双线性工业过程稳态模型辨识新方法

针对双线性模型描述的工业过程的优化控制的稳态模型建立须在人为干扰很小的条件下进行,提出了利用优化过程中设定点的阶跃信号作为输入信息,在Fi为可逆矩阵的假设下,获取其稳态模型的辨识方法。该方法新颖、简洁、精度高、对生产过程干扰少,仿真结果显示了方法的有效性和实用性。     

大工业过程稳态模型的分散辨识

针对大工业过程，利用优化过程中设定点的阶跃信号。采用分散辨识的方法，获得了大工业过程的稳态模型，并给出了其可辨识的充分条件。同传统的辨识方法相比，该技术具有精度高、计算简单、信息传递量少以及对系统干扰小等特点其，仿真研究显示了分散辨识技术的有效性和实用性。     

非线性大工业过程稳态模型的强一致性分析

稳态优化问题就是依据过程的数学模型,在约束条件下,优化其目标函数,而实际的工业过程往往是呈非线性或慢时变性。针对动态非线性大工业过程, 提出了得到其可分稳态模型强一致性估计的分散辨识方法;利用多项式对非线性函数的无限逼近的性质和优化过程中设定点的阶跃信号作输入激励信号,获得了动态非线性大工业过程的可分稳态模型和可辨识的条件。     

双线性系统稳态模型的可辨识性分析

双线性模型描述的工业过程的稳态优化控制的稳态模型的建立,是利用优化过程中设定点的阶跃信号作为辨识的输入信息,以获取其稳态模型的强一致性估计,该辨识方法是在Fi为可逆的矩阵的假设下进行的,该文就Fi是否可逆进行了研究,并给出了双线性模型描述的系统可辨识的充分条件。