第1章 绪论 1
1.1 连续过程自动化的发展趋势 1
1.2 高等过程控制的地位和作用 2
1.3 本书内容安排 3
第2章 最优预测 5
2.1 概述 5
2.2 线性系统的动态最优预测 6
2.2.1 最优预测的显式算法 6
2.2.2 最优预测的隐式算法 10
2.2.3 多步预测 11
2.3 回归分析方法 13
2.3.1 引言 13
2.3.2 线性化回归 13
2.3.3 回归系数的显著性检验 16
2.3.4 逐步回归 17
2.4 部分最小二乘法 20
2.4.1 引言 20
2.4.2 主元分析与主元回归 21
2.4.3部分最小二乘法 25
2.5 数据处理分组方法 28
2.5.1 引言 28
2.5.2 基本的数据处理分组方法 29
2.5.3 改进的数据处理分组方法 32
参考文献 34
第3章 预测控制 35
3.1 概述 35
3.2 动态矩阵控制的基本原理 36
3.2.1 预测模型 36
3.2.2 输出预测 37
3.2.3 参考轨迹 39
3.2.4 性能指标 39
3.3 动态矩阵控不制的基本算法 39
3.3.1 单值预测 40
3.3.2 多值预测 41
3.3.3 多输入多输出系统的动态矩阵控制算法 43
3.4 动态矩阵控制的性能分析 46
3.5 模型算法控制 49
3.6 预测控制应用中的一些问题 51
3.6.1 控制回路结构 51
3.6.2 非最小相位系统的模型选择 53
3.6.3 多输入多输出情形 54
3.6.4 参数选择 54
3.7 广义预测控制 55
3.7.1 自回归积分滑支平均模型 56
3.7.2 丢番图方程的推计算 57
3.7.3 滚动优化 59
3.8 广义预测控制的基本特性和参数选择 62
3.8.1 广义预测控制的稳定性 62
3.8.2 广义预测控制的其他性能 64
3.8.3 参数选择 68
参考文献 68
第4章 多变量控制系统 70
4.1 概述 70
4.2 多变量系统的表示法 71
4.2.1 对象模型的内部描述法 71
4.2.2 对象模型的外部描述法 71
4.2.3 非参数模型 74
4.3 多变量系统的基本关系 75
4.3.1 传递函数矩阵的极点和零点 75
4.3.2 系统的极点和零点 76
4.3.3 系统的能控性和能观性 78
4.3.4 闭环系统的传递函数矩阵 80
4.4 相对增益阵列 81
4.4.1 多回路控制系统的互联 82
4.4.2 相对增阵列 84
4.5 极点配置问题 86
4.5.1 状态反馈极点配置 87
4.5.2 输出反馈极点配置 89
4.6 解耦控制 91
4.6.1 串联解耦 91
4.6.2 线性状态反馈解耦 92
4.6.3 线性输出反馈解耦 93
4.7 逆奈氏阵列方法 94
4.7.1 对角优势 95
4.7.2 稳定性定理 96
4.7.3 对角优势性的获取 98
4.7.4 前置补偿器的设计 99
4.7.5 闭环特性的估算 99
4.7.6 正奈氏阵列法 100
4.7.7 鲁棒对角优势 102
4.8 特征轨迹方法 103
4.8.1 传递函数矩阵的生气勃勃征分解和稳定性判剧 104
4.8.2 互联和失配角 104
4.8.3 近似可交换控制器 105
4.8.4 近似实生气勃勃征方向的求取 106
4.8.5 设计方法 107
参考文献 108
第5章 非线性控制系统的逆系统设计方法 109
5.1 概述 109
5.2 基本原理与设计方法 110
5.2.1 系统的逆 110
5.2.2 逆系统方法原理与单变量系统的设计 115
5.3 多变量系统的设计 117
5.3.1 多变量微分方系统的设计 117
5.3.2 一类多变量状态方程系统的设计 119
5.3.3 多变量伪线性系统综合 121
5.3.4 解耦与镇定 123
5.4 状态观测器设计 124
5.4.1 规范型观测器理论与设计 125
5.4.2 设计方法的某些推广 128
5.5 应用举例 129
参考文献 132
第6章 推理控制 133
6.1 推理控制系统的组成 133
6.1.1 问题的提出 133
6.1.2 推理控制系统的组成 134
6.1.3 推理控制器的设计 136
6.1.4 静态揄控制 137
6.2 模型误差对系统性能的影响 138
6.2.1 扰动通道模型误差的影响 138
6.2.2 控制通道模型误差的影响 138
6.2.3 推理-反馈控制系统 140
6.3 输出可测条件下的推理控制 141
6.3.1 系统组成 141
6.3.2 模型误差对系统性能的影响 142
6.3.3 自适应推理控制 143
6.3.4 预测推理控制 144
6.4 多变量推理控制 146
6.4.1 控制器的V规范型结构 147
6.4.2 V规范型控制器的设计 148
6.4.3 滤波阵的选择 154
6.5 应用举例 155
6.5.1 应用实例 155
6.5.2 二次输出量的选择 157
6.5.3 控制作用的限幅 157
参考文献 158
第7章 过程优化 159
7.1 概述 159
7.1.1 基本概念 159
7.1.2 实现过程优化的关键技术 160
7.2 过程建模 160
7.2.1 引言 160
7.2.2 数学模型的类型 161
7.2.3 稳态数学模型的建立 162
7.3 过程优化模型 166
7.3.1 目标函数 166
7.3.2 约束条件 167
7.3.3 优化模型的建立 168
7.4 优化算法 170
7.4.1 优化算法的选择 170
7.4.2 基于遗传算法的优化计算 170
7.5 过程优化控制 183
7.5.1 优化控制的功能结构 183
7.5.2 优化控制的实现 183
参考文献 187
第8章 动态系统故障诊断 188
8.1 基本概念 188
8.1.1 故障与故障诊断 188
8.1.2 故障与故障诊断的分类 189
8.1.3 故障诊断系统性能评价 189
8.2 基于状态估计的故障诊断方法 190
8.2.1 冗余信号的产生 190
8.2.2 故障检测与定位 191
8.2.3 仪表故障诊断实例 194
8.3 故障检测观测器 196
8.3.1 引言 196
8.3.2 故障检测观测器及其结构条件和鲁棒性条件 197
8.3.3 检测观测器组和诊断逻辑的设计 200
8.3.4 故障检测观测器的设计步骤 201
8.3.5 设计举例 203
8.4 基于时序分析的故障诊断方法 206
8.4.1 时序建模 206
8.4.2 判别函数 208
8.4.3 应用举例 213
8.5 基于时频分析的故障诊断方法 216
8.5.1 小波变换简介 216
8.5.2 利用观测信号的奇民性进行故障检测 218
8.5.3 利用观测信号频率结构的变化进行故障诊断 221
8.6 智能故障诊断方法 226
8.6.1 引言 226
8.6.2 人工神经元网络简介 227
8.6.3 基于递阶神经元网络的故障诊断 232
8.6.4 基于自适应神经元网络的故障诊断 234
8.7 大系统的故障诊断 240
8.7.1 重叠分解的概念 241
8.7.2 确定性大系统的重叠分解 242
8.7.3 基于重叠分解的大系统的故障诊断 244
参考文献 250
附录 252
附录A PLS算法的一些性质的证明 252
附录B 能观状态变量的确定 254
附录C 检测观测器一些结论的证明 257
附录D 辅助矩阵的确定 260