基于模式运动的一类复杂生产过程建模、分析与控制
| 致谢 | 第4-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 符号清单 | 第14-15页 |
| 1 引言 | 第15-32页 |
| 1.1 课题的研究背景与意义 | 第15-16页 |
| 1.2 基于模式的系统建模与控制综述 | 第16-28页 |
| 1.2.1 基于模式的建模与状态估计 | 第17-21页 |
| 1.2.2 基于模式的故障诊断与缺陷辨识 | 第21-22页 |
| 1.2.3 基于模式的系统控制 | 第22-26页 |
| 1.2.4 基于模式运动的系统建模与控制 | 第26-28页 |
| 1.3 论文的研究内容 | 第28-30页 |
| 1.4 论文的组织结构 | 第30-32页 |
| 2 基于模式运动的系统建模与控制框架 | 第32-39页 |
| 2.1 引言 | 第32页 |
| 2.2 基本概念 | 第32-33页 |
| 2.2.1 模式运动 | 第32-33页 |
| 2.2.2 统计性变量 | 第33页 |
| 2.3 基于模式运动的建模与控制框架 | 第33-38页 |
| 2.3.1 系统运行子空间与工况特征子空间 | 第34页 |
| 2.3.2 模式运动“空间”与模式类别变量 | 第34-35页 |
| 2.3.3 基于模式运动的系统建模与控制 | 第35-38页 |
| 2.4 木章小结 | 第38-39页 |
| 3 系统稳定性与工况模式类别划分 | 第39-76页 |
| 3.1 引言 | 第39页 |
| 3.2 系统非线性状态空间模型 | 第39-43页 |
| 3.3 系统稳定性定义与分析 | 第43-52页 |
| 3.3.1 系统稳定性定义 | 第43-45页 |
| 3.3.2 系统稳定性分析 | 第45-52页 |
| 3.4 无输入时滞系统控制 | 第52-57页 |
| 3.5 带输入时滞系统控制 | 第57-58页 |
| 3.6 仿真验证 | 第58-74页 |
| 3.6.1 无输入时滞系统建模与控制 | 第58-67页 |
| 3.6.2 带输入时滞系统控制 | 第67-69页 |
| 3.6.3 输出类别划分对原控制系统的影响 | 第69-73页 |
| 3.6.4 关于非线性部分的讨论 | 第73-74页 |
| 3.7 本章小结 | 第74-76页 |
| 4 系统调节性能与工况模式类别划分 | 第76-106页 |
| 4.1 引言 | 第76-77页 |
| 4.2 基于粒子群的最大熵聚类算法 | 第77-81页 |
| 4.2.1 粒子群寻优算法 | 第77-78页 |
| 4.2.2 基于粒子群的最大熵聚类算法 | 第78-81页 |
| 4.3 调节性能与类别划分 | 第81-83页 |
| 4.3.1 状态反馈控制方法 | 第81-82页 |
| 4.3.2 生产过程调节性能描述 | 第82-83页 |
| 4.4 构造型分类神经网络 | 第83-93页 |
| 4.4.1 构造型分类神经网络 | 第83-86页 |
| 4.4.2 分类神经网络训练 | 第86-88页 |
| 4.4.3 泛化能力分析 | 第88-90页 |
| 4.4.4 提高网络泛化能力方法 | 第90-93页 |
| 4.5 数值仿真 | 第93-104页 |
| 4.5.1 最大熵聚类方法 | 第93-95页 |
| 4.5.2 模式运动“空间”构造 | 第95-96页 |
| 4.5.3 聚类参数对调节性能影响 | 第96-98页 |
| 4.5.4 聚类参数与调节性能间的映射 | 第98-99页 |
| 4.5.5 神经网络泛化能力分析 | 第99-104页 |
| 4.6 本章小结 | 第104-106页 |
| 5 基于模式分类的系统建模与控制 | 第106-145页 |
| 5.1 引言 | 第106页 |
| 5.2 基于模式分类的系统建模 | 第106-115页 |
| 5.2.1 基于模式分类的系统模型 | 第107-109页 |
| 5.2.2 系统模型阶数辨识 | 第109-111页 |
| 5.2.3 基于覆盖分类的系统建模 | 第111-112页 |
| 5.2.4 覆盖分类器在线更新 | 第112-115页 |
| 5.3 基于覆盖分类模型的系统控制 | 第115-124页 |
| 5.3.1 基于预测模型的系统控制 | 第116-120页 |
| 5.3.2 控制系统稳定性分析 | 第120-124页 |
| 5.4 基于构造型分类神经网络的输出预测 | 第124-127页 |
| 5.4.1 基于构造型分类神经网络的输出预测 | 第124-126页 |
| 5.4.2 网络的训练与在线更新 | 第126-127页 |
| 5.5 仿真研究 | 第127-144页 |
| 5.5.1 基于覆盖分类的系统建模 | 第127-134页 |
| 5.5.2 基于覆盖分类的系统控制 | 第134-139页 |
| 5.5.3 基于构造型分类神经网络的输出预测 | 第139-144页 |
| 5.6 本章小结 | 第144-145页 |
| 6 结论与展望 | 第145-148页 |
| 6.1 论文工作总结 | 第145-146页 |
| 6.2 未来工作展望 | 第146-148页 |
| 参考文献 | 第148-159页 |
| 作者简历及在学研究成果 | 第159-162页 |
| 学位论文数据集 | 第162页 |
