先进过程控制技术PDF|Epub|txt|kindle电子书版本网盘下载

先进过程控制技术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

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