您当前所在位置: 首页 > 学者
在线提示

恭喜!关注成功

在线提示

确认取消关注该学者?

邀请同行关闭

只需输入对方姓名和电子邮箱,就可以邀请你的同行加入中国科技论文在线。

真实姓名:

电子邮件:

尊敬的

我诚挚的邀请你加入中国科技论文在线,点击

链接,进入网站进行注册。

添加个性化留言

已为您找到该学者20条结果 成果回收站

上传时间

2005年11月28日

【期刊论文】基于输入扩张的闭环系统子空间辨识及其一致性分析*

李少远, YANG Hua, LI Shaoyuan

,-0001,():

-1年11月30日

摘要

子空间辨识作为一种新的辨识算法,由于其对先验知识要求较少,对于多变量系统辨识广泛适用,以及在数值计算上的优势,受到了控制和辨识领域的广泛关注。在开环情况下,由于不可测噪声与输入之间无关性条件成立,使得辨识结果满足一致无偏性要求。但是,由于工艺或者稳定性需要,许多工业过程必须在闭环条件下进行辨识,当系统中存在反馈,上述无关性不再成立,成为子空间方法应用于闭环辨识的主要障碍。本文结合线性代数和几何学的基本概念,将输入输出误差序列包含至输入子空间中,基于输入扩张的状态空间构造方法,在子空间辨识框架内提出一种新的闭环辨识算法;解决开环算法应用于闭环系统辨识时产生有偏估计,甚至不能正确辨识的问题;实现闭环条件下对系统状态空间矩阵的一致估计,并理论证明该辨识算法的渐进一致性;最后通过仿真实例来验证本算法的有效性。

闭环辨识,, 子空间方法,, 输入扩张,, 渐进一致性

上传时间

2005年11月28日

【期刊论文】基于粒子群优化的Wiener模型辨识与实例研究*

李少远, ZHANG Yan, LI Shao-yuan, Wang Xiao-bo, Zhou Jian-gang

,-0001,():

-1年11月30日

摘要

针对一类工业过程中可描述成Wiener模型的非线性系统,其辨识问题可等价成以估计参数为优化变量的非线性极小值优化问题。利用粒子群优化(PSO)算法在整个参数空间内并行搜索获得极小值优化问题的最优解(Wiener模型的最优估计),通过对粒子的迭代轨迹进行分析,改进了PSO算法中惯性权重和学习因子的选择。通过一个Wiener模型的数值仿真验证了本文提出的辨识方法的有效性和实用性,并将该方法应用在连续退火机组加热炉产品质量模型的辨识研究,取得了满意的辨识效果。

Wiener 模型, 粒子群优化, 模型辨识, 参数估计, 收敛特性

上传时间

2005年11月28日

【期刊论文】基于扩张终端约束集的非线性双模预测控制*

李少远, ZOU Tao, LI Shaoyuan, and DING Baocang

,-0001,():

-1年11月30日

摘要

本文针对一类具有多个平衡点的非线性系统,结合控制不变集与和增益调度算法,提出了一种基于扩张终端约束集的双模预测控制设计方法。该方法在非线性系统的有限个平衡点上设计局部LQR控制律,并计算它们的最大控制不变集,在平衡点的选取过程中确保它们的控制不变集是相互重叠的。本文将控制不变集的并集作为双模预测控制的终端约束集,研究了变时域和固定时域模式下双模预测控制的可行性与稳定性。由于使用了扩张终端约束集,使得较小的预测时域即可保证优化的可行性,从而降低了优化问题的规模,减少了在线计算量。仿真结果表明了本文算法的有效性。

不变集,, 非线性模型预测控制,, 约束非线性系统,, 增益调度

上传时间

2005年11月28日

【期刊论文】基于Backstepping方法的MIMO过程分散PID控制器设计*

李少远, ZHANG Yan LI Shao-Yuan

,-0001,():

-1年11月30日

摘要

针对多输入多输出(MIMO)过程提出了一种基于Backstepping方法的分散PID控制器设计。将MIMO过程分解成多个控制回路并行设计控制器,对每个控制回路,首先利用Backstepping方法设计一个多变量控制器,然后通过适当选取辅助控制变量消除其他子过程的影响,得到分散的PID控制器,使得PID控制器的整定参数与Backstepping方法的设计参数等价,不但保证了整个闭环系统的渐近稳定性,而且使系统具有良好的跟踪特性。最后通过对Shell标准控制问题的仿真验证了分散PID控制方法的有效性和实用性。

Backstepping,, MIMO,, PID 控制器,, 分散控制,, Shell 标准控制问题

上传时间

2005年11月28日

【期刊论文】基于混合逻辑的非线性系统多模型约束预测控制*

李少远, ZOU Tao, WANG Xin, and LI Shaoyuan

,-0001,():

-1年11月30日

摘要

多模型预测控制是对多变量有约束的复杂非线性系统进行控制设计的主要方法,问题的关键是非线性系统采用局部线性模型进行多步预测时的准确性。本文在多模型预测控制引入混合逻辑方法,将非线性过程描述成为一个混合逻辑动态系统模型,模型切换规则以先验知识的形式引入到多模型预测过程中,该模型可以全局地表征非线性过程的特性,从而解决了多模型约束非线性预测控制的模型预测与模型切换问题。

非线性预测控制,, 多模型,, 混合逻辑,, 混合整数二次规划 (, MIQP),

合作学者

  • 李少远 邀请

    上海交通大学,上海

    尚未开通主页