非高斯工业过程随机分布控制与优化

控制科学与工程 计算机科学和信号处理 非高斯工业过程随机分布控制

许多实际工业过程具有明显的非高斯随机动态特性，使衡量产品质量、生产效率和能耗等的运行指标并不满足高斯假设，传统基于运行指标均值和方差的控制与优化方法难以获得满意的控制和优化效果。本书总结了笔者研究团队近年来在非高斯工业过程控制与优化方面的研究成果，主要包括基于几何分析双闭环选代学习控制的非高斯工业过程随机分布控制、基于数据驱动预测PDF控制的非高斯工业过程随机分布控制、基于多目标非线性预测控制的非高斯工业过程随机分布控制和基于目标函数分布形状的非高斯工业过程概率约束随机优化等方面的内容。本书可作为高等学校控制科学与工程、计算机科学和信号处理等专业的教学参考书，也可供从事相关专业教学和科研工作的高校老师和工程技术人员学习参考。

李明杰，男，1988年生，河南商水人，现为太原科技大学电子信息工程学院控制科学与工程专业特聘教授，2019年获得东北大学工学博士学位，2019-2022年在东北大学计算机科学与工程学院从事博士后研究工作。主要从事复杂工业过程建模、控制与优化、非高斯随机分布控制理论与应用研究工作，目前主持和参与国家自然基金和省部级等项目10余项，申请授权国内外发明专利10余项。

第1章 绪论 1
1.1 引言 1
1.2 非高斯随机分布系统及研究现状 3
1.2.1 非高斯随机分布系统描述 3
1.2.2 随机分布控制理论研究现状 6
1.3 随机分布控制在复杂工业过程中的应用研究进展 8
1.4 本书主要内容 10
参考文献 12
第2章 非高斯随机分布控制基础 18
2.1 引言 18
2.2 非高斯随机分布系统建模机理 19
2.2.1 B样条神经网络 19
2.2.2 B样条模型建模机理 20
2.3 常见的B样条模型 21
2.3.1 线性B样条模型 21
2.3.2 平方根B样条模型 22
2.3.3 有理B样条模型 23
2.3.4 有理平方根B样条模型 24
2.4 RBF样条模型 25
2.5 基于样条模型的随机分布控制 25
参考文献 26
第3章 基于几何分析双闭环迭代学习控制的非高斯工业过程随机
分布控制 29
3.1 引言 29
3.2 基于双闭环ILC的随机分布控制策略 30
3.3 随机分布系统输出PDF建模 32
3.3.1 均方根PDF模型及权值计算 32
3.3.2 基于线性子空间的权值向量模型参数辨识 34
3.3.3 基于迭代学习机制的基函数参数更新 35
3.3.4 收敛性分析 36
3.4 基于几何分析ILC的输出PDF控制算法 37
3.5 仿真实验 41
3.5.1 造纸制浆过程动态分析 42
3.5.2 输出PDF建模效果 43
3.5.3 输出PDF控制效果 45
3.6 本章小结 47
参考文献 48
第4章 基于数据驱动预测PDF控制的非高斯工业过程随机
分布控制 50
4.1 引言 50
4.2 基于数据驱动预测PDF控制的随机分布控制策略 51
4.3 数据驱动预测PDF控制算法 54
4.3.1 基于RVFLN权值向量建模算法 54
4.3.2 预测PDF控制算法 55
4.4 稳定性分析 58
4.5 仿真实验 64
4.5.1 输出PDF建模效果 64
4.5.2 输出PDF控制效果 67
4.6 本章小结 69
参考文献 70
第5章 基于多目标非线性预测控制的非高斯工业过程随机
分布控制 73
5.1 引言 73
5.2 非高斯工业过程多目标非线性控制策略 74
5.3 动态混合指标建模算法 75
5.3.1 线性输出PDF模型 75
5.3.2 基于RVFLN的动态混合建模算法 76
5.3.3 RBF基函数参数迭代整定算法 77
5.3.4 基于多目标非线性预测的随机分布控制算法 78
5.4 稳定性分析 81
5.5 仿真实验 86
5.5.1 动态混合指标建模效果 86
5.5.2 多目标非线性优化控制效果 88
5.6 本章小结 91
参考文献 92
第6章 基于目标函数分布形状的非高斯工业过程概率约束
随机优化 94
6.1 引言 94
6.2 非高斯工业过程随机优化问题描述 96
6.3 基于目标函数分布形状的概率约束随机优化 98
6.3.1 目标函数分布形状的核密度估计 98
6.3.2 基于目标函数分布形状的概率约束随机优化 100
6.4 所提算法很优解的充要条件 102
6.5 仿真实验 103
6.5.1 高炉炼铁工业工艺简介 103
6.5.2 高炉炼铁过程运行优化 104
6.5.3 实验结果分析 106
6.6 本章小结 110
参考文献 110