準(zhǔn)確的數(shù)學(xué)模型是批次過程先進(jìn)控制與優(yōu)化的關(guān)鍵。與連續(xù)過程不同,批次過程存在非穩(wěn)態(tài)操作、非線性時(shí)變、有限運(yùn)行時(shí)間、運(yùn)行重復(fù)性等鮮明特點(diǎn),面向連續(xù)過程的系統(tǒng)辨識(shí)方法直接應(yīng)用到批次過程,難以取得好的建模品質(zhì)。另外,現(xiàn)有的批次過程辨識(shí)方法利用批次重復(fù)特性,沿批次方向進(jìn)行遞推辨識(shí),存在估計(jì)結(jié)果波動(dòng)大、數(shù)據(jù)利用率低的問題。本文利用批次過程的二維特性,開展批次過程時(shí)變ARX模型的二維遞推辨識(shí)研究,提高遞推辨識(shí)算法的精度和收斂速度。主要研究成果如下:（1）針對(duì)沿批次方向遞推最小二乘辨識(shí)方法存在參數(shù)估計(jì)波動(dòng)大、數(shù)據(jù)利用率低的問題,本文利用批次過程的重復(fù)特性和局部建模思想,提出了基于局部多項(xiàng)式的批次過程二維遞推最小二乘辨識(shí)方法,提高批次過程模型辨識(shí)的精度。該方法通過局部多項(xiàng)式對(duì)滑動(dòng)時(shí)間窗口內(nèi)的時(shí)變特性進(jìn)行參數(shù)化建模,并通過最小化包含批次與時(shí)間這兩個(gè)維度數(shù)據(jù)的損失函數(shù),設(shè)計(jì)批次過程的二維遞推最小二乘辨識(shí)算法。仿真實(shí)驗(yàn)結(jié)果表明該方法能有效提高參數(shù)辨識(shí)精度,降低參數(shù)波動(dòng)方差。（2）針對(duì)傳統(tǒng)遺忘因子遞推最小二乘辨識(shí)方法存在的參數(shù)跟蹤速度慢、不能有效處理批次間參數(shù)突變的問題,本文結(jié)合批次過程二維特性和增量辨識(shí)思想,... 

【文章來源】：浙江大學(xué)浙江省211工程院校985工程院校教育部直屬院校

【文章頁數(shù)】：89 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
致謝
摘要
Abstract
1 緒論
    1.1 研究背景與意義
    1.2 批次過程簡(jiǎn)介
    1.3 國(guó)內(nèi)外研究現(xiàn)狀
        1.3.1 連續(xù)過程遞推辨識(shí)現(xiàn)狀
        1.3.2 批次過程遞推辨識(shí)現(xiàn)狀
    1.4 研究?jī)?nèi)容及結(jié)構(gòu)安排
2 遞推最小二乘辨識(shí)
    2.1 連續(xù)過程遞推最小二乘辨識(shí)方法
    2.2 批次過程遞推最小二乘辨識(shí)方法
        2.2.1 沿批次方向遞推最小二乘辨識(shí)
        2.2.2 帶約束的批次過程二維遞推最小二乘辨識(shí)
    2.3 本章小結(jié)
3 基于局部多項(xiàng)式的批次過程二維遞推最小二乘辨識(shí)
    3.1 引言
    3.2 基于局部多項(xiàng)式的批次過程辨識(shí)
    3.3 二維遞推最小二乘辨識(shí)
    3.4 收斂性證明
    3.5 仿真驗(yàn)證
        3.5.1 仿真案例1
        3.5.2 仿真案例2
    3.6 本章小結(jié)
4 批次過程二維增量遞推最小二乘辨識(shí)
    4.1 引言
    4.2 連續(xù)過程增量辨識(shí)算法
    4.3 批次過程增量辨識(shí)算法
    4.4 二維增量遞推最小二乘算法
    4.5 仿真驗(yàn)證和實(shí)驗(yàn)結(jié)果
        4.5.1 仿真案例1
        4.5.2 仿真案例2
    4.6 本章小結(jié)
5 基于局部多項(xiàng)式的批次過程二維增量遞推最小二乘辨識(shí)
    5.1 引言
    5.2 基于局部多項(xiàng)式的批次過程增量辨識(shí)方法
    5.3 遞推算法推導(dǎo)
    5.4 仿真驗(yàn)證和實(shí)驗(yàn)結(jié)果
        5.4.1 仿真案例1
        5.4.2 仿真案例2
    5.5 本章小結(jié)
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間獲得的研究成果


【參考文獻(xiàn)】：
期刊論文
[1]批次過程控制—回顧與展望[J]. 盧靜宜,曹志興,高福榮.  自動(dòng)化學(xué)報(bào). 2017(06)

博士論文
[1]間歇生產(chǎn)過程經(jīng)濟(jì)模型預(yù)測(cè)控制理論與應(yīng)用[D]. 陸鵬程.浙江大學(xué) 2019

碩士論文
[1]方程誤差模型基于最新估計(jì)的加權(quán)新息最小二乘辨識(shí)[D]. 秦天龍.哈爾濱工業(yè)大學(xué) 2015



本文編號(hào)：3641949