化工过程动态监控中的RBF神经网络方法研究

通过分析测量数据预测过程发展趋势，进而对过程实行监控，早已成为国内外学者所关心的热点课题．根据 ＲＢＦ神经网络训练速度快的特点，提出将其用于化工过程的动态监控．第一级网络用于预测未来一时间段内的有关状态量，第二级网络根据预测结果判断是否将会发生事故．为了在有限样本条件下取得较可靠的监控效果，提出了改进ＲＢＦ神经网络插值性能的措施，并提出对第二级网络输出结果进行变换以准确确定事故可能性的方法，以上方法被用于蒸馏塔开工过程的动态监控，结果令人满意．     

任意开关电容网络的Coates图分析

本文提出了一种分析开关电容网络的新方法,该分析方法使得开关电容网络(SCN)在z域等效电路所需元件减少;利用z域的电压控制电荷源(VCQS),进而应用Coates图及增益公式,即可十分方便地求出其传递函数,该法适用于任意的SCN等效电路,文中对两个实例进行了分析,事实证明该法简便、有效、速度快。     

基于即时学习算法的软测量建模方法

针对工业过程中存在许多难以直接测量变量的问题,提出1种基于即时学习算法的软测量建模方法.提出k-矢量近邻方法建立系统的当前工况点的建模邻域,以提高即时学习算法的预测能力,利用递归最小二乘算法简化建模的在线计算量,通过PRESS估算得到算法的最优解,优化了算法,应用该算法对某一化工厂产品的酯化率进行测量建模,预测得到的最大相对误差为0.8742%,证明该方法的泛化性能良好,满足实际测量的精度要求,是1种便于理解,易于实现的软测量方法.     

不满足匹配条件的不确定广义系统的鲁棒镇定

研究了不确定连续线性广义系统的鲁棒稳定和鲁棒镇定问题,针对不确定是模有界、时不变且可不满足匹配条件的不确定连续线性广义系统,应用线性矩阵不等式（LMI）方法得到了不确定连续线性广义系统鲁棒稳定性的充分条件和不确定连续线性广义系统鲁棒镇定的充分条件,它们是一组线性矩阵不等式;在此基础上,给出了状态反馈鲁棒控制器的设计方法;最后举例说明了该方法的应用．     

基于线性矩阵不等式的时滞广义系统的稳定性与镇定

研究了时滞广义系统的稳定与镇定问题。利用广义二次稳定和广义二次镇定的概念,应用线性矩阵不等式方法分别给出了时滞广义系统广义二次稳定和广义二次镇定的充要条件,它们都是一严格的线性矩阵不等式,同时给出了相应的控制器表达式。最后,举例说明了给出方法的应用。