中的厂级控制回路振荡源定位方法与基于频域非负矩阵分解(NMF)的厂级控制回路振荡源定位方法的定位效果进行对比。
仿真参数设置情况为:采用现有NMF方法,在仿真模型的回路2中设置了控制阀门粘滞故障(S=10,J=3),在仿真模型的回路7中设置了正弦干扰信号(幅度A=10,频率f=0.1)。对比控制回路2的一阶惯性加延时对象(first-order plus dead-time model,FOPDT)中的一阶惯性环节的增益和时间常数分别为:K=0.51、T=50s,K=1.01、T=50s,K=1、T=20s等3种情况下的回路振荡指数(强度因子SF),结果如图1、图2及图3所示。
从上面的图1、图2及图3可以看到,对应于控制回路2的粘滞所引起的振荡频率分别为0.0023Hz、0.0056Hz及0.0041Hz。但现有NMF方法所提出的控制回路振荡源定位规则,对应于K=0.51、T=50s,K=1.01、T=50s及K=1、T=20s三种情况的振荡源分别是:回路6、回路2及回路3。显然,在第1及第3这两种情况下的定位结果是错误的,而只有第2种情况下的定位结果是正确的。
如果用本发明的方法,计算过程及结果为:
如图1a至图1f所示,该实施例对应于K=0.51、T=50s,振荡频率0.0023Hz所对应的待检回路集中包括7个回路:6、3、1、2、4、5、11(注意:对于回路15等,由于其强度因子SF相对于前面选中的7个回路的强度因子SF来讲很小,故没有被选进待检回路集中)。将待检回路集中的每一个回路进行包含气动调节阀粘滞模型参数在内的广义被控对象模型辨识,获得对应待检回路集中所有回路最优广义被控对象模型辨识结果所对应的最小拟合误差分别为:0.021483(回路1)、0.0022489(回路2)、0.067623(回路3)、0.007645(回路4)、0.2751(回路5)、0.10295(回路6)、0.30012(回路11)。
将该待检回路集中所计算出的各个回路最小拟合误差按从小到大的次序进行排序,得到:0.0022489(回路2)、0.007645(回路4)、0.021483(回路1)、0.067623(回路3)、0.10295(回路6)、0.2751(回路5)、0.30012(回路11)。
按本发明的方法,则待检回路集中所有回路各自的最小拟合误差排序列表(按从小到大的次序进行排序)中,排在第一位的最小拟合误差(即:0.0022489)所对应的是回路2,就是该待检回路集所包含的各个回路变量当中所存在振荡的源头。这与实际情况一致,结果正确。
转到图2a至图2f,该实施例对应于K=1.01、T=50s,振荡频率0.0056Hz所对应的待检回路集中包括6个回路:2、4、1、3、6、5(注意:对于回路11等,由于其强度因子SF相对于前面选中的6个回路的强度因子SF来讲很小,故没有被选进待检回路集中)。将待检回路集中的每一个回路进行包含气动调节阀粘滞模型参数在内的广义被控对象模型辨识,获得对应待检回路集中所有回路最优广义被控对象模型辨识结果所对应的最小拟合误差分别为:0.010995(回路1)、0.001381(回路2)、0.0466(回路3)、0.0023386(回路4)、0.26592(回路5)、0.10053(回路6)。
将该待检回路集中所计算出的各个回路最小拟合误差按从小到大的次序进行排序,得到:0.001381(回路2)、0.0023386(回路4)、0.010995(回路1)、0.0466(回路3)、0.10053(回路6)、0.26592(回路5)。
按本发明的方法,则待检回路集中所有回路各自的最小拟合误差排序列表(按从小到大的次序进行排序)中,排在第一位的最小拟合误差(即:0.001381)所对应的是回路2,就是该待检回路集所包含的各个回路变量当中所存在振荡的源头。这与实际情况一致,结果正确。
最后描述图3a至3f,该实施例对应于K=1、T=20s,振荡频率0.0041Hz所对应的待检回路集中包括6个回路:4、2、1、5、3、6(注意:对于回路11等,由于其强度因子SF相对于前面选中的6个回路的强度因子SF来讲很小,故没有被选进待检回路集中)。将待检回路集中的每一个回路进行包含气动调节阀粘滞模型参数在内的广义被控对象模型辨识,获得对应待检回路集中所有回路最优广义被控对象模型辨识结果所对应的最小拟合误差分别为:0.014738(回路1)、0.0021997(回路2)、0.065214(回路3)、0.0032714(回路4)、0.27205(回路5)、0.13409(回路6)。
将该待检回路集中所计算出的各个回路最小拟合误差按从小到大的次序进行排序,得到:0.0021997(回路2)、0.0032714(回路4)、0.014738(回路1)、0.065214(回路3)、0.13409(回路6)、0.27205(回路5)。
按本发明的方法,则待检回路集中所有回路各自的最小拟合误差排序列表(按从小到大的次序进行排序)中,排在第一位的最小拟合误差(即:0.0021997)所对应的是回路2,就是该待检回路集所包含的各个回路变量当中所存在振荡的源头。这与实际情况一致,结果正确。
以上详细描述了本发明的优选实施方式,但是,本发明并不限于上述实施方式中的具体细节,在本发明的技术构思范围内,可以对本发明的技术方案进行多种等同变换,这些等同变换均属于本发明的保护范围。另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合。为了避免不必要的重复,本发明对各种可能的组合方式不再另行说明。此外,本发明的各种不同的实施方式之间也可以进行任意组合,只要其不违背本发明的思想,其同样应当视为本发明所公开的内容。
Claims (1)
1.一种基于模型识别方法的流程工业厂级控制回路振荡源定位方法,其特征在于,
包括如下步骤:
步骤1、针对多回路控制系统,构建一包含多个回路信号振荡的原始回路变量数据集;
步骤2、采用基于频域非负矩阵分解或频域独立成分分析方法处理所述原始回路变量数据集,提取出包含相同频谱基的一个或多个待检回路集;每个待检回路变量数据集中包含若干控制回路的变量,每个变量对应一个控制回路,所述变量包括回路的偏差、被控量和控制器输出量;
步骤3、利用控制器输出量和被控量分别对待检回路集中的每一个回路进行包含气动调节阀粘滞模型参数在内的广义被控对象模型辨识,获得对应每一个待检回路集中所有回路最优广义被控对象模型辨识结果所对应的最小拟合误差;
将每一个待检回路集中所计算出的各个回路最小拟合误差按从小到大的次序进行排序,则每一个回路集的回路最小拟合误差排序列表中,排在第一位的最小拟合误差所对应的回路,就是该待检回路集所包含的各个回路变量中所存在振荡的源;
在步骤3中,对每个回路进行包含气动调节阀粘滞模型参数在内的广义被控对象模型辨识的过程进一步为:采用线性部分和非线性部分分别辨识,将粘滞特性作为Hammerstein的非线性部分;
所述线性部分的辨识采用增广最小二乘法或其改进算法;
粘滞模型参数的搜索方法为全局寻优算法、多起点自适应随机搜索算法或网格法,所述全局寻优算法包括遗传算法、粒子群算法、免疫粒子群算法或DIRECT算法;
所述线性部分采用扩展ARMAX 模型,将稳态的外部扰动项加入模型中;或将动态外部扰动项用EARMAX模型考虑进来,即加入外部扰动项序列。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510234091.XA CN104950843B (zh) | 2015-05-08 | 2015-05-08 | 基于模型识别方法的流程工业厂级控制回路振荡源定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510234091.XA CN104950843B (zh) | 2015-05-08 | 2015-05-08 | 基于模型识别方法的流程工业厂级控制回路振荡源定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104950843A CN104950843A (zh) | 2015-09-30 |
CN104950843B true CN104950843B (zh) | 2017-08-25 |
Family
ID=54165564
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510234091.XA Expired - Fee Related CN104950843B (zh) | 2015-05-08 | 2015-05-08 | 基于模型识别方法的流程工业厂级控制回路振荡源定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104950843B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106655219A (zh) * | 2016-11-02 | 2017-05-10 | 南京南瑞集团公司 | 一种基于图论的低频振荡源定位方法 |
CN106647691B (zh) * | 2016-11-08 | 2022-04-15 | 浙江大学 | 一种工业过程多回路振荡提取与检测方法 |
CN106773693B (zh) * | 2016-12-21 | 2020-02-21 | 浙江大学 | 一种工业控制多回路振荡行为稀疏因果分析方法 |
CN106940429B (zh) * | 2017-02-24 | 2019-03-12 | 东南大学 | 基于发电机控制装置的低频振荡源定位及识别方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103760768A (zh) * | 2013-12-30 | 2014-04-30 | 广东电网公司电力科学研究院 | 基于正常运行数据的发电机组多变量系统辨识方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6466893B1 (en) * | 1997-09-29 | 2002-10-15 | Fisher Controls International, Inc. | Statistical determination of estimates of process control loop parameters |
CN102520708B (zh) * | 2011-10-16 | 2014-05-14 | 华东理工大学 | 一种新型过程工业多回路振荡的波动源定位方法 |
-
2015
- 2015-05-08 CN CN201510234091.XA patent/CN104950843B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103760768A (zh) * | 2013-12-30 | 2014-04-30 | 广东电网公司电力科学研究院 | 基于正常运行数据的发电机组多变量系统辨识方法 |
Non-Patent Citations (3)
Title |
---|
Learning the parts of objects by non-negative matrix factorization;Daniel D. Lee;《Nature》;19991021;第788-791页 * |
多回路振荡定位与传播分析;郜旭凯 等;《计算机与应用化学》;20120928;第29卷(第9期);第1135-1138页 * |
多控制回路振荡源诊断的软件平台的构建;徐益清 等;《工业控制计算机》;20150228;第28卷(第2期);第41-43页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104950843A (zh) | 2015-09-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104950843B (zh) | 基于模型识别方法的流程工业厂级控制回路振荡源定位方法 | |
CN105004498A (zh) | 一种水电机组的振动故障诊断方法 | |
CN104537415A (zh) | 一种基于压缩感知和dros-elm的非线性过程工业故障预测及识别方法 | |
Panchal et al. | PI control of level control system using PLC and LabVIEW based SCADA | |
CN104898649B (zh) | 流程工业的厂级控制回路振荡源定位方法 | |
Hui-Fang et al. | Neural network-based adaptive state-feedback control for high-order stochastic nonlinear systems | |
Zagirnyak et al. | Assessment of pipeline network leakage influence on dynamic characteristics of the pump complex | |
Tran et al. | Sliding mode control for a pneumatic servo system with friction compensation | |
Matsuo et al. | Detection and diagnosis of oscillations in process plants | |
CN103942602A (zh) | 一种汽轮发电机定子端部绕组固定结构方案综合评价方法 | |
Afzali et al. | Analysis of the periodic damping coefficient equation based on Floquet theory | |
CN111783252B (zh) | 一种基于残差网络的控制回路阀门粘滞检测方法 | |
Simonova et al. | Mathematical Simulation of Intelligent Control System of Metal Vacuum Sputtering Process on the Basis of Application of Multi-Agent System | |
CN103116106A (zh) | 一种电力系统自由振荡和强迫振荡的辨别方法 | |
Srinivasan et al. | A reliability measure for model based stiction detection approaches | |
Sivagurunathan et al. | Fuzzy logic based self tuning of PI controller for a non linear spherical tank system | |
Zhou et al. | Research on tool control system of double cutters experimental platform based on fuzzy neural network predictive control | |
Dai et al. | PSO based on chaotic map and its application to PID controller self-tuning | |
Gou et al. | Research and analysis of step intelligent model predictive control of generator excitation system based on the field of building installation | |
Wang et al. | PI tuning for processes with large dead time | |
Guo et al. | Rate-dependent modeling and control of GMA based on Hammerstein model with Preisach operator | |
Yuan et al. | Analysis of the Informative Data of Industrial Data-Based Modelling. | |
Elarafi et al. | Analysis of Control Valves Stiction Quantification Tool | |
Vijayan et al. | Soft computation for conical tank level control | |
Zoubaidi et al. | Modeling a New Approach to Quality 4.0 Using Deep Learning |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170825 |