| 致谢 | 第5-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 1 绪论 | 第14-28页 |
| 1.1 引言 | 第14-15页 |
| 1.2 固定床间歇式造气过程的数据驱动建模与控制 | 第15-20页 |
| 1.2.1 固定床间歇式造气过程研究背景及意义 | 第15-16页 |
| 1.2.2 UGI气化过程的合成气温度建模与控制 | 第16-20页 |
| 1.3 数据驱动控制及应用 | 第20-24页 |
| 1.3.1 数据驱动控制理论的研究背景与现状 | 第20-21页 |
| 1.3.2 无模型自适应控制的研究现状与待研究方向 | 第21-24页 |
| 1.4 论文的主要工作和组织结构 | 第24-28页 |
| 1.4.1 论文的主要工作 | 第24-26页 |
| 1.4.2 论文的组织结构 | 第26-28页 |
| 2 固定床间歇式气化过程的离线全局建模 | 第28-54页 |
| 2.1 引言 | 第28-29页 |
| 2.2 UGI气化过程的原理与流程 | 第29-31页 |
| 2.2.1 UGI气化过程的原理 | 第29-30页 |
| 2.2.2 UGI气化过程的流程 | 第30-31页 |
| 2.3 UGI气化过程上行温度和下行温度问题描述 | 第31-33页 |
| 2.3.1 上、下行温度的问题描述 | 第31-32页 |
| 2.3.2 UGI气化过程的重点与难点 | 第32-33页 |
| 2.4 基于EGA-BPNN-LS算法的合成气温度建模 | 第33-44页 |
| 2.4.1 带有链接开关的神经网络(NN-LS)的建立 | 第33-35页 |
| 2.4.2 改进的遗传算法 | 第35-42页 |
| 2.4.3 基于EGA和L-M算法的NN-LS权值优化 | 第42-44页 |
| 2.5 仿真实验 | 第44-52页 |
| 2.5.1 误差准则与算法参数设定 | 第44-45页 |
| 2.5.2 EGA-BPNN-LS的实验结果分析 | 第45-49页 |
| 2.5.3 进一步讨论 | 第49-52页 |
| 2.5.4 EGA-BPNN-LS与其它数据驱动建模算法的对比实验 | 第52页 |
| 2.6 本章小结 | 第52-54页 |
| 3 固定床间歇式气化过程中上下行温度的在线局部建模 | 第54-70页 |
| 3.1 引言 | 第54-55页 |
| 3.2 针对上下行温度在线建模的MLL-RVM算法 | 第55-61页 |
| 3.2.1 基于动态价值函数的近邻点选择 | 第55-57页 |
| 3.2.2 基于相关向量机的局部建模 | 第57-59页 |
| 3.2.3 模型验证 | 第59-60页 |
| 3.2.4 基于MLL-RVM算法的UGI气化过程算法实现 | 第60-61页 |
| 3.3 仿真实验 | 第61-69页 |
| 3.3.1 上下行温度预测模块的搭建 | 第61-62页 |
| 3.3.2 MLL-RVM算法参数分析 | 第62-64页 |
| 3.3.3 基于留一交叉验证的局部模型分析 | 第64-68页 |
| 3.3.4 与传统懒惰学习建模方法的对比实验 | 第68-69页 |
| 3.4 本章小结 | 第69-70页 |
| 4 一类非线性离散系统的基于懒惰学习的无模型自适应预测控制 | 第70-118页 |
| 4.1 引言 | 第70-71页 |
| 4.2 基于懒惰学习的紧格式无模型自适应预测控制 | 第71-82页 |
| 4.2.1 基于紧格式动态线性化的无模型自适应预测控制器设计 | 第71-74页 |
| 4.2.2 基于懒惰学习的伪偏导数估计 | 第74-76页 |
| 4.2.3 基于懒惰学习迭代时间序列预测算法的伪偏导数的预测 | 第76-77页 |
| 4.2.4 LL-CFDL-MFAPC的稳定性分析及算法实现 | 第77-82页 |
| 4.3 LL-CFDL-MFAPC的应用 | 第82-92页 |
| 4.3.1 固定床间歇式气化过程增氧过程简介 | 第82-84页 |
| 4.3.2 增氧过程的动力学模型的获取 | 第84-88页 |
| 4.3.3 增氧过程的控制器设计及仿真实验 | 第88-92页 |
| 4.4 基于懒惰学习的偏格式无模型自适应预测控制 | 第92-110页 |
| 4.4.1 基于偏格式动态线性化的无模型自适应预测控制 | 第92-95页 |
| 4.4.2 基于改进投影算法的伪梯度估计 | 第95页 |
| 4.4.3 基于平均策略的懒惰学习多步时间序列预测算法的PG矩阵预测 | 第95-99页 |
| 4.4.4 LL-PFDL-MFAPC稳定性分析与算法的整体实现 | 第99-106页 |
| 4.4.5 LL-PFDL-MFAPC的数值仿真分析 | 第106-110页 |
| 4.5 LL-PFDL-MFAPC的三容水箱液位控制系统实验分析 | 第110-116页 |
| 4.5.1 情形1:期望信号跳变 | 第112-114页 |
| 4.5.2 情形2:扰动实验 | 第114-115页 |
| 4.5.3 情形3:被控对象模型变化 | 第115-116页 |
| 4.6 本章小结 | 第116-118页 |
| 5 双连续投影框架下的无模型自适应控制 | 第118-130页 |
| 5.1 引言 | 第118页 |
| 5.2 连续投影 | 第118-119页 |
| 5.3 双连续投影无模型自适应控制 | 第119-126页 |
| 5.3.1 基于双连续投影算法的MFAC | 第120-125页 |
| 5.3.2 DSP-MFAC与传统MFAC的联系 | 第125-126页 |
| 5.4 仿真分析 | 第126-127页 |
| 5.5 本章小结 | 第127-130页 |
| 6 结论与展望 | 第130-136页 |
| 6.1 结论 | 第130-131页 |
| 6.2 展望 | 第131-136页 |
| 6.2.1 数据驱动建模部分 | 第131-133页 |
| 6.2.2 数据驱动控制部分 | 第133-136页 |
| 参考文献 | 第136-150页 |
| 作者简历 | 第150-152页 |
| 攻读博士学位期间发表的学术论文(*为通信作者) | 第152-156页 |
| 学位论文数据集 | 第156页 |
