项目名称: 基于SVM的复杂工业过程自适应解耦控制理论及其应用

项目编号: No.61174101

项目类型: 面上项目

立项/批准年度: 2012

项目学科: 自动化技术、计算机技术

项目作者: 刘涵

作者单位: 西安理工大学

项目金额: 54万元

中文摘要: 本项目主要研究基于SVM的复杂工业过程自适应解耦控制的理论及工程应用方法。本项目通过自适应解耦系统的稳定性和鲁棒性分析设计闭环控制器,建立基于SVM的多变量系统自适应解耦控制的基本理论与系统设计方法,并将其应用于解决大型超临界循环流化床锅炉燃烧系统的自动控制问题。本项目通过着重解决和实现自适应解耦系统的稳定性和鲁棒性分析、基于递增和递减方法的在线SVM回归算法、多输入多输出SVM回归算法以及SVM辨识与控制方法的硬件平台实现等关键理论问题,建立物理概念清晰、操作性强的基于SVM的逆系统自适应解耦控制理论,探索其实现方法与手段,对丰富多变量逆系统自适应解耦控制理论,完善大型超临界循环流化床锅炉燃烧系统控制技术,提高锅炉燃烧效率以及节能减排,推广循环流化床这一新型煤洁净燃烧技术具有重要意义。

中文关键词: 循环流化床锅炉;支持向量机;解耦控制;预测控制;

英文摘要:

英文关键词: circulating fluidized bed boiler;support vector machines;decoupling control;prediction control;

成为VIP会员查看完整内容
0

相关内容

Kyoto大学Toshiyuki:快速复杂控制系统的实时优化,133页ppt
专知会员服务
29+阅读 · 2021年10月17日
专知会员服务
97+阅读 · 2021年6月23日
专知会员服务
44+阅读 · 2021年5月24日
专知会员服务
133+阅读 · 2021年2月17日
专知会员服务
34+阅读 · 2020年11月26日
专知会员服务
28+阅读 · 2020年11月4日
【KDD2020】自适应多通道图卷积神经网络
专知会员服务
119+阅读 · 2020年7月9日
【UCLA】基于深度神经网络的工业大模型预测控制,36页ppt
【APC】先进过程控制系统(APC: Advanced Process Control)
产业智能官
62+阅读 · 2020年7月12日
【PHM算法】PHM算法 | 故障诊断建模方法
产业智能官
66+阅读 · 2020年3月16日
基于数据的分布式鲁棒优化算法及其应用【附PPT与视频资料】
人工智能前沿讲习班
26+阅读 · 2018年12月13日
一文看懂常用特征工程方法
AI研习社
17+阅读 · 2018年5月2日
【直观详解】支持向量机SVM
机器学习研究会
18+阅读 · 2017年11月8日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2010年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Table Enrichment System for Machine Learning
Arxiv
0+阅读 · 2022年4月18日
Arxiv
19+阅读 · 2020年7月21日
Arxiv
26+阅读 · 2018年8月19日
小贴士
相关VIP内容
Kyoto大学Toshiyuki:快速复杂控制系统的实时优化,133页ppt
专知会员服务
29+阅读 · 2021年10月17日
专知会员服务
97+阅读 · 2021年6月23日
专知会员服务
44+阅读 · 2021年5月24日
专知会员服务
133+阅读 · 2021年2月17日
专知会员服务
34+阅读 · 2020年11月26日
专知会员服务
28+阅读 · 2020年11月4日
【KDD2020】自适应多通道图卷积神经网络
专知会员服务
119+阅读 · 2020年7月9日
【UCLA】基于深度神经网络的工业大模型预测控制,36页ppt
相关资讯
【APC】先进过程控制系统(APC: Advanced Process Control)
产业智能官
62+阅读 · 2020年7月12日
【PHM算法】PHM算法 | 故障诊断建模方法
产业智能官
66+阅读 · 2020年3月16日
基于数据的分布式鲁棒优化算法及其应用【附PPT与视频资料】
人工智能前沿讲习班
26+阅读 · 2018年12月13日
一文看懂常用特征工程方法
AI研习社
17+阅读 · 2018年5月2日
【直观详解】支持向量机SVM
机器学习研究会
18+阅读 · 2017年11月8日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2010年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员