準確的數(shù)學模型是批次過程先進控制與優(yōu)化的關鍵。與連續(xù)過程不同,批次過程存在非穩(wěn)態(tài)操作、非線性時變、有限運行時間、運行重復性等鮮明特點,面向連續(xù)過程的系統(tǒng)辨識方法直接應用到批次過程,難以取得好的建模品質。另外,現(xiàn)有的批次過程辨識方法利用批次重復特性,沿批次方向進行遞推辨識,存在估計結果波動大、數(shù)據利用率低的問題。本文利用批次過程的二維特性,開展批次過程時變ARX模型的二維遞推辨識研究,提高遞推辨識算法的精度和收斂速度。主要研究成果如下:（1）針對沿批次方向遞推最小二乘辨識方法存在參數(shù)估計波動大、數(shù)據利用率低的問題,本文利用批次過程的重復特性和局部建模思想,提出了基于局部多項式的批次過程二維遞推最小二乘辨識方法,提高批次過程模型辨識的精度。該方法通過局部多項式對滑動時間窗口內的時變特性進行參數(shù)化建模,并通過最小化包含批次與時間這兩個維度數(shù)據的損失函數(shù),設計批次過程的二維遞推最小二乘辨識算法。仿真實驗結果表明該方法能有效提高參數(shù)辨識精度,降低參數(shù)波動方差。（2）針對傳統(tǒng)遺忘因子遞推最小二乘辨識方法存在的參數(shù)跟蹤速度慢、不能有效處理批次間參數(shù)突變的問題,本文結合批次過程二維特性和增量辨識思想,... 

【文章來源】：浙江大學浙江省211工程院校985工程院校教育部直屬院校

【文章頁數(shù)】：89 頁

【學位級別】：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 批次過程簡介
    1.3 國內外研究現(xiàn)狀
        1.3.1 連續(xù)過程遞推辨識現(xiàn)狀
        1.3.2 批次過程遞推辨識現(xiàn)狀
    1.4 研究內容及結構安排
2 遞推最小二乘辨識
    2.1 連續(xù)過程遞推最小二乘辨識方法
    2.2 批次過程遞推最小二乘辨識方法
        2.2.1 沿批次方向遞推最小二乘辨識
        2.2.2 帶約束的批次過程二維遞推最小二乘辨識
    2.3 本章小結
3 基于局部多項式的批次過程二維遞推最小二乘辨識
    3.1 引言
    3.2 基于局部多項式的批次過程辨識
    3.3 二維遞推最小二乘辨識
    3.4 收斂性證明
    3.5 仿真驗證
        3.5.1 仿真案例1
        3.5.2 仿真案例2
    3.6 本章小結
4 批次過程二維增量遞推最小二乘辨識
    4.1 引言
    4.2 連續(xù)過程增量辨識算法
    4.3 批次過程增量辨識算法
    4.4 二維增量遞推最小二乘算法
    4.5 仿真驗證和實驗結果
        4.5.1 仿真案例1
        4.5.2 仿真案例2
    4.6 本章小結
5 基于局部多項式的批次過程二維增量遞推最小二乘辨識
    5.1 引言
    5.2 基于局部多項式的批次過程增量辨識方法
    5.3 遞推算法推導
    5.4 仿真驗證和實驗結果
        5.4.1 仿真案例1
        5.4.2 仿真案例2
    5.5 本章小結
6 總結與展望
    6.1 總結
    6.2 展望
參考文獻
攻讀碩士學位期間獲得的研究成果


【參考文獻】：
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.  自動化學報. 2017(06)

博士論文
[1]間歇生產過程經濟模型預測控制理論與應用[D]. 陸鵬程.浙江大學 2019

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



本文編號：3641949