导读:本文包含了最小方差基准论文开题报告文献综述及选题提纲参考文献,主要关键词:性能评价,最小方差基准,时间序列分析,马尔科夫系数矩阵
最小方差基准论文文献综述
林志滨[1](2017)在《基于最小方差基准的控制系统性能评价》一文中研究指出控制系统性能评估(CPA)是工业过程中一种可以用来估算反馈控制回路性能的有效工具。由于基于最小方差基准的CPA技术仅适用于平稳信号驱动下的控制系统,当干扰为非平稳时,此性能评价方法将无法直接应用。但是在实际的工业生产中,扰动端多为非平稳信号,例如正弦信号和白噪声或者阶跃信号和白噪声的混合扰动。因此,本文从实际工业生产过程出发,针对单变量系统存在非平稳信号扰动而造成系统的闭环输出不平稳问题,提出一种基于最小方差基准的性能评价算法,由控制系统常规运行的闭环输出数据便可准确的对此类系统进行性能评价。具体方法如下:通过差分的方式使控制系统闭环输出平稳化,进而对平稳化后的输出数据进行建模分析得到差分后的控制系统模型,再通过相关性分析(FCOR)计算差分后控制系统的闭环传函的脉冲响应系数,最后还原获得仅在白噪声驱动下的控制系统的闭环传函的脉冲响应系数,由此计算系统的性能指标。目前,对基于最小方差基准的多变量系统的性能评价,往往需要知道其关联矩阵或者对象的若干项马尔科夫系数矩阵,才能进行评估。而这一般需要对多变量系统进行辨识。但是,想要对多变量系统进行辨识一般要在闭环系统的设定值上引入额外持续的激励信号,这会导致系统的正常运行状态遭到破坏,系统的运行性能变差。针对关联矩阵或者对象的若干项马尔科夫系数矩阵的计算需要在闭环系统的设定值上引入激励信号来辨识系统问题,本文提出了一种在线的基于最小方差基准、无需对控制系统额外施加持续激励信号来辨识系统、无需计算关联矩阵来求解多变量系统性能指标的性能评价方法。具体方法如下:首先通过改变多变量系统控制器参数来获取不同参数下的系统输出序列,其次根据以上序列进行时间序列的建模分析,最终由求得的多变量系统的闭环传函的马尔科夫系数矩阵来计算系统对象传函的前若干项马尔科夫系数矩阵,从而完成对系统性能指标的计算。(本文来源于《厦门大学》期刊2017-06-30)
王志国,刘飞[2](2014)在《基于广义最小方差基准的非线性系统控制性能评估》一文中研究指出最小方差控制器输出波动激烈且鲁棒性差,难以实际应用,以最小方差控制器作用下的输出方差作为控制性能评估基准具有一定价值,但存在局限.针对一类非线性系统,提出一种新的基于广义最小方差基准的控制性能评估指标.首先,设计非线性系统的广义最小方差控制器,并在此基础上分析广义最小方差的组成.进而,方差分析方法被引入性能下限的估计运算,在辨识获得非线性系统闭环模型后,使用蒙特卡罗实验法估计得到控制性能指标.最后,所提方法在一仿真实例上进行了验证,结果显示其相比传统方法更有效.(本文来源于《第25届中国过程控制会议论文集》期刊2014-08-09)
周帝[3](2014)在《基于最小方差基准的MIMO控制系统性能评价》一文中研究指出由于运行工况的改变、时变扰动以及设备与仪表故障等因素,实际工业过程控制回路在运行一段时间后其控制性能将会偏离设计时的性能。如何从生产过程的日常运行数据获得一些关于控制系统的性能信息,从而能够为控制系统性能问题的早期识别和诊断提供依据是工艺控制人员都很关心的问题。采用Harris指标评价控制系统的最小方差性能评价方法极大地活跃了这一领域的研究。然而对多变量系统而言,过程时延是一个关联矩阵,因此并不能通过对闭环控制系统运行数据直接分析得到Harris指标。针对这一问题,Huang提出了滤波与相关性分析(FCOR)算法,首先根据过程传递函数的Markov参数阵估计得到酉关联矩阵,然后由关联矩阵和系统闭环输出得到滤波输出,最后考虑对控制系统的滤波输出进行相应的分析。利用Harris指标评价控制系统性能的关键在于最小方差基准的确定,FCOR算法为MIMO系统最小方差基准的估计提供了简单有效的方法,然而FCOR算法的提出是基于平稳噪声扰动条件下的。事实上,在实际工业过程的MIMO控制系统中,扰动噪声往往是非平稳的,而且每个干扰也是不尽相同的。本文将重点考虑由平稳信号和周期信号迭加产生的非平稳信号噪声作用下的多变量控制系统性能评价。对多变量系线性统来说,非平稳信号噪声作用下的系统实际输出也是非平稳的,本文首先采用差分法对非平稳输出序列进行平稳化处理,然后得到滤波输出并运用FCOR算法估计系统最小方差基准值。仿真结果表明,对平稳信号和各种参数下的周期信号迭加产生的非平稳干扰信号而言,在平稳化输出序列后采用FCOR算法估计得到的最小方差基准值是一致且准确的,因此对系统非平稳输出用差分法进行平稳化这一方法是有效的。本文首先介绍了控制系统性能评价的背景、意义、研究现状和相关知识。其次重点介绍随机性性能评价中的基于最小方差基准的性能评价的相关基础知识,基于最小方差基准的控制系统性能评价方法是本文主要分析方法。然后介绍了针对MIMO控制系统性能评价提出的基于最小方差性能评价的FCOR算法,包括FCOR算法流程、酉关联矩阵的估计、滤波输出和线性系统模型的建立等。最后,在MATLAB仿真平台下分析了在非平稳序列噪声作用下的多变量控制系统的性能评价。(本文来源于《厦门大学》期刊2014-06-30)
张庆跃[4](2014)在《基于最小方差基准的控制系统性能评价》一文中研究指出随着工业自动化水平的提高,如何利用实际运行的数据对系统的性能进行评价成为人们日益关心的问题。Harris最早提出利用最小方差基准来评价单输入单输出(SISO)系统的性能。对于SISO系统而言,最小方差基准的估计只需要知道实际运行数据和过程时延的知识,不需要附加额外的模型辨识实验。因此,基于最小方差基准的评价方法被广泛应于工业过程的性能评价中。在对象时延参数已知的情况下,利用系统的输入输出数据,采用滤波与相关性分析(FCOR)算法可以估计出SISO系统的最小方差性能基准。FCOR算法估计的过程直观简单、效率高,但值得注意的是FCOR算法主要是针对平稳信号建立的模型进行分析。由于干扰信号的复杂性与多变性,对于实际系统而言,干扰信号往往为非平稳时间序列导致输出信号是非平稳的,使得FCOR算法无法直接应用,因此,需要对非平稳输出信号进行平稳化处理,然后利用FCOR算法进行分析并最终获得最小方差基准值的估计。对于一般的控制系统,非平稳干扰信号对应于两种情况:其一是干扰信号为Random Walk,其模型为积分滑动平均模型;其二是干扰信号为平稳信号与周期信号的迭加。本文运用多次差分的方法,对上述两种非平稳干扰信号下的系统输出信号进行平稳化处理,并运用FCOR算法获得最小方差性能基准的估计值。对于干扰信号为不同频率和幅值的周期信号与平稳信号迭加的情况,通过仿真对比研究根据实际输出信号估计的方差值与平稳处理后利用FCOR算法估计的方差值,验证了根据差分平稳化处理后信号建立模型并利用FCOR算法估计出的方差值来评价系统性能的有效性。本文首先介绍了控制系统性能评价的方法,其中随机性方法中的基于最小方差基准的评价方法是本文研究的重点。其次,介绍了时间序列分析相关的知识。随后,在执行器有约束和无约束条件下,介绍了最小方差控制律的推导过程,在无约束最小方差控制下,给出了SISO系统性能评价的方法和步骤。最后,针对导致非平稳数据的两种原因分别给出了仿真算例并利用MATLAB平台仿真。(本文来源于《厦门大学》期刊2014-05-01)
张虹,徐滨,高健,庞健[5](2014)在《基于最小方差基准的励磁系统性能评估》一文中研究指出对同步发电机励磁系统性能评价一般通过阶跃响应方法,但该方法无法在线进行,为此提出了最小方差控制基准的性能评估方法。对系统设计最小方差控制器并作为系统控制性能上限,与系统实际性能进行比较而得到性能指标,并对该方法进行系统滤波和相关性分析FCOR(Filtering and Correlation Analysis)算法的改进,避免了Diophantine方程的展开运算。分析表明该评估方法只需利用同步发电机输出端电压数据,结合系统时滞d就可以得到励磁系统的性能指标。仿真结果表明该方法简化了计算过程,能够及时准确地在线评估励磁系统的控制性能。(本文来源于《电力系统保护与控制》期刊2014年08期)
郭建文,杜文莉,钱锋[6](2013)在《基于广义最小方差基准的系统控制器设计》一文中研究指出由控制系统性能评估中一种重要的评估方法———广义最小方差(GMV)引出基于GMV基准的系统控制器设计理论。该方法综合了系统误差信号与控制信号,既考虑了系统回路输出与参考信号的吻合程度,又考虑了控制作用的平稳性。误差权与控制权的合理设置是降低系统跟踪误差和确保系统稳定性的关键,文中详细阐述了两权的设置方法。通过仿真实例,依次有效验证了该方法在单回路系统、传统串级系统和并行串级系统中的运用,并与传统的PID控制律作了对比分析,验证了本文方法的优越性。(本文来源于《华东理工大学学报(自然科学版)》期刊2013年03期)
王志国[7](2013)在《基于最小方差基准的非线性系统控制性能评估研究》一文中研究指出控制性能评估技术(CPA)兴起于上世纪80年代末,是工业过程自动化领域一项重要的辅助管理技术。控制性能评估的主要目标是在尽量不影响当前控制系统正常运行的情况下,对控制器的性能做出评价,得出其与理论最优的基准控制器的性能差距。进而,在控制性能不满足设计要求时,对造成性能不良的原因进行诊断并给出改进决策。控制性能评估技术在维护自动化系统安全高效运行中发挥了积极作用,其主要应用于石油化工、水处理、发酵及制药等工业过程领域。控制性能评估技术在理论研究和工程应用中都已取得许多成果。但作为一门综合技术,现有研究还远未覆盖控制性能评估技术的全部阶段,即使作为研究最多的性能基准选择和评估方面,分析对象也主要限于线性系统,非线性系统性能评估因其复杂性致使研究成果甚少。针对此问题,在最小方差性能基准框架下,本文结合当前控制性能评估技术的发展现状,分别在以下几个方面展开研究:(1)提出一种切换结构的最小方差控制性能评估策略。考虑到许多实际工业过程运行初期表现为线性系统,但随时间推移可能因外部因素影响使其出现非线性特征。传统性能评估技术实施中一般忽略该类变化而直接使用线性评估方法,评估结果存在偏差。对一类特定结构的非线性系统,在进行控制性能评估之前首先使用基于高阶统计量的方法进行非线性检测分析,如检测结果为线性,采用线性评估方法,否则,采用非线性评估方法。通过使用多项式级数近似非线性环节,将最小方差控制性能下限的估计问题转换为最小二乘辨识问题,在系统辨识的同时实现对非线性系统的控制性能评估。(2)将方差分析技术用于非线性系统的控制性能评估,首先提出一类特定结构的SISO非线性系统的最小方差控制性能评估方法,进而扩展到非线性前馈/反馈控制系统。针对一类结构为非线性过程模型迭加线性(部分非线性)干扰模型的SISO非线性系统,分析了其最小方差控制性能下限的表达形式,并指出此性能下限和非线性系统的b个超前干扰驱动源直接相关。通过正交最小二乘辨识方法获得系统闭环模型,在此基础上由方差分解公式计算得到非线性系统的最小方差控制性能指标。进一步,文章证明了两种不同结构的非线性前馈/反馈控制系统最小方差性能下限的存在性,分析了方差分析技术用于其控制性能评估研究的可行性,并结合迭代正交最小二乘辨识方法实现对非线性前馈/反馈控制系统进行性能评估。最后通过一研究实例验证了该方法的有效性。(3)针对现有非线性系统广义最小方差(NGMV)控制性能评估方法的不足,提出一种改进的性能评估指标。最小方差控制器因其输出过于激烈以及鲁棒性差而难以实际运用,广义最小方差控制器通过误差权和控制权参数的引入可对控制量幅值进行限制。现有对NGMV控制系统进行性能评估直接使用线性方法,其理论前提是NGMV控制器作用下的系统闭环输出可退化为一个线性移动平均过程。但作为动态系统,此理论前提很容易受模型变化或外部干扰等因素影响而被破坏,导致评估结果存在误差或完全不具有指导意义。文章在方差分析技术的基础上,分析广义最小方差控制作用下的非线性系统闭环输出方差的组成结构,提出一种基于方差分解的NGMV性能评估方法,仿真研究证明了其有效性。(本文来源于《江南大学》期刊2013-06-01)
张志[8](2013)在《基于最小方差基准的非线性控制系统性能评估研究》一文中研究指出近年来,控制系统性能评估技术越来越成为过程控制领域中备受关注的研究方向之一。由于工业过程本质上是非线性的,采用传统的基于线性系统的性能评估方法,对非线性控制系统进行评估难以获得合理的评估效果。目前,关于非线性控制系统性能评估方法的研究已发展成为过程控制的研究热点。非线性控制系统性能评估的关键问题是,针对控制系统建立相应的控制性能基准以及解决白噪声估计问题,从而建立基于过程数据的性能评估方法。通常,工业控制系统中的设备/过程、执行器(阀门、泵等)存在各种非线性。动态过程非线性和阀门非线性,常表现为可微非线性。具有静态特性的阀门摩擦非线性,则表现为非可微非线性。本论文针对此非线性控制系统,研究了基于最小方差基准的控制系统性能评估方法。主要工作内容如下:(1)考虑控制系统中存在过程非线性和阀门非线性的情况,其中不存在阀门摩擦。本文提出了基于简化Kolmogorov-Gabor多项式模型的最小方差性能基准存在条件,以及最小方差性能基准,建立了基于动态主元分析的白噪声估计方法,和多项式非线性控制系统性能评估方法。仿真例子验证了该评估方法的有效性。(2)考虑控制系统中存在过程非线性和阀门摩擦非线性的情况。本文提出了基于自激励阈值自回归模型的控制系统性能评估方法,用于直接估计最小方差性能基准和性能指标,同时还得到了检测非线性的方法。仿真例子和工业应用验证了该评估方法的有效性。(3)考虑控制系统中仅存在过程非线性的情况。本文提出了基于模糊Takagi-Sugeno模型的最小方差性能基准,建立了基于参数时变自回归模型的白噪声估计方法,推广线性控制系统性能评估方法至非线性控制系统。仿真例子验证了该评估方法的有效性。(4)综合考虑上述几类非线性控制系统性能评估方法,本文在张量空间上提出了关于控制系统性能评估的新问题。利用高阶奇异值分解,推广基于最小方差基准的控制系统性能评估方法至更复杂的非线性控制系统。仿真例子验证了所提方法的有效性。(本文来源于《上海交通大学》期刊2013-01-01)
郭建文[9](2012)在《基于改进广义最小方差基准的串级控制系统性能评估》一文中研究指出工业过程中的很多控制系统在实际运行时都存在性能缺陷,若没有定期的维护,控制系统的性能会随着时间的推移而退化,甚至会造成巨大的经济损失。本文针对过程控制系统中两种广泛使用的串级控制结构—常规串级系统(SCC, series cascade control)和并行串级系统(PCC, parallel cascade control),基于最小方差(MV, minimum variance benchmarking)基准及广义最小方差(GMV, generalized minimum variance benchmarking)基准,重点分析了这两种系统的性能评价方法。自相关性分析技术通过比较系统运行数据中现在与过去测量值的关联性,来表示系统的工作特性及扰动对系统性能的影响。基于MV基准,本文提出了自相关性分析在串级系统性能评估中的应用,并阐明了其在检测系统振荡特性中的重要意义。针对GMV基准下的常规串级系统的性能评价方法,前期研究者过于追求广义输出方差最小,而忽略了系统回路实际输出方差的大小,造成系统回路输出很不理想。在此基础上,提出改进的基于GMV和MV基准的串级系统的性能评价方法,并通过仿真实例进行验证,达到了较好的评价效果。对于并行串级系统,通过分析该系统的特点,提出了基于最小方差基准的改进的性能评价方法,这种方法不需要系统运行数据,只需通过丢潘图分解就能求得优化控制器,进而求得性能评价的基准值。鉴于基于GMV基准的性能评价方法更能有效地评价系统性能,本文还将广义形式推广到并行串级系统,提出了并行串级系统的广义最小方差性能评价方法,仿真效果证实所提出的方法是优良的。(本文来源于《华东理工大学》期刊2012-11-22)
史亚杰,田学民,王平[10](2012)在《基于约束最小方差基准的模型预测控制性能评价方法》一文中研究指出考虑到实际工业过程中存在各种约束,基于模型预测最小方差控制器的设计原理,提出了一种带约束模型预测控制(MPC)性能评价方法。最小方差控制器的最优预测输出采用控制增量进行预测,目标函数采用最优预测输出和控制增量加权的二次型形式,通过求解二次规划(QP)问题获取最优控制律。该方法不仅考虑了控制输入和输出约束,而且考虑了控制增量约束,因此能够更真实地反映模型预测控制系统的性能。在Wood-Berry二元精馏塔上的仿真研究验证了该方法的有效性。(本文来源于《青岛科技大学学报(自然科学版)》期刊2012年05期)
最小方差基准论文开题报告
(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:
最小方差控制器输出波动激烈且鲁棒性差,难以实际应用,以最小方差控制器作用下的输出方差作为控制性能评估基准具有一定价值,但存在局限.针对一类非线性系统,提出一种新的基于广义最小方差基准的控制性能评估指标.首先,设计非线性系统的广义最小方差控制器,并在此基础上分析广义最小方差的组成.进而,方差分析方法被引入性能下限的估计运算,在辨识获得非线性系统闭环模型后,使用蒙特卡罗实验法估计得到控制性能指标.最后,所提方法在一仿真实例上进行了验证,结果显示其相比传统方法更有效.
(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。
最小方差基准论文参考文献
[1].林志滨.基于最小方差基准的控制系统性能评价[D].厦门大学.2017
[2].王志国,刘飞.基于广义最小方差基准的非线性系统控制性能评估[C].第25届中国过程控制会议论文集.2014
[3].周帝.基于最小方差基准的MIMO控制系统性能评价[D].厦门大学.2014
[4].张庆跃.基于最小方差基准的控制系统性能评价[D].厦门大学.2014
[5].张虹,徐滨,高健,庞健.基于最小方差基准的励磁系统性能评估[J].电力系统保护与控制.2014
[6].郭建文,杜文莉,钱锋.基于广义最小方差基准的系统控制器设计[J].华东理工大学学报(自然科学版).2013
[7].王志国.基于最小方差基准的非线性系统控制性能评估研究[D].江南大学.2013
[8].张志.基于最小方差基准的非线性控制系统性能评估研究[D].上海交通大学.2013
[9].郭建文.基于改进广义最小方差基准的串级控制系统性能评估[D].华东理工大学.2012
[10].史亚杰,田学民,王平.基于约束最小方差基准的模型预测控制性能评价方法[J].青岛科技大学学报(自然科学版).2012