过程控制的多变量系统辨识PDF|Epub|txt|kindle电子书版本网盘下载

过程控制的多变量系统辨识PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

目录中文版序序引言示例和Matlab文件致谢符号与缩写第1章　导论1.1　什么是过程辨识？1

1.2　现代自动化系统的层次结构3

1.3　基于模型的多变量过程控制5

1.3.1　连续过程5

1.3.2　间歇和半间歇过程7

1.3.3　基于模型的控制方法7

1.3.4　过程控制实例9

1.4　本书概貌11

第2章　动态过程和信号的模型2.1 单输入单输出（SISO）连续时间模型13

2.2　单输入单输出（SISO）离散时间模型14

2.3 多输入多输出（MIMO）模型17

2.4　信号模型19

2.4.1　有限个周期数的信号周期图19

2.4.2　信号谱20

2.5　有扰动的线性过程21

2.6 非线性模型22

2.6.1 Volterra级数22

2.6.2　基于块连接的非线怀模型23

2.6.3　由过程操作引发的非线性模型：复合模型方法24

3.1.2　前馈变量（DV′s）的选择26

第3章　辨识实验设计和数据预处理3.1　控制器配置：MV′s、CV′s和DV′s的选择26

3.1.1　输入（MV′s）的选择26

3.1.3　输出（CV′s）的选择27

3.1.4　软测量建模27

3.1.5　控制器配置实例27

3.2　初步过程实验30

3.2.1　历史数据收集或空转实验31

3.2.2　阶跃实验或阶梯实验31

3.2.3　白噪声实验，可选32

3.3.1　模型辨识中的实验信号33

3.3　最终实验的实验信号，持续激励33

3.3.2　持续激励43

3.4　模型辨识的实验，最终实验44

3.4.1　用于控制的开环实验设计45

3.4.2　闭环实验的评述46

3.5　采样频率和反锯齿滤波器47

3.6　数据预处理50

3.6.1　废值脉冲剔除50

3.6.4　缩放与去偏校正（归一化）51

3.6.2　信号限幅51

3.6.3　趋势校正或高通滤波51

3.6.5　延迟校正，可选52

3.6.6　低通滤波和降低采样频率，可选52

3.6.7　非线性模型辨识的预处理52

3.7　何时能加激励？总结与评论53

第4章　最小二乘辨识方法4.1 最小二乘法的原理54

4.2　线性过程模型的估计56

4.2.1　有限脉冲响应（FIR）模型56

4.2.2　有理传递函数模型或ARX模型60

4.2.3　阶次选择，一种仿真方法65

4.3　工业实例研究69

4.3.1　轧机模型的辨识与控制70

4.3.2　玻璃管拉制过程的辨识73

4.4　最小二乘估计值的特性75

4.5　结论81

第5章　最小二乘法的推广5.1　基于预滤波的频率权值修正82

5.2　输出误差法87

5.3　辅助变量法（Ⅳ）94

5.4.1　最小二乘法与预报误差法的等价97

5.4　预报误差法97

5.4.2　广义最小二乘（GLS）98

5.4.3　ARMAX模型102

5.4.4　Box-Jenkins法103

5.4.5　一般模型104

5.4.6　预报误差法的性质104

5.5　为了控制的辨识方法选择107

5.5.1　稳定过程的开环辨识107

5.5.2　闭环辨识114

5.6　关于阶次／结构选择的进一步讨论116

5.7　模型检验120

5.8　玻璃管拉制过程的辨识122

5.9　递推参数估计133

5.9.1　递推最小二乘法133

5.9.2　递推输出误差法135

5.10　总结与讨论138

第6章　渐近辨识法：SISO情形6.1　渐近理论141

6.2　用于控制的最优测试信号谱144

6.2.1　用于IMC的开环实验设计145

6.2.2　IMC的闭环测试设计146

6.3　参数估计和阶次选择149

6.3.1　参数估计149

6.3.2　模型阶数选择151

6.4　辨识误差上限和模型检验152

6.5　仿真研究与结论153

第7章 渐近辨识法：MIMO情形7.1　渐近理论的MIMO形式157

7.2　渐近方法159

7.2.1　参数估计159

7.2.2　模型阶次／结构选择160

7.2.3　关于模型确认的上界矩阵的推导161

7.2.4　状态空间实现的确认161

7.3　玻璃管拉制过程的辨识163

7.3.1　采用类白噪声PRBS信号的辨识163

7.3.2　采用低通PRBS信号的辨识166

7.4　结论169

第8章　MIMO过程的子空间模型辨识8.1 引言170

8.2　状态空间辨识问题的定义171

8.3　数据方程的定义172

8.4.1　数据方程的变换173

8.4　阶跃响应测量值分析173

8.4.2　有关系统阶次n和系统矩阵的推导174

8.5　采用一般输入信号的子空间辨识177

8.5.1　矩阵Γs的列空间获取177

8.5.2　系统矩阵的计算178

8.6　加性扰动的处理180

8.6.1　Γs列空间的一致性估计的推导180

8.6.2　在有过程和测量噪声的情形下的系统矩阵［BT　D］计算：开环181

8.6.3　在有过程和可测噪声情形下的系统矩阵［BT D］的计算：闭环182

8.7　仿真研究183

8.8　推广途径184

第9章　非线性过程辨识9.1　Hammerstein模型的辨识185

9.1.1　模型的参数化和问题的描述186

9.1.2　实验设计187

9.1.3　参数估计190

9.1.4　阶次选择192

9.1.5　模型检验192

9.1.6　仿真实例193

9.2.1　模型的参数化和问题的描述196

9.2　Wiener模型的辨识196

9.2.2　实验设计198

9.2.3　参数估计198

9.2.4　阶次选择200

9.2.5　模型检验201

9.2.6　仿真研究202

9.3　NLN Hammerstein-Wiener模型的辨识205

9.3.1　模型的参数化和问题的描述206

9.3.2　参数估计207

9.3.3　仿真研究209

9.3.4　MISO扩展212

9.4　结论和建议213

第10章　过程控制中的辨识应用10.1　一种先进过程控制的工程方法214

10.2　过程控制的辨识要求218

10.3　基于过程辨识的PID自整定220

10.4　病态过程的辨识224

10.4.1　病态过程实例：高纯度分馏塔225

10.4.2　高纯度分馏塔的辨识227

10.4.3　简单开环实验方法233

10.5　基于MPC的常减压装置的辨识238

10.6 乙烷馏除塔的闭环辨识245

10.7　结论和展望252

第11章　基于模型的故障检测与分离11.1 引言253

11.2　存在加性故障的线性系统的残差254

11.2.1 现有方法的回顾255

11.2.2　残差修正257

11.3　具有非加性故障的非线性系统的残差262

11.3.1　线性系统中的非加性故障262

11.3.2　非线性系统的残差产生263

11.4　残差估计265

11.4.1　已知随机模型情形下的残差估计266

11.4.2　基于局部渐近法的残差估计268

11.5 工业应用实例273

11.5.1　热电厂中的故障检测和分离273

11.5.2　燃气轮机的监控279

附录A　矩阵理论知识的回顾284

参考文献289

后记298