CN106896725A - 聚乙烯质量指标系统的预测控制系统及方法 - Google Patents
聚乙烯质量指标系统的预测控制系统及方法 Download PDFInfo
- Publication number
- CN106896725A CN106896725A CN201710234453.4A CN201710234453A CN106896725A CN 106896725 A CN106896725 A CN 106896725A CN 201710234453 A CN201710234453 A CN 201710234453A CN 106896725 A CN106896725 A CN 106896725A
- Authority
- CN
- China
- Prior art keywords
- quality index
- polyethylene quality
- control
- polyethylene
- state
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明涉及一种聚乙烯质量指标系统的预测控制系统及方法,该方法包括以下步骤:利用Hammerstein模型建立系统的状态空间模型;利用反函数及多包描述的方法,对状态空间模型进行线性化处理;当有数据丢包时,发送触发信息到控制器;控制器提取出与此时数据丢包环境相对应的预测模型;利用优化性能指标函数在线求解含有一个自由控制作用的无穷时域优化问题得到未来一段时间的控制序列,并将第一个控制序列作用于被控对象;重复以上步骤。本发明采用实时优化的策略,当有数据丢包的情况时,网络化预测控制模块中的控制器可根据数据丢包的情况,提出与该丢包环境相对应的预测模型,以此来补偿由于数据丢包引起的控制偏差,解决了网络环境下的数据丢包问题。
Description
技术领域
本发明属于聚乙烯质量控制技术领域,具体涉及聚乙烯质量指标系统的预测控制系统及方法。
背景技术
以聚乙烯为代表的传统化工业是我国以信息化带动工业化,走新型工业化道路要重点改造升级的产业领域,而实现全生产过程的网络化控制是改造升级的主要方向之一。这种通过网络将分布于不同地理位置的传感器、控制器和执行器等设备连接起来的网络化控制系统,能够实现设备之间的资源共享且方便远程操作,是一种新型全分布式实时反馈的控制模式。但是,网络所固有的属性引起的数据丢包问题制约了网络化控制系统的普及、推广。数据丢包不仅会影响网络化控制系统的性能,严重的甚至会造成系统不稳定,给实际系统的安全运行带来隐患。因此,如何解决网络控制系统的数据丢包问题就成为学术界重点关注的热点之一。
在现有的众多方案中,预测控制是一种行之有效且得到广泛推崇的方法。预测控制是在石油、化工行业的生产实践过程中形成的一类计算机控制算法。据控制理论领域权威专家Morari的观点,预测控制可用于处理任何控制问题,尤其在高维、多变量系统,带物理约束系统,控制指标多变和/或设备(传感器/执行器)多故障系统,时滞系统等问题上有着独特优势。预测控制通常在当前时刻通过在线求解相应的优化问题得到未来一段时间的控制序列,但仅实施序列中的第一个控制作用,到下一时刻,利用对象实际输出的实时信息修正基于模型的预测,然后进行新的优化,以此来补偿由模型失配、干扰及设备故障等不确定性引起的控制偏差。由此可见,预测控制的优化过程始终建立在系统实际信息的基础上,这种策略可以实现实际意义上的最优控制。数据丢包问题实质上可以认为是系统的不确定性,因而采用预测控制来处理这类问题有着天然的优势。但是,当前在流程工业领域应用的常规预测控制方法无法处理传感器信号、控制器信号在网络环境下传输时必然会遇到的数据丢包等问题。如果将采用常规预测控制的工业过程直接置于网络化控制模式下,这必将对系统的控制品质造成不利影响,严重的甚至会对安全生产构成威胁。因此,在我国即将对以聚乙烯为代表的传统化工行业进行全面网络化控制改造升级这一背景下,需要提出一种能有效解决网络数据丢包问题的方法。
发明内容
有鉴于此,本发明的目的在于提供一种有效解决网络环境下的数据丢包问题,同时显著减少系统优化计算时间的聚乙烯质量指标系统的预测控制系统和方法。
为达到上述目的,本发明提供如下技术方案:
一种聚乙烯质量指标系统的预测控制方法,包括以下步骤:
(1)、利用Hammerstein模型建立聚乙烯质量指标系统的状态空间模型;
(2)、利用反函数及多包描述的方法,将步骤(1)中得到的状态空间模型进行线性化处理;
(3)、当检测到出现数据丢包时,对数据丢包情况进行判断并发送触发信息到控制器;控制器根据数据丢包的情况,提取出与此时数据丢包环境相对应的线性化后的聚乙烯质量指标系统的状态空间模型作为预测模型;
(4)、利用优化性能指标函数在线求解含有一个自由控制作用的无穷时域优化问题得到未来一段时间的控制序列,并将第一个控制序列作用于被控对象;
(5)、重复以上步骤。
优选的,在步骤(4)中,在某一采样时刻t=k,由优化性能指标函数来确定系统未来时域的一系列控制量,到下一时刻t=k+1,优化时段向前推移,并每次只执行当前时刻的最优控制作用;再通过反馈将实际输出与预测输出的偏离误差返回到系统中,对预测模型进行修正。
优选的,在步骤(1)中,聚乙烯质量指标系统的状态空间模型包括串联连接的非线性子系统与线性子系统,其中非线性子系统的输入为控制变量氢气和乙烯的比值及聚合单体和乙烯的比值,非线性子系统的输出为聚乙烯质量指标累计值,非线性子系统的输出也为线性子系统的输入,线性子系统的输出为聚乙烯质量指标的瞬时值。
优选的,步骤(1)中,聚乙烯质量指标系统的状态空间模型为:
x(k+1)=Ax(k)+Bv(k)
其中:v(k)为非线性输入;vL(k)为系统理想输入;x(k)代表系统的状态;A,B为系统矩阵;f表示非线性的映射关系;g为f的反函数,T为温度,[H2],[C2],[Cx]分别为氢气,乙烯和共聚单体的浓度,θi是速率常数比的前指因于,为非线性的多包表示形式。
优选的,步骤(2)中,经线性化处理后的聚乙烯质量指标系统的状态空间模型为:
其中:可以通过上述多包顶点的线性组合描述,则存在非负向量满足:
优选的,在对数据丢包情况进行判断时,定义只产生元素0或1的随机函数randomh,取rank={randomh1}为通信链路传感器-控制器数据丢包时刻的集合,tank={randomh2}为通信链路控制器-执行器数据丢包时刻的集合,其中元素1表示在当前时刻,数据传输成功,元素0则代表数据传输失败。
聚乙烯质量指标系统的预测控制系统,包括非线性处理模块、事件触发模块和网络化预测控制模块;
非线性化处理模块,用于将聚乙烯质量指标系统中的非线性输入近似转化为线性输入;
事件触发模块,用于判断数据丢包情况,并发送触发信息到网络化预测控制模块;
网络化预测控制模块,用于接收触发信息并在线更新预测模型,求解含有一个自由控制作用的优化问题,从而得到未来一段时间的控制序列,并将第一个控制序列作用于被控对象。
本发明的有益效果在于:
1、本发明采用实时优化的策略,当有数据丢包的情况时,网络化预测控制模块中的控制器可根据数据丢包的情况,提出与该丢包环境相对应的预测模型,以此来补偿由于数据丢包引起的控制偏差,从而有效的解决了网络环境下的数据丢包问题。
2、本发明采用反馈校正,利用反馈将预测模型的实际输出和预测输出的偏离误差再次返回到系统中,以实现对预测模型的滚动优化,提高系统控制的精确度。
3、本发明利用事件触发模块发送的触发信息到控制器来实现系统的优化计算,当没有出现数据丢包问题时,事件触发模块将不会发送触发信息到控制器,此时将不会执行优化计算,因此通过事件触发模块的设置,在保证系统控制性能的前提下,还能有效的减小系统优化计算的时间和在线计算量,提高系统的工作效率和资源利用率。
4、本发明通过反函数和多包描述的方法,将聚乙烯质量指标系统的状态空间模型进行近似线性化处理,将系统中的非线性子系统近似的转化为线性子系统,使得系统中非线性的程度大大降低,提高了整个系统控制的准确性。
5、本发明对传感器-控制器传输链路和控制器-执行器链路的数据丢包问题都进行了考虑,进一步提高了整个控制系统的准确性。
附图说明
为了使本发明的目的、技术方案和有益效果更加清楚,本发明提供如下附图进行说明:
图1为本发明聚乙烯质量指标系统的预测控制系统的结构框图。
具体实施方式
下面将结合附图,对本发明的优选实施例进行详细的描述。
如图1所示,聚乙烯质量指标系统的预测控制系统,包括非线性处理模块、事件触发模块和网络化预测控制模块,其中在非线性处理模块中,首先对聚乙烯质量指标系统的非线性输入函数取反函数,并采用多包描述的方法,将聚乙烯质量指标系统中的非线性输入近似转化为线性输入;事件触发模块用于发送触发信号到网络化预测控制模块,若事件触发模块发送信号给控制器,则系统执行优化计算,否则不执行,因此事件触发模块既能大幅度提高资源利用率,也能显著减少系统优化计算时间;网络化预测控制模块是一个循环优化的过程,首先根据数据丢包的统计规律,提出与网络数据丢包环境相对应的预测模型,再结合当前状态,通过求解含有一个自由控制作用的优化问题,从而得到未来一段时间的控制序列。
聚乙烯质量指标系统的预测控制方法,包括以下步骤:
第一步:建立模型
对聚乙烯聚合过程而言,熔融指数和密度为表征聚合物的分子量和共聚组成,在实际生产过程中,容易受到温度,气体比等因素的影响,具有强非线性,因此聚乙烯质量指标模型是由非线性子系统与线性子系统串联组成。其中非线性输入为控制变量氢气乙烯比值及聚合单体乙烯比值,非线性子系统输出为聚乙烯质量指标累计值,非线性子系统输出也为线性子系统输入,线性子系统输出为聚乙烯质量指标的瞬时值。因此,聚乙烯质量指标模型是典型的非线性Hammerstein模型,本实施例中将网络环境下的聚乙烯质量指标系统的控制问题转化为包含Hammerstein非线性的一系列子系统的鲁棒控制问题,假设系统中的非线性元素是动态的,线性关系是静态的,则聚乙烯质量指标系统的状态空间模型为:
x(k+1)=Ax(k)+Bv(k)
其中
其中,v(k)代表非线性输入;vL(k)为系统理想输入;x(k)代表系统的状态;A,B为系统矩阵;f表示非线性的映射关系;g为f的反函数,T为温度,[H2],[C2],[Cx]分别为氢气,乙烯和共聚单体的浓度,θi是速率常数比的前指因子,为非线性的多包表示形式。
第二步:线性化模型
利用多包描述的方法,将聚乙烯质量指标系统的非线性项以线性项的形式近似表示,故可利用线性系统的理论进行分析。在理想情况下此时可以将系统中的非线性项无误差地转化成线性项;然而在实际的计算过程中存在诸多误差不能保证但是即使非线性项不能完全消除,通过取反函数及多包描述的方法也可使非线性的程度大大降低,该方法对本文系统的线性化处理起到了关键性的作用。为方便后续研究,在此提出合理假设:
假设可以通过上述多包顶点的线性组合描述,则存在非负向量满足:
结合上述假设,可得更为具体的系统模型:
第三步:网络数据传输
由于网络拥塞造成的数据丢包时,会导致某些数据无法成功传输至相应的环节,造成数据无效。故需要先对数据丢包情况进行判断,首先定义只产生元素0或1的随机函数randomh,取rank={random h1}(共产生n个随机数0或1)为通信链路传感器-控制器数据丢包时刻的集合,其中元素1表示在当前时刻,数据经网络由传感器成功传送至控制器,元素0则代表数据传输失败。同理tank={randomh2}(共产生n个随机数0或1)为通信链路控制器-执行器数据丢包时刻的集合。
其次根据不同数据丢包情况采取不同的取值方法:在传感器一控制器链路中对系统状态的进行取值时,casel:如果t=k时对应rank集合中的元素为1,则取当前时刻t=k的状态;case2:若rank中对应元素为0,则取前一时刻t=k-1的状态值:case3:若t=k-1时rank中对应元素值仍为0,则取t=k-2的状态值,直至取值时刻对应的rank集合中的元素为1;控制器-执行器链路中系统状态的取值方法与传感器-控制器链路方法相同。
当对系统数据丢包情况判断完成后,结合网络技术,在网络数据丢包的情况下提出与之对应的系统状态方程。为方便后续研究,现做出如下定义和假设:
定义1.α={j1,j1,…}∈{0,1,2,3…}是传感器-控制器链路上成功传输数据的时刻集合;
β={i1,i2,…}∈{0,1,2,3…}是控制器-执行器链路上成功传输数据的时刻集合。
定义2.为系统有效数据时刻集合,有效数据指传感器-控制器,控制器-执行器两条通信链路均传输成功。
结合上述定义及假设,具体模型可归纳为:
其中,对于任意j>0,为非线性的多包表示形式;状态反馈控制律vL=Fx(jl)。
第四步:利用模型预测控制方法,得到具有丢包补偿功能的控制序列
模型预测控制是一种基于模型的计算机控制算法,其原理为根据被控对象的历史信息和未来输入预测系统的未来输出,主要包括三个方面:预测模型,滚动优化和反馈校正。该算法将当前时刻信息及性能指标作为初始条件,对控制增量在有限时域内进行优化,最后求解一个有限时域的开环最优问题。在下一个采样周期,重复上述步骤,求解新的优化控制序列。聚乙烯质量指标系统的预测模型如下:
为方便分析在网络传输中的不同情况,定义
z(k)=[x(k)T,x(k-1)T,…x(k-D2+1)T]T,
则需补偿的所有丢包过程可描述为:z(ξr+1)=Φ(ξr)z(ξr).
需要注意的是增广矩阵的形式随着不同的丢包情况而有不一样的取值,以下为两种不同的情况:
1.若t=1,只有当s=1时
否则
2.若t≠1,只有当s={1,t}时,
否则
优化性能指标函数如下:
其中:vL(k)是预测控制在k时刻的预测控制输入序列;W,P,R为加权矩阵。利用Schur引理,不等式(γ为性能指标的上界)可转化为如下矩阵不等式的形式,从而可借助MATLAB进行求解。
再采用滚动优化和反馈矫正的策略,即在某一采样时刻t=k,由最优性能指标函数来确定系统未来时域的一系列控制量,到下一时刻t=k+1,优化时段向前推移,并每次只执行当前时刻的最优控制作用;再通过反馈将实际输出与预测输出的偏离误差返回到系统中,对预测模型进行修正,具体实施步骤如下:
Step1:给定系统状态初值,将初值带入聚乙烯质量指标系统的表达式中,可通过迭代表达式得到下一时刻的状态值;
Step2:当t=k+1时,判断当前时刻的网络丢包情况。若集合rank中对应元素为1说明数据包传输成功,则取当前状态值;若此时rank中对应元素为0说明数据包传输失败,则取前一时刻的状态值;
Step3:定义决策变量,将相关参数带入优化性能函数及稳定性条件,优化求解可得出决策变量vL(k);
Step4:针对控制器一执行器链路的数据丢包情况,若该时刻tank=1说明数据包传输成功,则vL(k)=vL(k);若此时tank=0传输失败,则vL(k)=vL(k-1);
Step5:当前时刻的系统状态x(k),vL(k)均已知,利用系统表达式计算得出下一时刻的系统状态,并重复step2-step5。
最后说明的是,以上优选实施例仅用以说明本发明的技术方案而非限制,尽管通过上述优选实施例已经对本发明进行了详细的描述,但本领域技术人员应当理解,可以在形式上和细节上对其作出各种各样的改变,而不偏离本发明权利要求书所限定的范围。
Claims (8)
1.一种聚乙烯质量指标系统的预测控制方法,其特征在于:包括以下步骤:
(1)、利用Hammerstein模型建立聚乙烯质量指标系统的状态空间模型;
(2)、利用反函数及多包描述的方法,将步骤(1)中得到的状态空间模型进行线性化处理;
(3)、当检测到出现数据丢包时,对数据丢包情况进行判断并发送触发信息到控制器;控制器根据数据丢包的情况,提取出与此时数据丢包环境相对应的线性化后的聚乙烯质量指标系统的状态空间模型作为预测模型;
(4)、利用优化性能指标函数在线求解含有一个自由控制作用的无穷时域优化问题得到未米一段时间的控制序列,并将第一个控制序列作用于被控对象:
(5)、重复以上步骤。
2.根据权利要求1所述的聚乙烯质量指标系统的预测控制方法,其特征在于:在步骤(4)中,在某一采样时刻t=k,由优化性能指标函数来确定系统未来时域的一系列控制量,到下一时刻t=k+1,优化时段向前推移,并每次只执行当前时刻的最优控制作用;再通过反馈将实际输出与预测输出的偏离误差返回到系统中,对预测模型进行修正。
3.根据权利要求1所述的聚乙烯质量指标系统的预测控制方法,其特征在于:在步骤(1)中,聚乙烯质量指标系统的状态空间模型包括串联连接的非线性子系统与线性子系统,其中非线性子系统的输入为控制变量氢气和乙烯的比值及聚合单体和乙烯的比值,非线性子系统的输出为聚乙烯质量指标累计值,非线性子系统的输出也为线性子系统的输入,线性子系统的输出为聚乙烯质量指标的瞬时值。
4.根据权利要求2所述的聚乙烯质量指标系统的预测控制方法,其特征在于:在步骤(1)中,聚乙烯质量指标系统的状态空间模型包括串联连接的非线性子系统与线性子系统,其中非线性子系统的输入为控制变量氢气和乙烯的比值及聚合单体和乙烯的比值,非线性子系统的输出为聚乙烯质量指标累计值,非线性子系统的输出也为线性子系统的输入,线性子系统的输出为聚乙烯质量指标的瞬时值。
5.根据权利要求1至4任一所述的聚乙烯质量指标系统的预测控制方法,其特征在于:步骤(1)中,聚乙烯质量指标系统的状态空间模型为:
x(k+1)=Ax(k)+Bv(k)
其中:v(k)为非线性输入;vL(k)为系统理想输入;x(k)代表系统的状态;A,B为系统矩阵;f表示非线性的映射关系;g为f的反函数,T为温度,[H2],[C2],[Cx]分别为氢气,乙烯和共聚单体的浓度,θi是速率常数比的前指因子,为非线性的多包表示形式。
6.根据权利要求1至4任一所述的聚乙烯质量指标系统的预测控制方法,其特征在于:步骤(2)中,经线性化处理后的聚乙烯质量指标系统的状态空间模型为:
其中: 可以通过上述多包顶点的线性组合捕述,则存在非负向量满足:
7.根据权利要求1至4任一所述的聚乙烯质量指标系统的预测控制方法,其特征在于:在对数据丢包情况进行判断时,定义只产生元素0或1的随机函数randomh,取rank={randonh1}为通信链路传感器-控制器数据丢包时刻的集合,tank={randomh2}为通信链路控制器-执行器数据丢包时刻的集合,其中元素1表示在当前时刻,数据传输成功,元素0则代表数据传输失败。
8.聚乙烯质量指标系统的预测控制系统,其特征在于:包括非线性处理模块、事件触发模块和网络化预测控制模块;
非线性化处理模块,用于将聚乙烯质量指标系统中的非线性输入近似转化为线性输入;
事件触发模块,用于判断数据丢包情况,并发送触发信息到网络化预测控制模块;
网络化预测控制模块,用于接收触发信息并在线更新预测模型,求解含有一个自由控制作用的优化问题,从而得到未来一段时间的控制序列,并将第一个控制序列作用于被控对象。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710234453.4A CN106896725A (zh) | 2017-04-11 | 2017-04-11 | 聚乙烯质量指标系统的预测控制系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710234453.4A CN106896725A (zh) | 2017-04-11 | 2017-04-11 | 聚乙烯质量指标系统的预测控制系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106896725A true CN106896725A (zh) | 2017-06-27 |
Family
ID=59196917
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710234453.4A Pending CN106896725A (zh) | 2017-04-11 | 2017-04-11 | 聚乙烯质量指标系统的预测控制系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106896725A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109828597A (zh) * | 2019-03-02 | 2019-05-31 | 哈尔滨理工大学 | 一种基于事件触发的航天器姿态控制系统 |
CN111830826A (zh) * | 2020-05-29 | 2020-10-27 | 中国科学技术大学 | 一种网络化双模自适应时域模型控制方法及系统 |
CN114457868A (zh) * | 2022-02-22 | 2022-05-10 | 华侨大学 | 电动挖掘机远程遥控方法、装置、设备、系统及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103984311A (zh) * | 2014-05-13 | 2014-08-13 | 北京理工大学 | 网络化控制系统变采样预测控制器 |
CN106054617A (zh) * | 2016-08-15 | 2016-10-26 | 江南大学 | 网络控制系统前向通道随机时延的在线预测方法 |
-
2017
- 2017-04-11 CN CN201710234453.4A patent/CN106896725A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103984311A (zh) * | 2014-05-13 | 2014-08-13 | 北京理工大学 | 网络化控制系统变采样预测控制器 |
CN106054617A (zh) * | 2016-08-15 | 2016-10-26 | 江南大学 | 网络控制系统前向通道随机时延的在线预测方法 |
Non-Patent Citations (3)
Title |
---|
尹秀霞: "复杂网络化系统的事件触发控制研究", 《中国博士学位论文全文数据库》 * |
张锡平: "工业气相聚乙烯质量指标在线估计的研究与应用", 《中国优秀硕士学位论文全文数据库》 * |
陈勇: "网络控制系统的预测控制算法研究进展", 《电子科技大学学报》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109828597A (zh) * | 2019-03-02 | 2019-05-31 | 哈尔滨理工大学 | 一种基于事件触发的航天器姿态控制系统 |
CN111830826A (zh) * | 2020-05-29 | 2020-10-27 | 中国科学技术大学 | 一种网络化双模自适应时域模型控制方法及系统 |
CN111830826B (zh) * | 2020-05-29 | 2022-09-06 | 中国科学技术大学 | 一种网络化双模自适应时域模型控制方法及系统 |
CN114457868A (zh) * | 2022-02-22 | 2022-05-10 | 华侨大学 | 电动挖掘机远程遥控方法、装置、设备、系统及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Finite-time tracking control for stochastic nonlinear systems with full state constraints | |
Yuan et al. | Resilient strategy design for cyber-physical system under DoS attack over a multi-channel framework | |
CN106896725A (zh) | 聚乙烯质量指标系统的预测控制系统及方法 | |
Weng et al. | Data-driven robust output tracking control for gas collector pressure system of coke ovens | |
Lian et al. | Dynamic hybrid-triggered-based fuzzy control for nonlinear networks under multiple cyberattacks | |
Li et al. | Consensus of nonlinear second-order multi-agent systems with mixed time-delays and intermittent communications | |
Ullah et al. | Event-triggered dissipative observer-based control for delay dependent T–S fuzzy singular systems | |
CN105184400A (zh) | 一种烟田土壤水分预测方法 | |
Huang et al. | Optimal input filtering for networked iterative learning control systems with packet dropouts and channel noises in both sides | |
Lu et al. | Adaptive event‐triggered H∞ state estimation of semi‐Markovian jump neural networks with randomly occurred sensor nonlinearity | |
Li et al. | Constrained nonlinear model predictive control of pH value in wet flue gas desulfurization process | |
Jiang et al. | Distributed adaptive fixed-time synchronization for disturbed complex networks | |
CN104793489B (zh) | 一种基于收敛深度控制的嵌入式mpc控制方法 | |
CN103559541A (zh) | 一种大数据中面向乱序数据流的反向传播方法 | |
Gao et al. | LQ control for networked control systems with lossy links | |
Hu et al. | Application of fuzzy neural network in ship course control | |
Hu et al. | Sliding intermittent control for BAM neural networks with delays | |
Liu et al. | Guaranteed cost control for descriptor type-2 fuzzy systems with stochastic delay distribution | |
Veselý et al. | Novel approach to switched controller design for linear continuous‐time systems | |
CN116341363A (zh) | 一种多层土壤湿度反演方法 | |
Fan et al. | Reachable set control for nonlinear Markov jump cyber–physical systems with false data injection attacks | |
Zhou et al. | Piecewise adaptive sliding mode control for aeroengine networked control systems with resource constraints | |
Li et al. | H∞ Control Synthesis for Lurie Networked Control Systems with Multiple Delays Based on the Non‐Uniform Characteristic | |
Tang et al. | Output‐feedback H∞ control for IT‐2 T–S fuzzy system with hybrid attacks via switching‐like adaptive event‐triggered mechanism | |
Sun et al. | Adaptive fuzzy control for a class of nonlinear fractional-order systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170627 |
|
RJ01 | Rejection of invention patent application after publication |