許多實際工業過程具有明顯的非高斯隨機動態特性，使衡量產品質量、生產效率和能耗等的運行指標并不滿足高斯假設，傳統基于運行指標均值和方差的控制與優化方法難以獲得滿意的控制和優化效果。本書總結了筆者研究團隊近年來在非高斯工業過程控制與優化方面的研究成果，主要包括基于幾何分析雙閉環迭代學習控制的非高斯工業過程隨機分布控制、基于數據驅動預測PDF控制的非高斯工業過程隨機分布控制、基于多目標非線性預測控制的非高斯工業過程隨機分布控制和基于目標函數分布形狀的非高斯工業過程概率約束隨機優化等方面的內容。
李明杰，男，1988年生，河南商水人，現為太原科技大學電子信息工程學院控制科學與工程專業特聘教授，2019年獲得東北大學工學博士學位，2019-2022年在東北大學計算機科學與工程學院從事博士后研究工作。主要從事復雜工業過程建模、控制與優化、非高斯隨機分布控制理論與應用研究工作，目前主持和參與國家自然基金和省部級等項目10余項，申請授權國內外發明專利10余項。
第1章 緒論 1
1.1 引言 1
1.2 非高斯隨機分布系統及研究現狀 3
1.2.1 非高斯隨機分布系統描述 3
1.2.2 隨機分布控制理論研究現狀 6
1.3 隨機分布控制在復雜工業過程中的應用研究進展 8
1.4 本書主要內容 10
參考文獻 12
第2章 非高斯隨機分布控制基礎 18
2.1 引言 18
2.2 非高斯隨機分布系統建模機理 19
2.2.1 B樣條神經網絡 19
2.2.2 B樣條模型建模機理 20
2.3 常見的B樣條模型 21
2.3.1 線性B樣條模型 21
2.3.2 平方根B樣條模型 22
2.3.3 有理B樣條模型 23
2.3.4 有理平方根B樣條模型 24
2.4 RBF樣條模型 25
2.5 基于樣條模型的隨機分布控制 25
參考文獻 26
第3章 基于幾何分析雙閉環迭代學習控制的非高斯工業過程隨機
分布控制 29
3.1 引言 29
3.2 基于雙閉環ILC的隨機分布控制策略 30
3.3 隨機分布系統輸出PDF建模 32
3.3.1 均方根PDF模型及權值計算 32
3.3.2 基于線性子空間的權值向量模型參數辨識 34
3.3.3 基于迭代學習機制的基函數參數更新 35
3.3.4 收斂性分析 36
3.4 基于幾何分析ILC的輸出PDF控制算法 37
3.5 仿真實驗 41
3.5.1 造紙制漿過程動態分析 42
3.5.2 輸出PDF建模效果 43
3.5.3 輸出PDF控制效果 45
3.6 本章小結 47
參考文獻 48
第4章 基于數據驅動預測PDF控制的非高斯工業過程隨機
分布控制 50
4.1 引言 50
4.2 基于數據驅動預測PDF控制的隨機分布控制策略 51
4.3 數據驅動預測PDF控制算法 54
4.3.1 基于RVFLN權值向量建模算法 54
4.3.2 預測PDF控制算法 55
4.4 穩定性分析 58
4.5 仿真實驗 64
4.5.1 輸出PDF建模效果 64
4.5.2 輸出PDF控制效果 67
4.6 本章小結 69
參考文獻 70
第5章 基于多目標非線性預測控制的非高斯工業過程隨機
分布控制 73
5.1 引言 73
5.2 非高斯工業過程多目標非線性控制策略 74
5.3 動態混合指標建模算法 75
5.3.1 線性輸出PDF模型 75
5.3.2 基于RVFLN的動態混合建模算法 76
5.3.3 RBF基函數參數迭代整定算法 77
5.3.4 基于多目標非線性預測的隨機分布控制算法 78
5.4 穩定性分析 81
5.5 仿真實驗 86
5.5.1 動態混合指標建模效果 86
5.5.2 多目標非線性優化控制效果 88
5.6 本章小結 91
參考文獻 92
第6章 基于目標函數分布形狀的非高斯工業過程概率約束
隨機優化 94
6.1 引言 94
6.2 非高斯工業過程隨機優化問題描述 96
6.3 基于目標函數分布形狀的概率約束隨機優化 98
6.3.1 目標函數分布形狀的核密度估計 98
6.3.2 基于目標函數分布形狀的概率約束隨機優化 100
6.4 所提算法最優解的充要條件 102
6.5 仿真實驗 103
6.5.1 高爐煉鐵工業工藝簡介 103
6.5.2 高爐煉鐵過程運行優化 104
6.5.3 實驗結果分析 106
6.6 本章小結 110
參考文獻 110
新書資訊