陈建民[1]2014年在《基于数据驱动的控制与故障检测及其应用》文中研究说明太阳能发电技术的快速发展,为新能源取代传统石化类能源提供了条件。在光伏发电技术中,除了光伏电池组件的材料技术与生产工艺,光伏逆变器的控制技术也十分重要,控制器性能的好坏直接决定了光伏并网发电系统的稳定性、输出效率、安全性等性能。此外,根据太阳能发电系统的安全性要求,太阳能发电间歇性等特点,以及太阳能分布式发电的发展趋势,需要对太阳能发电系统的故障检测技术、分布式太阳能发电系统控制技术进行研究,以保证太阳能并网发电系统的稳定,设备的安全,以及在分布式发电中,光伏发电渗透率较高时电网的稳定和优化。对于太阳能发电系统这样的复杂系统来说,传统的基于模型的方法需要通过繁琐耗时的建模过程来得到数学模型。针对这样的缺点,伴随着计算机技术和数字控制技术的发展,控制领域出现了一类基于数据驱动的控制器设计方法,通过采用输入输出数据直接设计控制器,这一类方法具有理论上独特的优势和应用价值。本文围绕基于数据驱动的子空间预测方法进行理论研究,设计数据驱动的控制和故障检测方法,并以太阳能发电系统为应用目标,分析了太阳能并网逆变器的原理,分类和结构,明确了并网逆变控制系统的性能要求和实际中存在的一些难题,并针对这些问题采用数据驱动的方法来予以解决。本文的主要工作包括：在子空间辨识方法的基础上对基于子空间方法的预测控制进行研究。从离线的输入输出数据直接得到子空间预测方程,并在此基础上设计控制器。在数据驱动子空间预测控制方法的基础上,结合H∞混合灵敏度控制的框架,针对太阳能并网逆变系统中输出电流受外界干扰如电网阻抗变化影响的问题,为了满足逆变输出电流控制中对跟踪性能和鲁棒性的要求,提出了一种基于数据驱动的H∞混合灵敏度控制算法,通过在太阳能并网逆变器中的仿真应用,验证了这种数据驱动子空间预测控制的有效性及其在太阳能发电系统中的适用性。通过与传统PI控制器和LQG控制器的对比仿真验证,所设计的控制器能够很好地抑制逆变器并网运行过程中电网阻抗变化特别是感性变化的干扰,证明了控制器的鲁棒性。论文对太阳能并网的分布式发电形式进行研究,分析当一个局部的微电网中含有多个分布式太阳能发电单元的情况时,光伏发电的间歇性等特性给微电网的功率调节以及稳定性带来的威胁。设计一个两层的控制结构,上层采用分布式协同控制让所有的光伏发电单元在通讯条件下按照相同的功率输出比率来发电,并为每个光伏单元给定参考电流；下层针对多个光伏逆变器运行时逆变器之间的相互作用给控制带来的困难,利用子空间预测控制方法对于处理多输入多输出控制系统方面的优势,设计了数据驱动子空间方法的分布式控制方法。最后通过数字仿真和SimPowerSystems仿真进行验证。在子空间预测器的基础上,本文还设计了一种数据驱动的故障检测方法,保证并网发电系统的安全,避免太阳能并网逆变器的故障对用电设备造成的损坏和对电网稳定性构成的威胁。利用子空间预测器对输出电流的预测,根据预测信号与实际电流的差值,通过自适应故障检测滤波器来得到残差信号以指示故障是否发生。并设计了利用在线数据更新故障检测滤波器的快速算法。通过仿真实验对常见三种故障的进行检测,验证了方法的有效性。
吴亚锋[2]2000年在《子空间系统辨识方法及其在复杂结构中的应用》文中提出本文基于基本的状态空间子空间系统辨识（4SID）理论和算法，对子空间辨识算法的特性，适用性及其在复杂结构系统中的应用进行研究。具体内容如下： 系统地总结了子空间辨识方法的基本理论及算法。基于实现理论讨论了线性系统的随机特性及其子空间结构。概括了子空间辨识算法的三个主要运算步骤：首先由LQ分解计算特定Hankel矩阵的行空间投影；再对该投影进行SVD，获取系统的可观测矩阵及状态序列的Kalman滤波器估计；最后由可观测矩阵和／或估计的状态序列确定系统矩阵。 构建了子空间辨识算法的统一理论框架。通过对不同子空间算法相似性的分析、比较，说明了已有的各种子空间算法都是一个统一理论下的特例；不同的算法均采用了完全相同的子空间来确定系统的阶次和广义可观测矩阵，其差异仅在于计算观测矩阵列空间基的加权矩阵有所不同。 研究了闭环系统的子空间辨识算法。基于闭环子空间投影和辨识理论，仿照开环子空间辨识算法，推导了两种直接从输入输出数据应用状态序列和／或观测矩阵获取系统矩阵的闭环辨识算法。通过一个仿真算例，比较了这两种闭环算法和开环算法在闭环系统中的应用特性。 提出了一种适用于多数据组子空间辨识算法。通过理论分析和数学推导，将前述用于单个数据组的算法改造成一种极具工程实用价值的新算法。该算法的特点是允许处理在同一系统上、不同初始条件下获取的多组试验数据，并可取得良好的辨识结果。两个仿真算例分别用于说明该算法的适用性和正确性。 基于上述研究，将单数据组和多数据组子空间辨识方法应用于二个复杂结构中—航空发动机的数学建模和桁架结构缩型铁塔的模态参数辨识，取得了满意的结果。同时也进一步表明了子空间辨识算法使用简单，数值稳定，尤其适用于高阶多变量复杂系统的辨识。
杜丽媛[3]2012年在《无模型子空间控制及其在光伏并网逆变器的应用》文中研究指明逆变系统作为整个太阳能并网发电系统中的核心,是输出较高电能质量的保证。目前大多数逆变器控制算法都是建立在模型的基础上,为了避免复杂耗时的建模中间过程,本文研究了基于子空间的无模型预测控制,并将子空间的LQG控制推广到H∞鲁棒控制中,最后成功的应用到了三相并网逆变系统的控制器设计中。首先对子空间方法和太阳能发电产业的现状及发展进行了阐述,综合分析了逆变器的控制算法,并通过对太阳能系统的研究,设计了三相并网逆变系统。接着对子空间预测控制方法及基于子空间的LQG控制进行了详细的研究。现实中动态系统的结构和特性比较复杂,很难通过传统的机理建模得到数学模型,因此子空间预测控制结合子空间辨识方法和模型预测控制的优点,直接利用过去输入输出数据得到将来输出预测值,并将预测器矩阵作为控制器的参数,避免了繁琐的建模过程。然后针对LQG控制器设计时只考虑了单一的功率谱为1的白噪声干扰,提出了一种新型的基于子空间的混合灵敏度H∞控制,结合子空间预测控制,将LQG的二次型性能指标推广到H∞范数指标中,将干扰信号的不确定性考虑在其中。该控制方法通过输出输入数据直接构造子空间预测器,然后只要进行简单的矩阵运算就得到了H∞性能指标,不再需要求解复杂的Riccatti方程或线性矩阵不等式,降低了模型的阶次和测量数据中噪声的影响,大大简化了设计过程。最后利用Matlab/Simulink中SimPowerSystems工具箱来建立了光伏并网逆变器的模型。子空间无模型控制不仅可以大大的减小计算复杂度,并且可以达到很好的控制效果,因此将基于子空间的LQG控制和H∞控制分别应用到三相并网逆变器的控制中。仿真结果显示,将子空间预测控制应用到并网逆变控制是可行的,逆变器输出电流符合并网标准,并具有良好的动态性能和鲁棒性。
杨春[4]2013年在《基于子空间方法的系统辨识在回转窑窑温建模中的应用研究》文中研究表明对于复杂多变量工业过程，如何建立其合适的数学模型一直是控制领域研究的一个难题。子空间辨识方法作为系统辨识研究的一个新的领域，自上世纪九十年代开始研究以来受到学术界和工程界的广泛关注。相比于传统的系统辨识方法，它有着许多的优点，也更适合用于复杂的多变量系统。回转窑烧结是一种典型的复杂热工过程，具有多变量、大延迟、非线性等特点。由于该过程建模困难，先进的控制技术不能很好的应用于它的生产过程中，生产的自动化水平不高，影响了生产效率和节能减排。本文从子空间辨识的基本理论出发，结合回转窑建模的需要进行子空间辨识方法的应用研究。论文的主要内容包括：全面的概述了子空间辨识方法的基本理论和基本算法。包括系统状态空间描述及数据矩阵的构成，子空间辨识的空间投影理论等分析工具，经典的子空间辨识算法以和子空间辨识算法的基本步骤。目前大多数子空间辨识方法都是针对开环系统，考虑对闭环系统回转窑的窑温建模需要，在经典辨识方法的基础上，研究了一种基于主成分分析的子空间辨识方法，同时引入不同于经典子空间辨识的模型阶次的判断方法AIC准则,最后通过实例证明其有效性。将经典子空间辨识方法和基于主成分分析的子空间辨识方法分别应用于回转窑烧结过程建模。针对回转窑烧结过程特点，从采集自现场的多变量的数据中选出相应的输入输出量，设计了数据预处理和建模的框架，通过上述辨识算法实现了对烧结模型参数的辨识。基于现场数据的最后仿真结果表明：本文方法可直接利用现场热工数据有效辨识出窑内主要温度参数，具有较好实用价值。
黄宇[5]2012年在《基于量子计算的热工过程辨识研究及应用》文中研究表明人们在认识和改造客观世界的过程中,总存在一些难以用现有的知识去定量描述的系统,系统辨识就是根据测量系统产生的各种信号去构造系统的模型,它是联系现实和数学模型的纽带。在优化计算方面,量子计算相比于经典优化计算,在某些方面可能拥有后者无法比拟的优势。本文利用量子计算与量子优化的方法对热工过程进行了辨识,分别从线性单入单出系统传递函数模型的辨识、多变量子空间模型辨识和非线性神经网络模型辨识等三个方面进行了研究。主要创新成果有：(1)针对量子粒子群算法(QPSO)的收敛速度和寻优精度问题,提出了一种改进的QPSO算法。首先,采用混沌序列初始化粒子的初始角位置；其次,在算法中加入变异处理,有效地增加了种群的多样性,避免早熟收敛。函数优化测试结果表明：本文提出的算法具有良好的优化效果。同时利用本文提出的算法对经典的具典型意义的传递函数族模型进行了辨识,辨识结果证明了这种算法的有效性。利用此算法,在结合某DCS的基础上,编制出了一种通用的热工对象模型辨识算法模块,并应用于某循环流化床电厂的辨识,取得了令人满意的辨识结果。(2)用实例证明了状态子空间辨识方法是一种有差辨识方法。为了获得辨识参数的一致无偏估计,在经典状态子空间辨识的基础上,提出了基于优化算法的两段辨识方法.。首先利用经典状态子空间辨识获取被辨识对象的初始信息,然后利用改进的量子粒子群算法对其进行优化,通过实例验证了本文所提出算法的有效性。最后对某电厂协调控制系统的数据进行辨识。辨识的结果表明：本文所提出的方法可以适用于工业过程多变量系统的辨识,且具有良好的辨识精度。(3)量子遗传算法是基于量子计算原理的概率优化方法,在量子门更新过程中,旋转角的大小直接影响优化的结果和进化的速度。本文针对模糊量子遗传算法(FQGA)容易导致系统陷入局部最优的缺点,将量子衍生交叉算法的思想引入FQGA,提出了一种新的量子遗传算法。同时利用该方法构造径向基函数神经网络并进行非线性系统的辨识。其特点是通过这种新的量子遗传算法实现对RBF神经网络权值、宽度和中心位置等有关参数的估计,其速度快、精度高,从而通过RBF神经网络有效地完成了对非线性系统的辨识。对典型非线性函数辨识的测试表明：该方法有效的提高了量子遗传算法的计算精度和收敛速度。同时利用这种方法设计了一种通用的热上对象模型辨识神经网络算法,并编制了专用的模型识别软件,对某电厂循环流化床锅炉一次风对床温的动态特性进行辨识,结果表明该方法是一种精度比较高的辨算法,具有一定的实用价值。
李洋[6]2015年在《基于软计算的案例推理及其在转炉炼钢过程中的应用研究》文中进行了进一步梳理转炉炼钢是钢铁工业的重要生产方法之一,也是我国最主要的炼钢生产方法。研究转炉炼钢的生产过程建模和控制问题,对提高生产效率,节约能源有着十分重要的意义。但是由于炼钢过程复杂,很多反应机理尚不明确或者难以精确描述,现有的方法很难满足精度要求。随着自动化技术和计算机技术的不断发展,转炉炼钢生产的自动化水平得到了不断提高。其中案例推理方法是控制转炉炼钢自动化生产的重要技术之一,但在实际的转炉炼钢问题中,存在着数据量大、不确定性等一些问题。因此,需要研究更适合于转炉炼钢生产过程建模的案例推理方法,以满足转炉炼钢生产对模型的实际需求。软计算是一类能够有效处理不确定或不精确问题的计算方法,有助于解决转炉炼钢的实际问题。本文将软计算技术结合到案例推理的案例描述、案例检索、案例调整和案例重用等过程中,以提高模型的精度和性能,并用于解决转炉炼钢生产中吹氧量计算,终点碳含量和温度预报等问题。本文主要包括以下内容：(1)在案例描述方面,提出基于互信息、粗糙集的属性约简方法和模糊的属性描述方法。首先,使用互信息和条件互信息对案例的条件属性进行选择,在选择相对重要的属性同时,尽量减少条件属性中的冗余信息；之后,对确定的条件属性进行模糊化表达；进一步,针对模糊化后引起的维数增长问题,引入粗糙集约简技术,提取规则并生成案例,实现对案例结构和数量的简约。对于所提案例描述过程,使用公用UCI数据验证所提方法的有效性,并进一步用于对转炉炼钢两阶段吹氧量的计算,以提高吹氧量模型的计算精度。(2)在案例检索方面,提出基于模糊C均值和储备池神经网络的案例检索方法。针对案例库规模较大时,造成的案例检索效率和精度降低问题,首先采用模糊C均值技术对案例库进行聚类,将案例库划分为若干个子空间,使得案例库中每个案例被分配某个类别标签；然后使用储备池神经网络建立各子空间的分类模型,并在此基础上产生不固定类。在案例检索时,使用储备池模型为新案例选择检索子空间,为了提高检索精度,采用基于梯度下降技术的神经网络方法确定各个属性的权值。使用公用UCI数据验证所提方法的有效性,并进一步用于对转炉炼钢终点温度的预报,以提高预报模型的精度。(3)在案例调整和重用方面,提出基于支持向量机的案例调整策略和基于混合专家系统的案例重用过程。在案例调整时,着重考虑案例条件属性差异与解属性差异之间的关系,利用支持向量机的非线性学习能力,建立偏差估计模型,并利用该模型,根据当前案例与最相似案例间的偏差,求解新案例的解。此外,为了深度挖掘相似案例中的有用知识,使用混合专家系统建立相似案例条件属性与解属性间的直接关系,基于该重用模型,直接计算当前问题的解。将所提方法用于转炉炼钢生产过程中的炉次吹氧量计算和终点碳含量预报,用以提升模型效果,以及验证方法的有效性。
张荫芬[7]2003年在《热工过程预测控制研究》文中研究指明针对电厂热工过程中的非线性、多变量、大时滞等特点，本文致力于从非线性角度研究预测控制算法在热工过程中的应用。本文的主要内容是研究基于T-S模糊模型的非线性系统辨识算法，并在此基础上研究非线性系统的模糊预测控制问题，并且把基于T-S模型的广义预测控制算法应用于电厂主汽温系统的控制。具体包括以下几个方面：1、针对复杂非线性动态系统的模糊建模问题，本文基于T-S模型提出一种自组织模糊辨识算法。改进后的算法简化了前提结构辨识的过程，并使前提参数辨识和结论参数辨识同时完成，极大的减少了参数辨识和结构辨识的计算量，能够保证在线辨识的要求。大量的仿真结果表明该算法具有收敛速度快、辨识精度高、稳定性好，便于工程应用。2、把自组织模糊辨识算法应用于主汽温和再热汽温系统的模型辨识中，仿真结果表明这种辨识算法对非线性系统的辨识具有良好的效果。3、针对非线性系统的模型预测控制问题，本文采用T-S模型作为预测模型，然后在每一个采样点对系统进行局部动态线性化，根据得到的系统线性化模型对系统采取广义预测控制（GPC）方法得到当前的控制律。并把这种基于T-S模型的预测控制算法应用在某电厂的主汽温的升负荷过程的控制中，仿真表明本算法能够很好地通过在线非线性T-S模型的辨识从而实现对于具有非线性特性的主汽温对象的预测控制。
郝国生[8]2009年在《交互式遗传算法中用户的认知规律及其应用》文中认为交互式遗传算法把人的智慧和遗传算法结合起来,主要用于解决无法建立显式函数的隐式性能指标优化问题。交互式遗传算法在发挥人类智慧的同时,也需要面对人自身的局限性。人的认知局限性和易疲劳特点,使得交互式遗传算法的种群规模较小和进化代数较少,这限制了交互式遗传算法的优化性能。许多学者研究了改进交互式遗传算法性能的方法,这些方法几乎都与用户偏好信息相关。由于用户偏好信息往往综合了多种用户认知规律,因此,为了更好地获取用户偏好信息,必须深入研究交互式遗传算法中用户的认知规律。但是,已有研究成果中对用户认知规律的研究却很少。本文通过研究交互式遗传算法中用户的认知规律,进而研究交互式遗传算法收敛理论和性能改进方法。本文内容主要从以下5个方面展开:(1)研究交互式遗传算法中用户的参照认知规律,分别考虑理论参照认知和实际参照认知的算法收敛理论,提出交互式遗传算法全局收敛的强条件和弱条件;(2)研究交互式遗传算法中用户的理性认知规律,提出用户保持理性是交互式遗传算法全局收敛的充分条件,并针对赋予适应值的不同方法给出用户保持理性的最大进化代数估计;(3)研究交互式遗传算法中用户的不确定性认知规律,给出用户偏好知识提取、表示及更新方法,并结合定向变异,提出了改进算法性能的方法;(4)研究交互式遗传算法中用户的选择性注意认知规律,提出获取用户选择性注意的种群初始化方法和跟踪用户选择性注意的个体生成方法,并给合用户选择性注意知识,提出算法性能改进的方法;(5)研究交互式遗传算法系统的实现,给出交互式遗传算法的系统实现框架、模块划分,并给出基于交互式遗传算法的三维动漫人物造型系统。本文的研究成果不仅丰富了交互式遗传算法的基础理论,而且为把交互式遗传算法应用于工程实践提供了理论指导。
刘昕哲[9]2014年在《基于子空间的焦炉集气管压力预测控制方法研究》文中研究指明焦炭是冶金工业炼铁的主要原料,在炼焦生产过程中,会有大量的副产品荒煤气伴随产生。回收利用荒煤气,不仅能够节约能源,而且降低环境污染,是钢铁生产的重要环节。集气管压力的稳定与否会对煤气质量、设备寿命以及生产环境产生影响。所以,研究焦炉集气过程控制具有非常重要的意义。焦炉的集气过程是具有多变量、有扰动、带耦合的复杂过程,很难用常规的建模方法和控制策略进行控制。因此,本文在分析焦炉集气管压力系统物理特性及工艺特点的基础上,运用闭环子空间辨识方法对集气过程进行辨识建模,建立焦炉集气管压力系统的子空间预估模型,在广义预测控制的框架下设计闭环子空间预测控制器,由于焦炉集气管压力系统是一个典型的带约束的工业过程,所以在一定的约束下设计了带约束处理的集气管压力子空间预测控制方法；仿真研究表明,该控制器算法具有快速调节性,能够将集气管压力稳定在工艺范围内,控制效果良好。随后本文介绍了拉盖尔函数,在输入信号的优化过程中,为了减少变量数,利用拉盖尔函数对输入变量信号参数化,可以有效地减少算法的计算时间,而不牺牲算法的精确性,并且探讨了拉盖尔函数中的参数对控制效果的影响,仿真研究表明,带拉盖尔函数的子空间预测控制算法可以有效地对集气管压力进行有效地控制,证明了此方法的有效性。
倪智宇[10]2016年在《大型柔性航天器时变动力学参数在轨辨识方法》文中研究说明大型柔性航天器结构通常无法在地面进行全尺寸动力学参数辨识实验,而当利用有限元方法对结构进行动力学分析时,由于模型简化、计算误差等影响,难以得到准确的模型参数。在这种条件下,采用在轨辨识方法,可以更为准确地获得航天器系统的动力学参数,从而反映航天器结构的真实运行情况。此外,航天器在轨运行时,大型附件运动、推进剂消耗等因素都可能使得结构的动力学参数发生持续变化。因此开展航天器时变动力学参数的在轨辨识方法研究,不仅可以对已建立的数值模型进行校验,还可以为航天器的控制系统设计与调整提供参考依据,具有重要的工程应用价值。本文考虑大型柔性航天器在轨运行时的动力学参数(模态参数和状态空间模型参数)时变情况,针对航天器周期变化动力学参数的辨识、时变模态参数和状态空间模型参数的递推辨识、以及航天器闭环系统的时变动力学参数辨识等内容开展了系统地研究。论文主要包括以下几部分内容：(1)研究航天器周期变化动力学参数的在轨辨识问题。考虑航天器大型柔性附件转动对系统动力学参数带来的周期性影响,利用周期子空间方法代替通常的重复实验方法,对柔性航天器周期时变的模态参数和相应的状态空间模型参数进行在轨辨识。仿真结果证明这种方法能有效辨识航天器的时变动力学参数。(2)研究航天器时变模态参数的递推在轨辨识问题,提出了一种提高TW-API递推子空间方法计算效率的改进方法。首先,针对基于奇异值分解(SVD)的辨识方法计算量较大的问题,采用基于信号子空间投影理论的投影近似子空间追踪(PAST)、逼近幂迭代(API)和截断窗逼近幂迭代(TW-API)等三种递推子空间方法辨识航天器时变模态参数,并对这三种方法的适用条件和计算效率进行了总结和比较。然后提出了一种改进的TW-API方法以提高在轨辨识的效率,该方法简化了数据处理中的矩阵递推过程,在保证计算精度的同时,显著地减少了在轨辨识过程的计算量,尤其当系统模型的阶次较高时,计算效率的优势更加明显。在数值仿真中,对改进TW-API方法和基于SVD的周期子空间方法的计算效率进行了比较,证明了递推子空间方法能够有效辨识航天器的时变模态参数,而且具有更高的计算效率。最后,针对上述几种递推子空间方法在低信噪比时存在的辨识结果误差较大的问题,利用小波降噪技术对信号进行去噪处理,获得了良好的辨识结果。(3)研究航天器时变状态空间模型参数的递推在轨辨识问题,提出了一种辨识状态空间模型参数中时变输入矩阵的新递推格式。不同于常用的重复实验辨识方法,新的递推格式基于信号子空间投影原理,通过重新建立输入-输出数据之间的关系,构建新的信号子空间矩阵以递推得到系统的时变输入矩阵,从而获得完整的系统时变状态空间模型参数。与现有的基于重复实验的辨识方法相比,新的递推格式不需要进行奇异值分解计算,有效减少了计算时间。(4)研究航天器闭环系统的时变动力学参数在轨辨识问题,提出一种辨识与校验时变输出反馈增益矩阵参数的新递推格式。新的递推格式通过构建系统的增广矩阵,利用最小二乘方法计算得到系统的时变输出反馈增益矩阵。这种递推格式避免了在直接使用最小二乘方法求逆时可能导致的矩阵参数辨识结果不唯一的问题,可以对设计的反馈增益矩阵参数进行检验。仿真结果表明提出的递推格式能够有效辨识航天器的时变输出反馈增益矩阵参数。此外,还对上述的周期／递推子空间方法在航天器闭环系统中的应用进行了研究,为闭环系统的时变动力学参数辨识问题提供重要的参考。
参考文献：
[1]. 基于数据驱动的控制与故障检测及其应用[D]. 陈建民. 华东理工大学. 2014
[2]. 子空间系统辨识方法及其在复杂结构中的应用[D]. 吴亚锋. 西北工业大学. 2000
[3]. 无模型子空间控制及其在光伏并网逆变器的应用[D]. 杜丽媛. 华东理工大学. 2012
[4]. 基于子空间方法的系统辨识在回转窑窑温建模中的应用研究[D]. 杨春. 湖南大学. 2013
[5]. 基于量子计算的热工过程辨识研究及应用[D]. 黄宇. 华北电力大学. 2012
[6]. 基于软计算的案例推理及其在转炉炼钢过程中的应用研究[D]. 李洋. 大连理工大学. 2015
[7]. 热工过程预测控制研究[D]. 张荫芬. 华北电力大学（北京）. 2003
[8]. 交互式遗传算法中用户的认知规律及其应用[D]. 郝国生. 中国矿业大学. 2009
[9]. 基于子空间的焦炉集气管压力预测控制方法研究[D]. 刘昕哲. 东北大学. 2014
[10]. 大型柔性航天器时变动力学参数在轨辨识方法[D]. 倪智宇. 大连理工大学. 2016
标签：力学论文; 遗传算法论文; 系统辨识论文; 模型预测控制论文; 建模软件论文; 仿真软件论文; 用户研究论文; 过程控制论文; 预测模型论文; 数据建模论文; 矩阵分解论文; 转炉炼钢论文; 闭环控制论文; 认知过程论文; 矩阵论文;