一种多智能体轨迹更新迭代学习的点到点跟踪控制方法

    公开(公告)号:CN111722628B

    公开(公告)日:2021-07-09

    申请号:CN202010565612.0

    申请日:2020-06-19

    Applicant: 江南大学

    Inventor: 刘成林 罗玉娟

    Abstract: 本发明公开了一种多智能体轨迹更新迭代学习的点到点跟踪控制方法,属于控制技术领域。所述方法包括:先构建异构离散多智能体系统的数学模型,将期望位置点看成是由虚拟的领导者生成的,根据多智能体系统的通信拓扑结构确定以领导者为根节点的生成树结构;其次,根据期望点设计一种目标轨迹更新方法,通过更新目标轨迹使得新目标轨迹收敛到系统输出;最后,为跟随者智能体设计基于目标轨迹更新的P型迭代学习方法,实现多智能体系统对期望点完全跟踪。本发明通过上述方法,解决了异构多智能体系统的点到点跟踪控制问题,且系统输出跟踪上新目标轨迹的速度比跟踪固定目标轨迹的速度要快,从而使智能体完成对期望点的跟踪。

    一种基于系统运行模式的双酚A结晶过程滚动优化方法

    公开(公告)号:CN108375908B

    公开(公告)日:2020-07-03

    申请号:CN201810319806.5

    申请日:2018-04-11

    Applicant: 江南大学

    Abstract: 本发明公开了一种基于系统运行模式的双酚A结晶过程滚动优化方法,属于化工流程制造业领域。本发明的双酚A结晶过程的滚动优化方法分为四个步骤,第一步是过程数据的采集与预处理,第二步是系统运行模式的构建,第三步是基于模式的批次数据对齐,第四步是建立模式与质量指标之间的定量关系,利用滚动优化策略求解最优的操作条件,利用统计分析算法,将模式的概念引入到双酚A结晶过程的优化中,从传统的基于原变量形式的优化方法转化为基于变量隐含的过程运行模式的优化方法,弥补了传统优化方法在数据利用上的不足,而后通过预测与修正的滚动优化策略,及时校正操作条件以适应复杂工况。

    流程工业过程的一种多层模式监控方法

    公开(公告)号:CN108388221B

    公开(公告)日:2019-06-21

    申请号:CN201810232872.9

    申请日:2018-03-21

    Applicant: 江南大学

    Abstract: 本发明公开了流程工业过程的一种多层模式监控方法,属于工业生产加工领域。本发明通过从模式的角度将工业过程划分为多个层级,针对各个层级选取不同的关键性能指标,采集与关键性能指标相关的运行数据,标识出各个层级的模式,基于数据驱动方法提出各个层级的模式监控方法,实现了流程工业过程中模式监控。本发明在流程工业过程中能够快速发现故障、排除故障,同时对于降低过程的能源消耗,优化运行成本以及提高产品的竞争力有重要的作用。

    流程工业过程的一种多层模式监控方法

    公开(公告)号:CN108388221A

    公开(公告)日:2018-08-10

    申请号:CN201810232872.9

    申请日:2018-03-21

    Applicant: 江南大学

    Abstract: 本发明公开了流程工业过程的一种多层模式监控方法,属于工业生产加工领域。本发明通过从模式的角度将工业过程划分为多个层级,针对各个层级选取不同的关键性能指标,采集与关键性能指标相关的运行数据,标识出各个层级的模式,基于数据驱动方法提出各个层级的模式监控方法,实现了流程工业过程中模式监控。本发明在流程工业过程中能够快速发现故障、排除故障,同时对于降低过程的能源消耗,优化运行成本以及提高产品的竞争力有重要的作用。

    基于Xgboost回归模型的CSTR故障定位方法

    公开(公告)号:CN111639304A

    公开(公告)日:2020-09-08

    申请号:CN202010491108.0

    申请日:2020-06-02

    Applicant: 江南大学

    Abstract: 本发明公开了一种基于Xgboost回归模型的CSTR故障定位方法。本发明一种基于Xgboost回归的CSTR故障定位方法,该方法包括以下步骤:1)收集CSTR中传感器产生的正常数据,以及未知的离线数据。2)建立步骤1中采集到的正常数据的监控模型,针对不同场合的需求可以自由选择不同的监控模型。3)通过步骤2建立好监控模型,并将步骤1中采集到的离线未知数据带入监控模型中,提取样本统计量来进行故障检测,并筛选出故障数据。本发明的有益效果:1)Xgboost回归模型的变量重要性度量测量的是变量对于输出预测精度的影响,每个变量的度量值的计算都是相互独立的,与现有技术相比,并不包含其他变量作用的成分,因而消除了拖尾效应的影响。

    一种基于系统运行模式的双酚A结晶过程滚动优化方法

    公开(公告)号:CN108375908A

    公开(公告)日:2018-08-07

    申请号:CN201810319806.5

    申请日:2018-04-11

    Applicant: 江南大学

    Abstract: 本发明公开了一种基于系统运行模式的双酚A结晶过程滚动优化方法,属于化工流程制造业领域。本发明的双酚A结晶过程的滚动优化方法分为四个步骤,第一步是过程数据的采集与预处理,第二步是系统运行模式的构建,第三步是基于模式的批次数据对齐,第四步是建立模式与质量指标之间的定量关系,利用滚动优化策略求解最优的操作条件,利用统计分析算法,将模式的概念引入到双酚A结晶过程的优化中,从传统的基于原变量形式的优化方法转化为基于变量隐含的过程运行模式的优化方法,弥补了传统优化方法在数据利用上的不足,而后通过预测与修正的滚动优化策略,及时校正操作条件以适应复杂工况。

    基于Xgboost回归模型的CSTR故障定位方法

    公开(公告)号:CN111639304B

    公开(公告)日:2023-02-21

    申请号:CN202010491108.0

    申请日:2020-06-02

    Applicant: 江南大学

    Abstract: 本发明公开了一种基于Xgboost回归模型的CSTR故障定位方法。本发明一种基于Xgboost回归的CSTR故障定位方法,该方法包括以下步骤:1)收集CSTR中传感器产生的正常数据,以及未知的离线数据。2)建立步骤1中采集到的正常数据的监控模型,针对不同场合的需求可以自由选择不同的监控模型。3)通过步骤2建立好监控模型,并将步骤1中采集到的离线未知数据带入监控模型中,提取样本统计量来进行故障检测,并筛选出故障数据。本发明的有益效果:1)Xgboost回归模型的变量重要性度量测量的是变量对于输出预测精度的影响,每个变量的度量值的计算都是相互独立的,与现有技术相比,并不包含其他变量作用的成分,因而消除了拖尾效应的影响。

    一种防腐蚀液位检测装置

    公开(公告)号:CN105352563B

    公开(公告)日:2018-11-30

    申请号:CN201510915670.0

    申请日:2015-12-10

    Applicant: 江南大学

    Abstract: 本发明提供一种防腐蚀液位检测装置,主要由空气过滤器、气管、气泵、气压调节器、智能单元、出去接头、连接管、进气接头、开关阀、压力传感器、导管、防反流浮子和可调喷嘴组成。经空气过滤器过滤后的空气由气泵输出,再经过开关阀后流入导管,导管内设置有压力传感器,当导管内空气压力大于防反流浮子所受浮力时,空气从可调喷嘴排出,随后导管内空气压力出现一个下降波,而下降波之前的压力值则对应液位实际值,智能单元采集压力信号,按照一定的算法可计算出此液位值。

    一种防腐蚀液位检测装置及方法

    公开(公告)号:CN105352563A

    公开(公告)日:2016-02-24

    申请号:CN201510915670.0

    申请日:2015-12-10

    Applicant: 江南大学

    Abstract: 本发明提供一种防腐蚀液位检测装置及方法,主要由空气过滤器、气管、气泵、气压调节器、智能单元、出去接头、连接管、进气接头、开关阀、压力传感器、导管、防反流浮子和可调喷嘴组成。经空气过滤器过滤后的空气由气泵输出,再经过开关阀后流入导管,导管内设置有压力传感器,当导管内空气压力大于防反流浮子所受浮力时,空气从可调喷嘴排出,随后导管内空气压力出现一个下降波,而下降波之前的压力值则对应液位实际值,智能单元采集压力信号,按照一定的算法可计算出此液位值。

    一种多智能体轨迹更新迭代学习的点到点跟踪控制方法

    公开(公告)号:CN111722628A

    公开(公告)日:2020-09-29

    申请号:CN202010565612.0

    申请日:2020-06-19

    Applicant: 江南大学

    Inventor: 刘成林 罗玉娟

    Abstract: 本发明公开了一种多智能体轨迹更新迭代学习的点到点跟踪控制方法,属于控制技术领域。所述方法包括:先构建异构离散多智能体系统的数学模型,将期望位置点看成是由虚拟的领导者生成的,根据多智能体系统的通信拓扑结构确定以领导者为根节点的生成树结构;其次,根据期望点设计一种目标轨迹更新方法,通过更新目标轨迹使得新目标轨迹收敛到系统输出;最后,为跟随者智能体设计基于目标轨迹更新的P型迭代学习方法,实现多智能体系统对期望点完全跟踪。本发明通过上述方法,解决了异构多智能体系统的点到点跟踪控制问题,且系统输出跟踪上新目标轨迹的速度比跟踪固定目标轨迹的速度要快,从而使智能体完成对期望点的跟踪。

Patent Agency Ranking