第1章 绪论 1
1.1控制理论与工程的发展 1
1.2过程控制技术的发展、现状与展望 5
1.3过程控制系统概述 8
1.3.1系统结构 8
1.3.2系统特点 10
1.3.3系统分类 11
1.4过程控制系统的性能指标 11
1.5先进过程控制 13
第2章 过程控制系统建模 17
2.1过程模型概述 17
2.1.1过程数学模型的表达形式 17
2.1.2过程建模的目的与要求 18
2.1.3过程模型的特点 18
2.1.4过程特性参数 19
2.2过程模型类型 21
2.3过程建模基础 24
2.3.1过程建模法分类 24
2.3.2响应曲线法建模 26
2.4单容过程模型 27
2.4.1自衡单容过程 28
2.4.2无自衡单容过程 30
2.5多容过程模型 30
2.5.1无相互影响的双容过程 31
2.5.2有相互影响的双容过程 33
2.6阶跃响应曲线方法建模 35
第3章 常用复杂控制系统 37
3.1串级控制系统 37
3.1.1串级控制系统的结构 37
3.1.2串级控制系统的特点 39
3.1.3串级控制系统的设计 40
3.2比值控制系统 42
3.2.1比值控制系统的结构 43
3.2.2比值控制系统的实施方案 45
3.2.3比值控制系统的投运与参数整定 46
3.3均匀控制系统 47
3.3.1均匀控制系统的结构 48
3.3.2均匀控制系统的特点 48
3.3.3均匀控制规律与参数整定 49
3.4前馈控制系统 50
3.4.1前馈控制的基本原理 50
3.4.2前馈控制系统的特点 51
3.4.3前馈控制系统的结构 51
3.5选择性控制系统 54
3.5.1选择性控制系统的类型 54
3.5.2积分饱和及其防止 56
第4章 解耦控制系统 57
4.1系统的关联分析 57
4.1.1解耦控制系统概述 57
4.1.2关联分析 58
4.2相对增益 60
4.2.1相对增益的定义 60
4.2.2求取相对增益的方法 61
4.2.3相对增益的性质 65
4.2.4动态相对增益 67
4.3减少与解除耦合的途径 69
4.4静态解耦和动态解耦 71
4.5解耦控制系统的设计 75
4.6仿真实例 79
第5章 补偿控制系统的设计 90
5.1纯滞后系统概述 90
5.2纯滞后对控制质量的影响 91
5.3补偿控制的基本原理与结构 93
5.4改进型常规控制方案 94
5.5史密斯预估补偿控制 96
5.6改进的史密斯预估控制 99
5.6.1增益自适应补偿方案 99
5.6.2大纯滞后过程的双控制器 101
5.7史密斯预估器与高级控制算法的结合 103
5.7.1单神经元-史密斯预估控制 103
5.7.2模糊-史密斯预估控制 105
5.8观测补偿器控制 107
5.8.1基本原理和结构 107
5.8.2观测补偿器控制方案 108
5.9仿真实例 111
5.9.1史密斯预估补偿控制系统的仿真 111
5.9.2增益自适应补偿控制系统的仿真 114
5.9.3双控制器补偿控制系统的仿真 117
第6章 预测控制 120
6.1引言 120
6.2预测控制的基本原理 123
6.3预测控制算法 125
6.3.1动态矩阵控制 125
6.3.2模型算法控制 130
6.3.3广义预测控制 133
6.3.4仿真实例 138
第7章 自适应控制和鲁棒控制 142
7.1简单自适应控制系统 142
7.1.1自适应控制概述 142
7.1.2自适应控制的基本原理和类型 142
7.1.3自适应控制的应用概况 144
7.2模型参考型自适应控制系统 149
7.2.1引言 149
7.2.2模型参考自适应控制系统的数学描述 150
7.2.3模型参考自适应系统的设计 155
7.3自校正控制系统 163
7.3.1自校正控制基本概念 163
7.3.2最小方差自校正调节器 164
7.3.3极点配置自校正控制器 170
7.4鲁棒控制 171
7.4.1引言 171
7.4.2不确定性描述与鲁棒性分析 172
7.4.3对象的不确定模型 173
7.4.4鲁棒稳定性 175
7.4.5鲁棒性能 176
第8章 软测量技术 179
8.1软测量技术概论 179
8.1.1软测量的辅助变量的选择 180
8.1.2软测量的数据选择与处理 181
8.1.3软测量的模型辨识与验证 182
8.2最小二乘建模 185
8.2.1最小二乘法 185
8.2.2最小二乘模型 185
8.2.3最小二乘法的解 186
8.3多元线性回归 188
8.3.1多元线性回归模型 188
8.3.2回归参数的最小二乘估计 189
8.3.3多元线性回归模型的统计检验 190
8.4多元逐步回归法 192
8.4.1变量选择问题 192
8.4.2多元逐步回归方法的计算步骤 193
8.5主元分析方法 194
8.5.1主元分析 194
8.5.2主元分析的基本思想 195
8.5.3主元分析的一般数学模型 196
8.5.4主元分析的推导 197
8.5.5主元分析的计算步骤 198
8.5.6主元分析方法 199
8.5.7 NIPALS方法 200
8.5.8主元的主要性质 200
8.5.9软测量中应用主元回归方法 201
8.6支持向量机及在软测量中的应用 202
8.6.1统计学习理论和支持向量机 202
8.6.2最小二乘支持向量算法 206
8.7人工神经网络及在软测量中的应用 208
8.7.1神经元软测量技术的改进 208
8.7.2基于神经网络的软测量 210
第9章 神经网络控制 212
9.1概述 212
9.2神经网络控制的设计与实现 221
9.2.1神经网络控制的设计 221
9.2.2神经网络控制的实现 222
9.3神经PID控制 230
9.3.1神经PID控制的结构 230
9.3.2神经PID控制的设计 232
9.4神经自校正控制 244
9.4.1神经自校正控制的结构 246
9.4.2神经自校正控制的设计 247
9.5神经模型参考自适应控制 251
9.5.1神经模型参考自适应控制的结构 251
9.5.2神经模型参考自适应控制的设计 252
9.6神经控制技术的应用及存在的问题 256
参考文献 261