导读:本文包含了大工业过程优化论文开题报告文献综述及选题提纲参考文献，主要关键词:多速率,多时间尺度,分层运行优化控制,Q-学习
大工业过程优化论文文献综述
代伟,陆文捷,付俊,马小平[1]（2019）在《工业过程多速率分层运行优化控制》一文中研究指出工业过程运行优化控制通常采用基础回路层和运行层两层结构,涉及不同时间尺度特性的被控对象,且由于检测装置采样周期不同难以统一控制与采样周期;此外,运行层动态往往机理复杂难以建模.因此针对这一多层次、多时间尺度且部分模型未知的复杂多速率控制问题,本文提出一种工业过程多速率分层运行优化控制方法.该方法在使用提升技术解决分层多速率问题的基础上,采用一种基于Q-学习的数据驱动运行层设定值优化方法,更新基础回路层的设定值;并针对提升后的系统采用模型预测控制(Model predictive control, MPC)方法设计基础回路层控制器以跟踪设定值,从而实现运行指标的优化控制.对典型工业闭路磨矿过程进行了仿真实验,验证了本文所提方法的有效性.(本文来源于《自动化学报》期刊2019年10期）
张凌智,代伟,陆文捷,马小平[2]（2019）在《非线性工业过程多速率分层运行优化控制及选煤过程应用研究》一文中研究指出工业过程运行优化控制通常采用分层结构,其中运行层动态往往具有复杂非线性特性且难以建模;此外,检测装置采样周期不同导致在单层中呈现出双速率特性。本文针对这一多层次、多时间尺度、且部分模型未知的复杂多速率控制问题,考虑基础回路层具有双速率特性,提出一种模型预测控制(model predictive control)、提升技术与基于actor-critic结构的设定值优化方法相集成的多速率分层运行优化控制方法。以重介质选煤过程为背景,在基于METSIM软件的模拟系统上进行了实验研究,结果验证了本文所提方法的有效性。(本文来源于《第30届中国过程控制会议（CPCC 2019）摘要集》期刊2019-07-31）
陆文捷[3]（2019）在《工业过程多速率分层运行优化控制》一文中研究指出工业过程运行优化控制的内涵是采用信息技术,将生产过程的知识与数据信息进行集成,通过过程运行优化与控制技术,不仅能镇定被控系统,使基础回路输出很好地跟踪设定值,而且控制整个运行过程,使表征产品生产效率、质量、能耗的运行指标最优化。工业过程运行优化控制涉及运行层与基础回路层两层不同时间尺度动态特性,分层控制是易于实现的工程化选择,但是由于各种仪表因其自身的特殊性,获取信息和处理信息的速度不同,加之控制节点分散,以及实际工业过程控制系统的控制更新速率与数据采样速率并不一致,使得工业过程运行优化控制的设计面临复杂的多速率问题。同时,运行层难以建立数学模型意味着无法直接应用传统控制方法。因此在国家自然科学基金项目“动态环境下磨矿全流程数据驱动运行优化控制”资助下,开展了工业过程多速率分层运行优化控制的研究,将多速率问题的处理方法和数据驱动的强化学习方法相结合,提出了多速率分层工业过程运行优化控制方法。主要研究工作如下:(1)针对工业过程多时间尺度、多速率分层结构,提出了一种工业过程多速率系统解决方案。其先用块提升技术将基础回路层的输入输出采样周期提升至框架周期,从而设计回路层跟踪控制器;进而采用递推提升技术将回路层的快时间尺度统一至运行层的慢时间尺度上,以设计运行层设定值优化控制器。(2)针对一类运行层可近似线性化的工业过程,提出了一种基于提升技术、模型预测控制与Q-学习的数据驱动工业过程运行优化控制方法,给出相关收敛性证明;与基于模型的黎卡提方程离线求解法和基于贝尔曼方程的策略迭代算法相比,所提方法不需要依赖运行层模型,仅利用在线数据即可实现控制器的设计;最后将该方法应用于冶金磨矿过程进行仿真研究。(3)针对一类运行层为仿射非线性系统的工业过程,提出了一种基于提升技术、模型预测控制与actor-critic神经网络的数据驱动工业过程运行优化控制方法,给出相关收敛性证明;所提方法同样不依赖运行层模型;最后将该方法应用于煤炭生产的重介质选煤过程进行仿真研究。(本文来源于《中国矿业大学》期刊2019-04-01）
高溪泽[4]（2019）在《基于增强学习的数据驱动工业过程运行优化控制》一文中研究指出现代工业过程机理十分复杂,使得很难对生产过程以及运行指标与被控变量之间的关系精确建模。而传统工业过程多使用人工经验以开环的形式来调节设定值,且人工操作不具备较高的准确定性和随动性,因此经济效益较差甚至会导致故障工况的出现。在这种情况下,如何基于工业运行过程数据信息,不依赖模型参数给出设定值设计方案,优化运行指标是一挑战性难题。鉴于实际工业过程往往在稳态点附近运行,系统在稳态点成线性特征,本文用线性系统刻画被控过程,考虑运行控制层和底层控制层不同的时间尺度,提出两种学习算法:一种是基于Q-学习方法的次优设定值学习算法,另一种是基于状态观测器的Q-学习算法。这两种算法完全利用数据,学习得到设定值,实现运行指标以近似最优的方式跟踪理想值。最后通过浮选过程仿真实验验证本文所提方法的有效性。本文主要工作与贡献如下:1.对双层运行反馈控制问题进行描述,针对运行层和底层控制层不同时间尺度的问题进行建模、设计运行优化控制器,使得运行指标跟踪理想值。2.不同于基于模型的运行优化控制方法,引入状态观测器来估计工业过程的未测量状态,提出一种系统状态可测情况下实现系统最优运行的Q-学习算法和一种基于状态观测器的Q-学习算法,不依赖于被控过程模型参数和运行指标动态参数,完全基于数据学习次优设定值,避免模型参数不精确,甚至未知给运行优化控制问题研究带来的消极影响。3.以浮选过程为仿真示例,在Matlab环境下进行仿真实验,并与传统运行控制方法进行比较,验证本文提出的算法的有效性。(本文来源于《沈阳化工大学》期刊2019-03-09）
刘强,卓洁,郎自强,秦泗钊[5]（2018）在《数据驱动的工业过程运行监控与自优化研究展望》一文中研究指出现代工业过程向大规模、连续化、集成化方向发展,有必要对生产全流程运行的决策、协同控制、底层控制进行有效监控,也是当前国际控制领域的研究热点.本文首先分析了工业过程全流程运行监控的内涵与行业现状;其次,阐述了基于模型的控制系统故障诊断与容错控制方法,以及数据驱动的异常工况诊断与自愈控制方法的研究现状,并指明了信息物理系统(Cyber-physical systems, CPS)时代智能安全运行监控与自优化的发展机遇;最后,论述了工业过程运行监控与自优化研究的新方向和最新进展,包括:1)数据驱动的决策、协同控制、底层控制多层面联合监控; 2)基于机理、数据、知识多源动态信息融合的异常工况诊断; 3)专家知识与控制手段相结合的协同层自愈控制; 4)数据驱动的运行动态性能分析与自优化; 5)支撑运行监控与自优化系统的实现技术.(本文来源于《自动化学报》期刊2018年11期）
丁进良,杨翠娥,陈远东,柴天佑[6]（2018）在《复杂工业过程智能优化决策系统的现状与展望》一文中研究指出流程工业是制造业的重要组成部分,是我国国民经济和社会发展的重要支柱产业.新一代信息技术和人工智能技术为流程工业的发展带来新的挑战和机遇.只有与流程工业的特点与目标密切结合,充分利用大数据,将人工智能、移动互联网、云计算、建模、控制与优化等信息技术与工业生产过程的物理资源紧密融合与协同,实现流程工业智能优化制造,才可能实现流程工业的跨越式发展.本文聚焦流程工业的复杂生产过程,从其智能优化决策系统的角度,描述了复杂工业过程优化决策系统的问题、回顾总结了复杂工业过程全流程优化决策系统的现状,分析了智能优化决策系统的必要性,提出了智能优化决策系统的发展目标及愿景,并对智能优化决策系统的下一步重点研究方向进行了展望.(本文来源于《自动化学报》期刊2018年11期）
Da-peng,TAN,Shu-ting,CHEN,Guan-jun,BAO,Li-bin,ZHANG[7]（2018）在《面向工业过程监控的嵌入式轻型图形用户界面构件库与人机功效优化方法（英文）》一文中研究指出面向工业过程监控的嵌入式轻型图形用户界面(GUI)构件库开发具有较高难度,当前方法在实时任务处理与人机功效等方面存在不足。针对上述问题,提出一种基于嵌入式Qt技术(Qt/E)的轻型GUI构件库设计方法。根据工业过程监控需求,建立构件库实体—关系(E-R)模型,定义系统功能构架与模块数据耦合关系。考虑嵌入式目标系统差异,搭建交叉编译环境以实现Qt/E共享库文件的按需裁剪。基于信号—槽通信接口,提出一种无需回调指针的消息映射方法,优化系统上下文切换性能。结合多线程控制技术,面向数据采集、计算与显示的并行任务处理能力得到强化,从而提高系统实时性与鲁棒性。通过滚动页面方法优化人机交互过程,并利用工业心理学方法验证系统人机功效性能。数值实例模拟与工业现场实验结果表明,与Windows-CE-GUI和Android-GUI相比:实时读写正确率分别提高26%与29%;构件库最小可裁减至900 k B,并可支持12种嵌入式硬件平台;系统平均会话切换时间可控制在0.6 s以内,关键人机功效指标可满足不同工业应用需求。(本文来源于《Frontiers of Information Technology & Electronic Engineering》期刊2018年05期）
杨小健,许瀚之[8]（2016）在《工业过程PID控制系统优化设计与仿真》一文中研究指出工业过程PID控制系统优化保障了工业过程安全、平稳和高效需求,能够获得满意的控制效果。工业控制系统运行过程中存在很多变频设备,由于变频设备从变频到工频不断切换时会对控制系统产生耦合干扰,导致PID控制算法进行工业控制时,工业系统的被控制量不能准确稳定控制在设定值范围内,存在控制稳定性差的问题。为解决上述问题,提出一种基于多变量解耦的工业控制高精度PID控制方法。利用多变量解耦控制技术依据工业控制指标期望设定值与实际值的偏差,计算工业系统底层回路控制的设定值,并设计出工业控制中的回路控制器,通过构建多时滞非奇异传递函数矩阵来表述被控工业的运行过程,然后,利用PID控制算法对回路控制器控制参数进行调整,计算最优PID控制参数,利用该参数实现对工业控制中被控量稳态振荡周期的调整,有效的实现了对工业控制中的高精度PID控制算法的改进。仿真结果表明,改进的工业控制高精度PID控制方法改善了系统稳态品质特性。(本文来源于《计算机仿真》期刊2016年07期）
伍铁斌,龙文,朱红求[9]（2016）在《复杂工业过程操作参数优化研究进展》一文中研究指出针对复杂工业过程操作参数优化困难所导致的资源消耗高和产品合格率低等问题,介绍了基于机理模型的操作参数优化方法,以及基于数据黑箱模型、领域专家经验和智能集成优化模型等非机理模型的操作参数优化方法研究现状。探讨了未来复杂工业过程操作参数优化研究的方向。该研究对复杂工业过程的操作参数优化具有一定借鉴意义。(本文来源于《自动化仪表》期刊2016年03期）
费正顺,刘康玲,胡斌,梁军[10]（2015）在《复杂工业过程中一种带统计形式约束的隐变量优化方法（英文）》一文中研究指出For complex chemical processes,process optimization is usually performed on causal models from first principle models.When the mechanism models cannot be obtained easily,restricted model built by process data is used for dynamic process optimization.A new strategy is proposed for complex process optimization,in which latent variables are used as decision variables and statistics is used to describe constraints.As the constraint condition will be more complex by projecting the original variable to latent space,Hotelling T~2 statistics is introduced for constraint formulation in latent space.In this way,the constraint is simplified when the optimization is solved in low-dimensional space of latent variable.The validity of the methodology is illustrated in pH-level optimal control process and practical polypropylene grade transition process.(本文来源于《Chinese Journal of Chemical Engineering》期刊2015年10期）
大工业过程优化论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
工业过程运行优化控制通常采用分层结构,其中运行层动态往往具有复杂非线性特性且难以建模;此外,检测装置采样周期不同导致在单层中呈现出双速率特性。本文针对这一多层次、多时间尺度、且部分模型未知的复杂多速率控制问题,考虑基础回路层具有双速率特性,提出一种模型预测控制(model predictive control)、提升技术与基于actor-critic结构的设定值优化方法相集成的多速率分层运行优化控制方法。以重介质选煤过程为背景,在基于METSIM软件的模拟系统上进行了实验研究,结果验证了本文所提方法的有效性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
大工业过程优化论文参考文献
[1].代伟,陆文捷,付俊,马小平.工业过程多速率分层运行优化控制[J].自动化学报.2019
[2].张凌智,代伟,陆文捷,马小平.非线性工业过程多速率分层运行优化控制及选煤过程应用研究[C].第30届中国过程控制会议（CPCC2019）摘要集.2019
[3].陆文捷.工业过程多速率分层运行优化控制[D].中国矿业大学.2019
[4].高溪泽.基于增强学习的数据驱动工业过程运行优化控制[D].沈阳化工大学.2019
[5].刘强,卓洁,郎自强,秦泗钊.数据驱动的工业过程运行监控与自优化研究展望[J].自动化学报.2018
[6].丁进良,杨翠娥,陈远东,柴天佑.复杂工业过程智能优化决策系统的现状与展望[J].自动化学报.2018
[7].Da-peng,TAN,Shu-ting,CHEN,Guan-jun,BAO,Li-bin,ZHANG.面向工业过程监控的嵌入式轻型图形用户界面构件库与人机功效优化方法（英文）[J].FrontiersofInformationTechnology&ElectronicEngineering.2018
[8].杨小健,许瀚之.工业过程PID控制系统优化设计与仿真[J].计算机仿真.2016
[9].伍铁斌,龙文,朱红求.复杂工业过程操作参数优化研究进展[J].自动化仪表.2016
[10].费正顺,刘康玲,胡斌,梁军.复杂工业过程中一种带统计形式约束的隐变量优化方法（英文）[J].ChineseJournalofChemicalEngineering.2015