先進(jìn)控制與在線(xiàn)優(yōu)化技術(shù)及其應(yīng)用

出版說(shuō)明
前言
第1章 概述
1.1 建模的目的和基本方法
1.2 小波分析及其應(yīng)用
1.3 統(tǒng)計(jì)過(guò)程控制
1.3.1 相關(guān)分析和回歸分析
1.3.2 主元分析法
1.3.3 部分最小二乘法
1.3.4 多變量統(tǒng)計(jì)過(guò)程控制
1.4 軟測(cè)量技術(shù)
1.5 建模與系統(tǒng)辨識(shí)
1.6 人工神經(jīng)網(wǎng)絡(luò)及其應(yīng)用
1.7 先進(jìn)過(guò)程控制
1.7.1 先進(jìn)過(guò)程控制的特點(diǎn)
1.7.2 先進(jìn)控制的發(fā)展現(xiàn)狀
1.7.3 先進(jìn)控制的核心內(nèi)容
1.7.4 先進(jìn)控制軟件的產(chǎn)業(yè)化
1.7.5 先進(jìn)控制的實(shí)施
1.7.6 先進(jìn)控制工程化方法
1.7.7 需深入研究的問(wèn)題
1.8 在線(xiàn)優(yōu)化
參考文獻(xiàn)
第2章 小波算法用于數(shù)據(jù)處理
2.1 傅里葉變換
2.2 小波變換
2.2.1 函數(shù)空間和廣義空間
2.2.2 小波變換原理
2.2.3 傅里葉變換、短時(shí)傅里葉變換和小波變換的比較
2.3 一維連續(xù)小波變換
2.4 高維連續(xù)小波變換
2.5 一維離散小波變換
2.5.1 離散小波變換
2.5.2 二進(jìn)制小波變換
2.6 多分辨分析
2.7 一維Mallat算法
2.8 提升小波變換
2.9 幾種常用的小波基函數(shù)
2.9.1 Haar小波函數(shù)
2.9.2 MexicanHat（mexh）小波函數(shù)
2.9.3 Daubechies小波函數(shù)系
2.9.4 Biorthogonal小波函數(shù)系
2.9.5 Symlets小波函數(shù)系
2.9.6 Morlet小波
2.9.7 Meyer小波
2.1 0小波分析在信號(hào)處理中的應(yīng)用
2.1 0.1 仿真信號(hào)
2.1 0.2 一維連續(xù)小波分析
2.1 0.3 一維離散小波分析
2.1 0.4 用小波分析進(jìn)行信號(hào)的消噪
2.1 0.5 小波濾波的在線(xiàn)實(shí)現(xiàn)
2.1 0.6 用小波分析進(jìn)行信號(hào)的奇異性檢測(cè)
2.1 0.7 用小波分析進(jìn)行信號(hào)的壓縮
2.1 0.8 用小波分析進(jìn)行信號(hào)的發(fā)展趨勢(shì)識(shí)別
2.1 0.9 用小波分析進(jìn)行信號(hào)的抑制與衰減
2.1 0.1 0用小波分析進(jìn)行某頻率區(qū)間信號(hào)的識(shí)別
2.1 0.1 1用小波分析進(jìn)行信號(hào)的自相似性檢測(cè)
2.1 0.1 2結(jié)論
思考題與習(xí)題
參考文獻(xiàn)
第3章 多變量統(tǒng)計(jì)建模方法及其在軟測(cè)量和統(tǒng)計(jì)過(guò)程控制中的應(yīng)用
3.1 相關(guān)分析
3.1.1 相關(guān)系數(shù)計(jì)算公式
3.1.2 處理結(jié)果
3.1.3 相關(guān)系數(shù)結(jié)果分析
3.2 多元統(tǒng)計(jì)回歸分析
3.2.1 多元線(xiàn)性回歸算法
3.2.2 F檢驗(yàn)和t檢驗(yàn)
3.2.3 線(xiàn)性化
3.2.4 多元線(xiàn)性回歸方法
3.2.5 噴射塔中S02吸收傳質(zhì)系數(shù)的軟測(cè)量
3.2.6 多元逐步回歸
3.2.7 多元逐步回歸方法計(jì)算步驟
3.3 主元分析法
3.3.1 概述
3.3.2 主元分析方法
3.3.3 NIPALS方法
3.3.4 主元回歸方法
3.3.5 多尺度主元分析
3.3.6 遞推PCA
3.4 部分最小二乘法
3.4.1 部分最小二乘回歸法
3.4.2 部分最小二乘回歸的計(jì)算方法
3.4.3 部分最小二乘遞推算法
3.5 4種建模方法的比較
3.6 多變量統(tǒng)計(jì)過(guò)程監(jiān)控
3.6.1 單變量統(tǒng)計(jì)過(guò)程控制
3.6.2 多變量統(tǒng)計(jì)過(guò)程監(jiān)控方法
3.6.3 基于多尺度主元分析的多元統(tǒng)計(jì)過(guò)程監(jiān)控
3.6.4 基于遞推PCA的多元統(tǒng)計(jì)過(guò)程監(jiān)控
3.6.5 基于多PCA模型的多元統(tǒng)計(jì)過(guò)程監(jiān)控
思考題和習(xí)題
參考文獻(xiàn)
第4章 魯棒內(nèi)?？刂萍捌鋺?yīng)用
4.1 概述
4.1.1 魯棒控制
4.1.2 內(nèi)?？刂?br />4.1.3 IMC.PID控制
4.2 魯棒控制
4.2.1 控制系統(tǒng)的魯棒性
4.2.2 SISO系統(tǒng)的魯棒控制所需的系統(tǒng)信息
4.2.3 標(biāo)稱(chēng)性能
4.2.4 魯棒穩(wěn)定性
4.2.5 魯棒性能
4.3 內(nèi)?？刂?br />4.3.1 SISO穩(wěn)定系統(tǒng)的內(nèi)?？刂平Y(jié)構(gòu)
4.3.2 IMC：控制器的性能
4.3.3 SISO穩(wěn)定系統(tǒng)1MC控制器的設(shè)計(jì)
4.4 模型不確定性界和控制系統(tǒng)魯棒性能的研究
4.4.1 使用范數(shù)有界方法
4.4.2 使用精確不確定性
4.4.3 使用范數(shù)有界方法二
4.4.4 使用一階Pade近似純滯后計(jì)算模型不確定性界的方法
4.4.5 比較討論以上4種設(shè)計(jì)方法
4.4.6 預(yù)測(cè)控制算法本質(zhì)上都屬于IMC結(jié)構(gòu)
4.5 IMC.PID控制
4.5.1 IMC.PID控制器的設(shè)計(jì)
4.5.2 IMC.PID控制器參數(shù)設(shè)計(jì)
4.6 IMC.PID軟件包
4.6.1 IMC.PID軟件包體系結(jié)構(gòu)
4.6.2 IMC.PID軟件包所采用的技術(shù)
4.6.3 實(shí)施IMC.PID前后的運(yùn)行曲線(xiàn)
4.7 多變量系統(tǒng)解耦內(nèi)模控制
4.7.1 多變量?jī)?nèi)?？刂萍癗LJ隨機(jī)搜索算法
4.7.2 NLJ隨機(jī)搜索算法
4.7.3 多變量系統(tǒng)解耦內(nèi)?？刂圃O(shè)計(jì)及應(yīng)用
4.7.4 仿真
4.7.5 結(jié)論
4.8 模型PID控制
4.8.1 模型PID控制概述
4.8.2 過(guò)程模型的閉環(huán)辨識(shí)
4.8.3 過(guò)渡過(guò)程衰減比的新要求和超調(diào)量的約束條件
4.8.4 閉環(huán)系統(tǒng)控制器P1D參數(shù)設(shè)計(jì)
4.8.5 現(xiàn)場(chǎng)應(yīng)用示例
思考題與習(xí)題
參考文獻(xiàn)
第5章 預(yù)測(cè)控制
第6章 人工神經(jīng)網(wǎng)絡(luò)理論及其在軟測(cè)量中的應(yīng)用
第7章 模糊控制理論與應(yīng)用
第8章 遺傳算法及其工程應(yīng)用
第9章 計(jì)算機(jī)監(jiān)控系統(tǒng)和在線(xiàn)優(yōu)化控制
第10章 群集智能優(yōu)化算法及其應(yīng)用
附錄