CN114093433B - 基于观测器的精馏过程单吨能耗预报精度评价方法及系统 - Google Patents
基于观测器的精馏过程单吨能耗预报精度评价方法及系统 Download PDFInfo
- Publication number
- CN114093433B CN114093433B CN202111437280.9A CN202111437280A CN114093433B CN 114093433 B CN114093433 B CN 114093433B CN 202111437280 A CN202111437280 A CN 202111437280A CN 114093433 B CN114093433 B CN 114093433B
- Authority
- CN
- China
- Prior art keywords
- energy consumption
- value
- ton
- observer
- rectification process
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/10—Analysis or design of chemical reactions, syntheses or processes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Analytical Chemistry (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Crystallography & Structural Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于观测器的精馏过程单吨能耗预报精度评价方法,包括建立精馏过程的状态空间模型,基于状态空间模型得到模型预测值,同时获取精馏过程的观测值;基于观测值和模型预测值确定状态估计手段,从而得到状态变量的估计值;根据状态变量的估计值,结合精馏过程机理,得到精馏过程单吨能耗预报值;利用预先确定的单吨能耗预报精度观测器对单吨能耗预报值进行评价,其中单吨能耗预报精度观测器基于预先求解得到的单吨能耗预报性能指标函数确定。本发明能够实时且灵敏的反应精馏过程单吨能耗预报精度,并且还可以适用于不同的精馏过程对象,还可以适用于不同的环境,使得观测到的性能结果可以跨越不同的精馏过程对象仍然具有实用性。
Description
技术领域
本发明涉及精馏过程单吨能耗预报精度评价技术领域,尤其是指一种基于观测器的精馏过程单吨能耗预报精度评价方法及系统。
背景技术
由于技术、经济及运行条件等诸多因素的限制,石化行业的精馏塔中存在大量过程变量反映着过程运行的关键特征,其决定着相关控制、监控策略的实施,对生产的安全性、经济性及智能化程度有着重要的影响。因此,利用状态估计在现有观测信息的基础上对此类变量进行重构,同时尽可能地滤除各类随机信号的干扰,精确可靠地获取系统状态的估计值是实现重大耗能设备节能减排的关键,不仅可有效减少工业的能耗,而且可以生产出更多的战略物资。近年来利用状态估计方法对精馏过程的单吨能耗进行预报,从而根据预报结果优化精馏过程,效果显著,但是对于单吨能耗预报的精度如何却不得而知。具体来说,状态估计方法适合于哪种工况,哪种环境;运用状态估计在不同过程或在同一过程不同环境下的工作性能如何。这些信息对于是否真正能实现单吨能耗的精准预报,从而实现节能减排至关重要。
综上,对精馏过程单吨能耗的预报精度进行评价具有重大意义。因此如何在不需要能耗真实值的情况下得到精馏过程单吨能耗的预报精度,是一个急需解决的问题。
发明内容
为此,本发明所要解决的技术问题在于克服现有技术存在的问题,提出一种基于观测器的精馏过程单吨能耗预报精度评价方法及系统,能够实时且灵敏的反应精馏过程单吨能耗的预报精度,并且还可以适用于不同的精馏过程对象,还可以适用于不同的环境,使得观测到的性能结果可以跨越不同的精馏过程对象仍然具有实用性。
为解决上述技术问题,本发明提供一种基于观测器的精馏过程单吨能耗预报精度评价方法,包括以下步骤:
建立精馏过程的状态空间模型,基于所述状态空间模型得到模型预测值,同时获取精馏过程的观测值;
基于所述观测值和模型预测值确定状态估计手段,从而得到状态变量的估计值;
根据状态变量的估计值,结合精馏过程机理,得到精馏过程单吨能耗预报值;
利用预先确定的单吨能耗预报精度观测器对所述单吨能耗预报值进行评价,其中所述单吨能耗预报精度观测器基于预先求解得到的单吨能耗预报性能指标函数确定。
在本发明的一个实施例中,所述建立精馏过程的状态空间模型的方式包括利用精馏过程机理进行建模或利用精馏过程数据进行建模。
在本发明的一个实施例中,所述模型的对象可以是对整个精馏过程进行建模,或者对精馏过程的具体部分进行建模。
在本发明的一个实施例中,基于所述观测值和模型预测值确定状态估计手段如下:
Pn -=AnPn-1An T+Qn-1,
Kn=Pn -Cn T(CnPn -Cn T+Rn)-1,
Pn=(I-KnCn)Pn -,
其中,n为时刻,为模型预测值,yn为观测值,为状态变量的估计值,Kn为状态估计增益,Qn-1为过程噪声协方差,Rn为观测噪声的协方差,Pn为真实值与最优估计值之间的协方差,为真实值与预测值之间的协方差。
在本发明的一个实施例中,根据所述状态估计手段,从而得到状态变量的估计值,根据状态变量的估计值,结合精馏过程机理,得到精馏过程单吨能耗预报值的方法包括:
根据所述状态估计手段和所述状态空间模型在某一时刻进行状态估计,得到状态估计增益以及当前时刻状态变量的估计值;
基于所述状态变量的估计值,结合精馏过程机理,获得单吨能耗预报值。
在本发明的一个实施例中,求解单吨能耗预报性能指标函数的方法包括:
在本发明的一个实施例中,基于单吨能耗预报性能指标函数确定单吨能耗预报精度观测器的方法包括:
此外,本发明还提供一种基于观测器的精馏过程单吨能耗预报精度评价系统,包括:
模型构建模块,所述模型构建模块用于建立精馏过程的状态空间模型,基于所述状态空间模型得到模型预测值,同时获取精馏过程的观测值;
状态变量估计模块,所述状态变量估计模块用于基于所述观测值和模型预测值确定状态估计手段,从而得到状态变量的估计值;
能耗预报值计算模块,所述能耗预报值计算模块用于根据状态变量的估计值,结合精馏过程机理,得到精馏过程单吨能耗预报值;
能耗预报值评价模块,所述能耗预报值评价模块用于利用预先确定的单吨能耗预报精度观测器对所述单吨能耗预报值进行评价,其中所述单吨能耗预报精度观测器基于预先求解得到的单吨能耗预报性能指标函数确定。
在本发明的一个实施例中,所述能耗预报值评价模块包括预报性能指标函数确定单元,所述预报性能指标函数确定单元用于求解单吨能耗预报性能指标函数,方法包括:
在本发明的一个实施例中,所述能耗预报值评价模块包括预报精度观测器确定单元,所述预报精度观测器确定单元用于基于单吨能耗预报性能指标函数确定单吨能耗预报精度观测器,方法包括:
本发明的上述技术方案相比现有技术具有以下优点:
1、本发明能够实时且灵敏的反应精馏过程单吨能耗预报精度。
2、本发明可以适用于不同的精馏过程对象,还可以适用于不同的环境,使得观测到的性能结果可以跨越不同的精馏过程对象仍然具有实用性,也使得观测到的单吨能耗预报精度结果对比具有了实际的意义。
附图说明
为了使本发明的内容更容易被清楚的理解,下面根据本发明的具体实施例并结合附图,对本发明作进一步详细的说明。
图1是本发明基于观测器的精馏过程单吨能耗预报精度评价方法的流程示意图。
图2是本发明单吨能耗预报精度观测器的观测结果图。
图3是本发明基于观测器的精馏过程单吨能耗预报精度评价系统的硬件结构示意图。
其中,附图标记说明如下:10、模型构建模块;20、状态变量估计模块;30、能耗预报值计算模块;40、能耗预报值评价模块。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明,以使本领域的技术人员可以更好地理解本发明并能予以实施,但所举实施例不作为对本发明的限定。
实施例一
请参阅图1所示,本实施例提供一种基于观测器的精馏过程单吨能耗预报精度评价方法,包括以下步骤:
S100;建立精馏过程的状态空间模型,基于所述状态空间模型得到模型预测值,同时获取精馏过程的观测值;
S200;基于所述观测值和模型预测值确定状态估计手段,从而得到状态变量的估计值;
S300;根据所述状态变量的估计值,结合精馏过程机理,得到精馏过程单吨能耗预报值;
S400;利用预先确定的单吨能耗预报精度观测器对所述单吨能耗预报值进行评价,其中所述单吨能耗预报精度观测器基于预先求解得到的单吨能耗预报性能指标函数确定。
本发明能够实时且灵敏的反应精馏过程单吨能耗预报精度,并且还可以适用于不同的精馏过程对象,还可以适用于不同的环境,使得观测到的性能结果可以跨越不同的精馏过程对象仍然具有实用性,也使得观测到的单吨能耗预报精度对比具有了实际的意义。
其中,上述建立精馏过程的状态空间模型的方式包括利用精馏过程机理进行建模或利用精馏过程数据进行建模。
其中,所述模型的对象可以是对整个精馏过程进行建模,或者对精馏过程的具体部分进行建模。
在步骤S100中,状态空间模型的建立可以包括:建立其它形式的模型(例如传递函数形式,脉冲响应函数形式),然后转换为状态空间模型形式;还可以包括:直接建立状态空间模型形式。最终得到如下形式的状态空间模型:
xn=Anxn-1+Enun+Bnwn, (1)
yn=Cnxn+vn, (2)
其中,n为时刻,wn和vn为精馏过程中存在的噪声且都为白噪声,wn为过程噪声,vn为观测噪声即传感器噪声,yn为观测值(传感器所测数据),xn为状态变量(例如温度、液位等和单吨能耗相关的变量或直接包含单吨能耗值),un为控制输入,An,Bn,Cn,和En为系统矩阵,在精馏过程中利用机理或者现场数据得到具体值。
在步骤S200中,基于所述观测值和模型预测值确定状态估计手段如下:
Pn=(I-KnCn)Pn -, (7)
其中,n为时刻。为模型预测值,yn为观测值,为状态变量的估计值,Kn为状态估计增益,Qn-1为过程噪声协方差,Rn为观测噪声的协方差,Pn为真实值与最优估计值之间的协方差,为真实值与预测值之间的协方差。
在步骤S300中,利用状态变量的估计值,结合精馏过程机理,得到精馏过程单吨能耗预报值的方法包括:
S310:根据所述状态估计手段和所述状态空间模型在某一时刻进行状态估计,得到状态估计增益以及当前时刻状态变量的估计值;
S320:基于所述状态变量的估计值,结合精馏过程机理,获得单吨能耗预报值,其计算公式为:
在步骤S400中,求解单吨能耗预报性能指标函数的方法包括:
S411:根据所述状态估计手段的结构特点和算法求解,状态估计目标函数为:
利用贝叶斯公式,公式(8)等价转换为:
S412:根据公式(1)和(2)且噪声假设为白噪声,则公式(10)中函数可以进一步转换为:
其中,M1为状态变量xn的维数,M2为观测变量yn的维数。
S413:将公式(11)代入到公式(10)中,得到精馏过程单吨能耗预报性能指标函数:
其中,N为初始时刻到当前时刻时长。
在步骤S400中,基于单吨能耗预报性能指标函数确定单吨能耗预报精度观测器的方法包括:
S421:建立观测精馏过程单吨能耗预报性能模型为:
其中,V~N(0,P)表示V服从0均值,以P为方差的高斯分布。和表示精馏过程实际值(真实值)。an、cn和为系统实际参数校正值,当这些值等于1时,表示建立模型(1)-(2)和实际模型(13)相同,没有误差。当an和值越远离1,则表示模型预测值精度越低,当cn和值越远离1,则表示观测值精度越低。
根据公式(12)和公式(14)设计精馏过程单吨能耗预报精度观测器Ln为:
其中,
S423:对公式(15)利用求导链式法则,得:
为了求解公式(17),计算
S424:当||δ||→0时,公式(18)进一步化简得到公式(19),
于是,利用公式(19)和欧拉公式得到公式(20)为
S425:将公式(20)结果代入公式(17),最终得到观测器Ln:
结合公式(21)和(22)得:
其中,
根据公式(23)计算结果,即可得到精馏过程单吨能耗预报精度观测器:
其中,Gn表示n时刻精馏过程单吨能耗预报精度,Ln i表示Ln T中第i维。即:
注意,Gn值的大小代表着能耗估计值远离真实值的程度,具体来说,当Gn的值越大,表示精馏过程单吨能耗预报精度越低;Gn的值越小,表示精馏过程单吨能耗预报精度越高,至此,观测器设计完成,观测结果Gn和单吨能耗预报精度结果如图2所示。
实施例二
请参阅图3所示,下面对本发明实施例二公开的一种基于观测器的精馏过程单吨能耗预报精度评价系统进行介绍,下文描述的一种基于观测器的精馏过程单吨能耗预报精度评价系统与上文描述的一种基于观测器的精馏过程单吨能耗预报精度评价方法可相互对应参照。
本发明实施例二公开了一种基于观测器的精馏过程单吨能耗预报精度评价系统,包括:
模型构建模块10,所述模型构建模块10用于建立精馏过程的状态空间模型,基于所述状态空间模型得到模型预测值,同时获取精馏过程的观测值;
状态变量估计模块20,所述状态变量估计模块20用于基于所述观测值和模型预测值确定状态估计手段,从而得到状态变量的估计值;
能耗预报值计算模块30,所述能耗预报值计算模块30用于根据状态变量的估计值,结合精馏过程机理,得到精馏过程单吨能耗预报值;
能耗预报值评价模块40,所述能耗预报值评价模块40用于利用预先确定的单吨能耗预报精度观测器对所述单吨能耗预报值进行评价,其中所述单吨能耗预报精度观测器基于预先求解得到的单吨能耗预报性能指标函数确定。
其中,所述能耗预报值评价模块40包括预报性能指标函数确定单元,所述预报性能指标函数确定单元用于求解单吨能耗预报性能指标函数,方法包括:
其中,所述能耗预报值评价模块40包括预报精度观测器确定单元,所述预报精度观测器确定单元用于基于单吨能耗预报性能指标函数确定单吨能耗预报精度观测器,方法包括:
本实施例的基于观测器的精馏过程单吨能耗预报精度评价系统用于实现前述的基于观测器的精馏过程单吨能耗预报精度评价方法,因此该系统的具体实施方式可见前文中的基于观测器的精馏过程单吨能耗预报精度评价方法的实施例部分,所以,其具体实施方式可以参照相应的各个部分实施例的描述,在此不再展开介绍。
另外,由于本实施例的基于观测器的精馏过程单吨能耗预报精度评价系统用于实现前述的精馏过程单吨能耗Kalman估计性能评价方法,因此其作用与上述方法的作用相对应,这里不再赘述。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,上述实施例仅仅是为清楚地说明所作的举例,并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (5)
1.一种基于观测器的精馏过程单吨能耗预报精度评价方法,其特征在于,包括以下步骤:
建立精馏过程的状态空间模型,基于所述状态空间模型得到模型预测值,同时获取精馏过程的观测值;
基于观测值和模型预测值确定状态估计手段,从而得到状态变量的估计值,其中基于观测值和模型预测值确定状态估计手段如下:
其中,An和Cn为系统矩阵,n为时刻,为模型预测值,yn为观测值,为状态变量的估计值,Kn为状态估计增益,Qn-1为过程噪声协方差,Rn为观测噪声的协方差,Pn为真实值与最优估计值之间的协方差,Pn -为真实值与预测值之间的协方差;
根据状态变量的估计值,结合精馏过程机理,得到精馏过程单吨能耗预报值;
利用预先确定的单吨能耗预报精度观测器对所述单吨能耗预报值进行评价,其中所述单吨能耗预报精度观测器基于预先求解得到的单吨能耗预报性能指标函数确定,求解单吨能耗预报性能指标函数的方法包括:
根据状态空间模型将等价转换后的状态估计目标函数进一步转换为:
其中,M1为状态变量xn的维数,M2为观测变量yn的维数;
将进一步转换后的公式代入等价转换后的公式,得到单吨能耗预报性能指标函数:
其中,N为初始时刻到当前时刻时长;
基于单吨能耗预报性能指标函数确定单吨能耗预报精度观测器的方法包括:
建立观测精馏过程单吨能耗预报性能模型为:
对单吨能耗预报精度观测器利用求导链式法则,得:
当||δ||→0时,将计算公式简化为:
2.根据权利要求1所述的基于观测器的精馏过程单吨能耗预报精度评价方法,其特征在于:所述建立精馏过程的状态空间模型的方式包括利用精馏过程机理进行建模或利用精馏过程数据进行建模。
3.根据权利要求2所述的基于观测器的精馏过程单吨能耗预报精度评价方法,其特征在于:所述模型的对象是对整个精馏过程进行建模,或者对精馏过程的具体部分进行建模。
4.根据权利要求1所述的基于观测器的精馏过程单吨能耗预报精度评价方法,其特征在于:根据状态变量的估计值,结合精馏过程机理,得到精馏过程单吨能耗预报值的方法包括:
根据所述状态估计手段和所述状态空间模型在某一时刻进行状态估计,得到状态估计增益以及当前时刻状态变量的估计值;
基于所述状态变量的估计值,结合精馏过程机理,获得单吨能耗预报值。
5.一种基于观测器的精馏过程单吨能耗预报精度评价系统,其特征在于,包括:
模型构建模块,所述模型构建模块用于建立精馏过程的状态空间模型,基于所述状态空间模型得到模型预测值,同时获取精馏过程的观测值;
状态变量估计模块,所述状态变量估计模块用于基于所述观测值和模型预测值确定状态估计手段,从而得到状态变量的估计值,其中基于观测值和模型预测值确定状态估计手段如下:
其中,An和Cn为系统矩阵,n为时刻,为模型预测值,yn为观测值,为状态变量的估计值,Kn为状态估计增益,Qn-1为过程噪声协方差,Rn为观测噪声的协方差,Pn为真实值与最优估计值之间的协方差,为真实值与预测值之间的协方差;
能耗预报值计算模块,所述能耗预报值计算模块用于根据状态变量的估计值,结合精馏过程机理,得到精馏过程单吨能耗预报值;
能耗预报值评价模块,所述能耗预报值评价模块用于利用预先确定的单吨能耗预报精度观测器对所述单吨能耗预报值进行评价,其中所述单吨能耗预报精度观测器基于预先求解得到的单吨能耗预报性能指标函数确定,所述能耗预报值评价模块包括预报性能指标函数确定单元,所述预报性能指标函数确定单元用于求解单吨能耗预报性能指标函数,方法包括:
根据状态空间模型将等价转换后的状态估计目标函数进一步转换为:
其中,M1为状态变量xn的维数,M2为观测变量yn的维数;
将进一步转换后的公式代入等价转换后的公式,得到单吨能耗预报性能指标函数:
其中,N为初始时刻到当前时刻时长;
所述能耗预报值评价模块包括预报精度观测器确定单元,所述预报精度观测器确定单元用于基于单吨能耗预报性能指标函数确定单吨能耗预报精度观测器,方法包括:
建立观测精馏过程单吨能耗预报性能模型为:
对单吨能耗预报精度观测器利用求导链式法则,得:
当||δ||→0时,将计算公式简化为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111437280.9A CN114093433B (zh) | 2021-11-29 | 2021-11-29 | 基于观测器的精馏过程单吨能耗预报精度评价方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111437280.9A CN114093433B (zh) | 2021-11-29 | 2021-11-29 | 基于观测器的精馏过程单吨能耗预报精度评价方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114093433A CN114093433A (zh) | 2022-02-25 |
CN114093433B true CN114093433B (zh) | 2022-05-13 |
Family
ID=80305731
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111437280.9A Active CN114093433B (zh) | 2021-11-29 | 2021-11-29 | 基于观测器的精馏过程单吨能耗预报精度评价方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114093433B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115169721B (zh) * | 2022-07-25 | 2023-07-04 | 江南大学 | 一种基于迁移辨识的精馏过程单吨能耗预测方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015219714A (ja) * | 2014-05-16 | 2015-12-07 | 日本電信電話株式会社 | 状態推定装置、方法、及びプログラム |
CN108958032A (zh) * | 2018-07-24 | 2018-12-07 | 湖南工业大学 | 一种非线性多智能体系统的总量协同一致控制方法 |
CN113370208A (zh) * | 2021-06-11 | 2021-09-10 | 长春工业大学 | 一种可重构机械臂子系统的控制方法及系统 |
-
2021
- 2021-11-29 CN CN202111437280.9A patent/CN114093433B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015219714A (ja) * | 2014-05-16 | 2015-12-07 | 日本電信電話株式会社 | 状態推定装置、方法、及びプログラム |
CN108958032A (zh) * | 2018-07-24 | 2018-12-07 | 湖南工业大学 | 一种非线性多智能体系统的总量协同一致控制方法 |
CN113370208A (zh) * | 2021-06-11 | 2021-09-10 | 长春工业大学 | 一种可重构机械臂子系统的控制方法及系统 |
Non-Patent Citations (3)
Title |
---|
一种基于数据驱动的无模型滑模预测控制;江浩等;《电光与控制》;20200531;第27卷(第05期);第30-35页 * |
水下纯方位目标跟踪中的观测器机动航路对定位精度影响分析;石章松;《电光与控制》;20090630;第16卷(第06期);第5-8+19页 * |
飞行仿真转台模糊神经网络补偿的复合控制;徐春梅等;《系统仿真学报》;20080131(第01期);第139-142页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114093433A (zh) | 2022-02-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5431178B2 (ja) | 発電所計測器性能監視予測方法 | |
CN110163429B (zh) | 一种基于相似日优化筛选的短期负荷预测方法 | |
CN105981025A (zh) | 基于序列递归滤波三维变分的实测海洋环境数据同化方法 | |
CN103324798B (zh) | 基于区间响应面模型的随机模型修正方法 | |
CA2477968A1 (en) | Method for assessing the integrity of a structure | |
CN112018758A (zh) | 基于数字孪生的含高比例新能源交直流混联系统建模方法 | |
CN114093433B (zh) | 基于观测器的精馏过程单吨能耗预报精度评价方法及系统 | |
CN111254243A (zh) | 一种高炉出铁过程堵铁口时间智能确定方法及系统 | |
Tsokanas et al. | Adaptive model predictive control for actuation dynamics compensation in real-time hybrid simulation | |
AU2018344386A1 (en) | Method for determining the geometry of a defect and for determining a load limit | |
CN112241832B (zh) | 一种产品质量分级评价标准设计方法及系统 | |
CN113093545A (zh) | 基于能量平衡的直线伺服系统热误差建模方法及补偿系统 | |
CN106067075B (zh) | 一种建筑用能负荷预测模型建立、负荷预测方法及其装置 | |
CN111859625A (zh) | 基于大数据的节能控制方法、装置及存储介质 | |
CN110909492A (zh) | 一种基于极端梯度提升算法的污水处理过程软测量方法 | |
CN110852415A (zh) | 基于神经网络算法的植被指数预测方法、系统及设备 | |
CN112184037B (zh) | 一种基于加权svdd的多模态过程故障检测方法 | |
CN113570147A (zh) | 一种薄壁件多工况加工误差快速预测方法及设备 | |
CN115022348B (zh) | 一种高端电池智能工厂云级架构数据存储方法 | |
Przystalka et al. | A concept of automatic tuning of longwall scraper conveyor model | |
WO2022064573A1 (ja) | 敵対的生成ネットワークを用いた生産条件生成システム、及びその生産条件生成方法並びに生産条件生成プログラム | |
Kovacs et al. | A Jackknife Variance-based Stopping Criterion for Adaptive Verification of Integrated Circuits | |
CN117710008B (zh) | 一种适用于喀斯特地区生态产品销售信息管理系统 | |
CN116468175A (zh) | 一种建筑能耗预测方法以及Seq-GRU深度学习模型 | |
CN117807403B (zh) | 基于行为克隆的转钢控制方法及装置、介质、计算机设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |