郑叶飞[1]2000年在《基于模型的集散系统智能化容错控制》文中认为集散型控制系统是以多微机控制为基础，由计算机技术、信号处理技术、测量控制技术、通信网络技术和人机接口技术相互发展、渗透而产生的控制系统，具有“集中控制、分散管理、危险分散”的特点，发展至今已广泛应用于各种工业生产过程中。 容错控制是一种提高系统安全性和可靠性的新技术，容错控制以大量在线故障检测、参数辨识和模型计算为基础，在系统出现故障时，适时修正系统的控制律，使系统继续维持既定运行目标，具有适应能力强、可靠性高、功能强等特点。 本文结合华能南通电厂姚港输煤控制系统，构建系统的控制模型和故障模型、故障的智能诊断，来实现系统的故障检测；运用容错控制设计方法，经由容错索引表自动寻找响应的分段容错控制律，使控制系统具有“预置”的自适应能力，通过专家化的模型解算和系统协调，在控制系统故障情况下调整自身的控制规律，完成控制任务，不但使系统按模型运行（不是纯经验），实现输煤控制集散系统的专家化智能型容错控制，而且这种方法具有在线计算工作量少的特点，使控制的实时性和快速性显著增强，使整个系统具有优良的性能。 由于运用集散型控制系统模型化设计原则和智能化容错控制思想，华能姚港输煤控制系统具有控制灵活可靠、故障查询和排除迅速、，功能增强、扩展方便等特点，不但使可靠性提高、故障率降低，而且提高了系统的容错能力，使生产效率进一步提高。
顾伟[2]2008年在《散货港口多电机传动运输系统故障诊断与容错控制》文中研究说明散货港口多电机传动运输系统是一种设备运动控制与运输流程控制相结合的大型系统,该系统目前达到的总体技术水平是:PLC程控器的集散型控制网络;工艺经验的顺序控制;非系统化的故障检测。本文将模型控制、系统诊断、容错控制技术应用对象从工业领域扩展到港口运输领域,从工业过程控制系统扩展到运输流程控制系统,研究和解决散货港口多电机传动运输系统故障诊断与容错控制的理论应用和工程实际问题。本文的主要研究内容:(1)建立散货港口多电机传动运输系统的控制模型在分析散货港口多电机传动运输系统组成结构的基础上,建立基于关联协同向量的散货港口运输系统多变量控制模型,研究控制模型线性应用和非线性应用的普适性,论证散货港口运输系统控制模型的完整性、一致性、外延性。构建散货运输系统流程控制律和输送机多电机驱动系统协调控制律,验证所提出的建模方法在散货码头装卸运输系统工程应用中的可行性,解决散货港口输送机多电机传动系统动力匹配、功率分配等协调控制问题。(2)散货港口多电机传动运输系统的故障诊断在散货港口多电机传动运输系统控制模型的基础上,建立基于多变量状态监测的故障诊断模型和基于模式特征的故障诊断模型,确定二种故障诊断模型的应用范围及其局限性,实现系统化的故障检测与诊断(FDD——Fault Detect and Diagnosis)。以输煤控制系统流程故障诊断为研究对象,应用多变量状态监测的故障诊断模型,构造基本故障函数,实现流程故障的准确识别。以长距离大运量输送机失速和跑偏故障为研究对象,应用模式特征的故障诊断模型,研究输送机失速和跑偏故障的信号检测、特征提取和诊断方法。(3)散货装卸运输过程动载干扰故障的自适应检测散货装卸运输系统由于负荷剧烈波动、重载连续冲击等因素的影响,动载干扰问题十分突出。这是一类非线性、非平稳的随机干扰,它严重影响到检测信号与控制信号的可靠性与准确性,影响到运输流程和设备的正常运行。通过分析散货港口多电机传动运输系统运行过程中随机性动载干扰产生原因,提出抑制散货运输系统动载干扰的自适应滤波基本策略和方法。建立门座式卸船机起升机构动载干扰的参考模型,进行动载干扰自适应滤波,解决模型参数离线预估计算法和零速空载跟踪起重量零位等技术问题,消除门座式卸船机起升机构起制动过程的速度和加速度动载干扰,实现起重量准确检测。研究散货运输过程中大块分离物冲击载荷干扰的发生机理,根据动量原理建立大块分离物冲击载荷模型,构造自适应滤波器,通过收敛因子的自调整快速逼近递推,辩识大块分离物瞬时冲击载荷的干扰信号。(4)散货港口多电机传动运输系统的容错控制以散货港口多电机传动运输系统故障诊断为基础,融合智能容错控制方法,将主动性容错控制技术和被动性容错控制技术相结合,研究散货港口装卸运输设备和运输流程控制律重组(CRR——Control Rule Reconfiguration),提升系统的控制性能,实现安全控制与可靠控制。对于装卸运输设备故障,由径向基函数网络构造设备故障分类器(FCD——FaultClassifying Device),构建基于控制参考重置的广义主动性容错控制结构,避免控制律在线重组可能引起的控制系统完整性缺失和不稳定,重点解决输送机跑偏状态下综合纠偏及其减速减载运行的容错控制问题。对于运输流程故障,在分析流程设备的互通互用性基础上,研究基于控制律在线重组的运输流程被动性容错控制方法,通过既定调度方式和指标调度方式相结合的控制律在线调度,实现散货运输流程的容错控制。运用参数、部件、通道、设备等多种控制方式,嵌入式单片机、PLC程控器、主控工作站等多种控制层次,设计新型的散货港口多电机传动运输系统容错控制网络结构。同时,开发应用程序与数据接口,将故障诊断与容错处理应用软件作为独立的外挂程序,嵌入到港口输煤控制软件。散货港口多电机运输系统故障诊断与容错控制技术的研究,取得了十多项专利成果,填补了散货港口运输自动化领域的技术空白。论文主要创新点有:——基于多变量关联协同模型,解决散货港口多电机传动运输系统数字量与模拟量混合建模、大功率传动设备和运输网络系统控制协调问题。——通过多变量状态信息组合和变换,提取故障模式特征,解决散货港口运输系统故障诊断、输送机失速和跑偏故障诊断问题。——建立随机性动载干扰模型,通过自适应滤波,抑制门座式卸船机起升机构速度与加速度动载干扰、输送系统大块分离物冲击干扰。——构建基于径向基函数网络的故障分类器,通过控制参考变量在线重置、既定调度方式和指标调度方式相结合的控制律在线重组,有效整合现有控制网络的软硬件资源,灵活实现散货港口多电机传动运输系统容错控制。论文的研究成果对于各类散货港口运输系统具有推广价值。近年来的应用项目有:国家大型港口建设、国家重点工程、现有码头的技术改造、新港口的建设。研究成果的应用取得了可观的经济效益和社会效益,近年来成果推广新增产值每年超亿元;利税效益每年超千万元。论文的相关课题多次获得上海市、国家安监局的科技进步奖。
蔡海鹰[3]2001年在《散货码头集散控制系统的容错控制》文中研究指明集散控制系统是以微处理机为核心，以满足现代化企业生产、相互关系日益复杂的控制对象的要求为前提。从过程综合自动化的角度出发，集中处理信息、集中管理，而控制权分散的一种多级分布式计算机控制系统，目前已经广泛应用于工业生产和控制管理领域。 容错控制是一种提高系统安全性和可靠性的新技术，容错控制以大量的在线故障检测、参数辨识和模型计算为基础，在系统出现故障时，适时修正系统的控制率，使系统继续维持既定的运行目标，具有适应能力强、可靠性高、功能强等特点。 本文以华能南通电厂输煤控制系统工程实例为对象，采用主动性容错的方法构建系统的容错控制律重构模型，解决系统的实时故障诊断和容错控制律重构两大问题。 本文第二章对控制对象根据功能的不同分解为三个相互独立的子系统，运用状态空间理论及矩阵构造的方法对其中的流程控制系统设计了容错控制模型。第三章采用基于径向基神经网络的方法进行容错控制的实时故障诊断，并用Matlab给出了仿真结果。第四章进一步探讨了主动容错在流程控制中的实现问题，即根据故障诊断的结果，实时计算故障函数，在线修改系统的控制律的方法来实现容错控制律重构。第五章采用VC++编制仿真程序，对控制系统进行仿真，作出验证。第六章阐述了如何利用OPC技术，打通与FIX组态软件的缺口，将容错子程序外挂到基于FIX平台的输煤控制系统控制程序中。这种方法结合目前高速微处理器的发展，少量实时计算带有高斯函数的方程，为目前集散控制系统的发展提供了一种带有容错化的思想。
刘强, 卓洁, 郎自强, 秦泗钊[4]2018年在《数据驱动的工业过程运行监控与自优化研究展望》文中认为现代工业过程向大规模、连续化、集成化方向发展,有必要对生产全流程运行的决策、协同控制、底层控制进行有效监控,也是当前国际控制领域的研究热点.本文首先分析了工业过程全流程运行监控的内涵与行业现状;其次,阐述了基于模型的控制系统故障诊断与容错控制方法,以及数据驱动的异常工况诊断与自愈控制方法的研究现状,并指明了信息物理系统(Cyber-physical systems, CPS)时代智能安全运行监控与自优化的发展机遇;最后,论述了工业过程运行监控与自优化研究的新方向和最新进展,包括:1)数据驱动的决策、协同控制、底层控制多层面联合监控; 2)基于机理、数据、知识多源动态信息融合的异常工况诊断; 3)专家知识与控制手段相结合的协同层自愈控制; 4)数据驱动的运行动态性能分析与自优化; 5)支撑运行监控与自优化系统的实现技术.
刘磊[5]2011年在《GO-FLOW方法在冗余系统可靠性分析中的应用及其算法改进》文中认为随着工业技术的高速发展,计算机控制系统广泛应用于国防军工和化工、制药、能源等工业领域。与此同时,现代工业技术对控制系统的可靠性提出了更高的要求,使其能够适应高温、高压等恶劣的工作环境。系统冗余是提高控制系统可靠性的重要途径之一,但当这些冗余和备用的部件发生共因失效时,可能使系统的可靠性大大降低,因此在系统(尤其是冗余系统)可靠性分析和风险评价中共因失效分析是至关重要的问题。GO-FLOW方法是以成功为导向的系统概率分析技术,能够把共因失效结合到系统的性能分析中,利用定性或定量GO-FLOW运算得到系统在共因失效时的可靠性分析结果。本文主要完成了以下工作：(1)本文在分析可靠性工程技术的发展历程及现状的基础上,详细的介绍了可靠性工程的相关理论知识及其实践应用。(2)深入理解计算机系统容错技术的技术特点及其相关的设计方案,把握其技术发展的关键部分,重点分析了故障检测、系统冗余等实现方案的特点。(3)本文在介绍GO-FLOW方法的发展历程及现状的基础上,阐述了GO-FLOW的基本原理及其建模规则,论述了GO-FLOW方法操作符的运算规则。(4)本文介绍了共因失效的基本原理及其对冗余系统的可靠性影响。(5)本文提出了GO-FLOW方法在共因失效系统中的隐式分析方法,扩大了GO-FLOW法的应用领域,使得GO-FLOW能够应用于冗余控制系统的可靠性分析中。(6)本文提出了GO-FLOW方法在共因失效因素影响下的可修复系统中的定量计算处理方法,通过例证,本文提出的方法是精确有效的。(7)本文创建了类型51操作符—线性组合发生器、类型52操作符—限制概率门,并论证了这两种操作符的运算规则以及其应用领域。(8)本文结合杭州优稳自动化有限公司的UW900计算机控制系统的结构原理图,创建了相应的GO-FLOW模型,分析了共因失效等因素对其可靠性的影响。
张庆武[6]2006年在《模块多变量广义预测控制及应用》文中认为现代工业的发展对过程控制提出了更高的要求，迫切需要解决多变量、多目标、有约束的动态优化控制问题。 静态模块多变量控制可以显式处理多目标有约束稳态优化控制问题，它采用模块化的分层控制器结构，按照优先级顺序将各个目标分配到相应的模块，每个模块处理一个控制目标，按照字典序极小化方法由高到低依次满足各个目标。这种结构能清晰表达工程上的权衡和决策，符合工业过程控制的要求。 阶梯式控制技术可以大大降低预测控制未来控制量计算的复杂度。本文将模块多变量控制与阶梯式广义预测控制相结合，提出模块多变量广义预测控制(MMGPC)，它能够实现动态模块多变量优化控制。动态模块多变量控制能较好地处理现代工业过程迫切需要解决的多目标、有约束动态优化控制问题；阶梯式广义预测控制则对大惯性、大时延、强干扰的过程对象有很好的控制效果，且鲁棒性较强。两者的结合使得模块多变量广义预测控制器在实际应用中取得了较好的效果。 智能监督级对于提升先进控制器的连续运行时间和投用率有重要意义。本文从辨识监督级和控制器监督级两方面总结了智能监督级的研究现状、研究内容和任务，归纳并提出一般性的辨识监督级和控制器监督级的框架结构。这种面向对象的模块化监督级结构方便了监督级的设计和重构，对智能监督级实例的设计有一定意义。 动态模块多变量控制的应用研究证实了它的优良性能和实用价值。本文中的应用研究包括三部分内容： 1、电站锅炉主蒸汽温度的模块多变量广义预测控制 经过对操作工艺的仔细分析可以发现，电站锅炉主蒸汽温度控制实际上是一个多目标、有约束的优化控制问题，模块多变量广义预测控制比其它只关注设定值目标的控制算法更接近问题的本原。 为了获得被控对象的数学模型，本文将最小二乘法与相关系数法相结合，提出一种新的建模方法。它可以获得模型阶次、纯滞后等模型结构的信息，并辨识出模型系数。 2、多段冷激式氨合成塔全塔温度的模块多变量广义预测控制 多段冷激式氨合成塔在我国合成氨工业中具有重要的地位。本文详细分析了多段冷激式氨合成系统工艺和温度控制的特点与难点，根据分析结果设计了模块多变量广义预测控制器框架结构，并对控制目标和控制量优先级问题进行了讨论。 为了模块多变量广义预测控制器的有效实施，本文还讨论了以下问题：建模数据的获取和模型辨识方法；多种前馈控制器的引入有助于控制器对各种强干扰的抑制；根据实际需要设计了控制器智能监督级，有效地解决了模块多变量控制器在线重构、热点检测、控制器切换监督等问题，确保了控制器的连续运行时间和投用率。 应用效果表明，模块多变量广义预测控制器在多段冷激式氨合成塔全塔温度控制中取得了成功，控制精度达到了国内领先的水平，对增加企业的经济效益具有现实意义。 3、线性低密度聚乙烯装置的模块多变量在线操作指导 通过对线性低密度聚乙烯反应器关键控制系统的分析发现，聚乙烯反应器催化剂加料量
袁士丞[7]2014年在《网络控制系统节点驱动方式及其控制研究》文中研究指明网络的引入使得控制系统在传输信号时出现了许多新的特点,与传统控制系统相比不再具有物理空间位置上的限制,网络控制系统是利用专用或公用数据通信网络代替传统的点对点并将传感器、控制器、执行器等通过实时网络连接构成的闭环控制系统。其投资成本与维护费用都有了明显地下降,具有资源共享、节点智能化、远程控制并具有较高诊断能力、布线简单等特点。然而网络控制系统带来诸多优点的同时也引出了一些新的问题。本文研究网络控制系统不同节点驱动方式的建模及其控制方法。首先,针对短时延网络控制系统和长时延网络控制系统分别对不同节点驱动方式进行研究和分析并得出节点驱动方式选取的最优方案。然后在这个方案的基础上对短时延网络控制系统设计了模糊PID控制器,对长时延网络控制系统设计了结构改进Smith预估单神经元PSD控制器来对时延进行补偿,并在每章节的结尾对其进行了仿真分析验证了其有效性。论文的主要研究工作与创新点如下：1.网络控制系统不同节点驱动方式的建模和研究。本章针对网络控制系统的时延问题,首先对网络时延进行了研究和分析,然后对网络控制系统在短时延和长时延这两种不同情况下使用不同节点驱动方式进行了建模和研究。最后分析了不同的节点驱动方式对不同时延情况下网络控制系统性能产生的影响,并且分别对短时延网络控制系统和长时延网络控制系统选取了合适的节点驱动组合,提出了“针对短时延网络控制系统,控制器节点的驱动方式使用事件驱动；针对长时延网络控制系统,控制器节点的驱动方式为时间驱动”。通过这种选取合适节点驱动方式组合的方法,主要是为了确保了控制器参与控制的时机,避免控制器计算出已为过时的控制信号影响网络控制系统的控制性能。2.基于模糊PID控制的短时延网络控制系统研究。针对短时延网络控制系统中网络时延是在一个采样周期内不确定的问题,本章在PID控制的基础上引入模糊控制,构建模糊PID控制器解决随机不确定短时延的补偿问题。模糊控制可以适应网络中不断变化的传输时延,保证系统在变化时延的情况下仍保持良好的稳定性和控制性能。在仿真对比和分析中,基于模糊PID控制器的短时延网络控制系统在一个采样周期内的固定时延和随机时延情况下均表现出了更好的控制性能,验证了模糊PID控制器在解决短时延网络控制系统的时延问题中是有效且可行的。3.基于结构改进Smith预估单神经元PSD的长时延网络控制系统研究。针对长时延网络控制系统中存在时延和被控对象等问题,提出了一种新型结构改进Smith预估单神经元PSD控制器。新型控制器由结构改进Smith预估器和单神经元PSD控制器组成。结构改进Smith预估器通过对传统Smith预估器模型结构上的改进避免了建立网络时延的预估模型,补偿了网络时延对系统的性能带来的影响。单神经元PSD控制器解决了结构改进Smith预估器的模型失配问题。仿真实验证明该新型控制器有效地补偿了长时延对网络控制系统的性能带来的影响,在模型失配情况下具有良好的鲁棒性和适应性。
王朝瑞[8]2004年在《基于组态化工控网络的散货装卸控制仿真系统的设计与开发》文中研究指明论文以船舶到港为边界，构建专业化散货码头装卸自动化系统半实物性仿真模型的功能和结构，以集成于工控网络中的工控机虚拟生成各种装卸设备模型；在监控工作站组态软件平台上仿真监控、中控操作管理；以PLC控制设备，动态仿真散货码头内的全部作业过程，提出了基于组态化工控网络的散货装卸控制仿真系统的概念。 这种仿真系统建立在先进可靠的、实时性很强的工控网络硬件平台之上；性能卓越、可视化的程序开发软件能进行逼真的设备仿真；组态化工控软件提供了包括实时在线监控，实时数据采集、存储、查询、统计、报表打印，故障报警及记录等在内的各种强大功能。从而使散货港口装卸自动化控制系统的仿真更加接近实际。 论文第一章主要概述了散货港口装卸自动化系统仿真的技术背景。 论文第二章在分析典型散货码头的装卸工艺流程及其控制系统构成的基础上，介绍了港口自动化仿真实验室的自动化控制系统的网络结构及软硬件配置。 论文第三章深入分析了建立仿真系统需要解决的关键问题。包括系统控制模型；仿真实时性问题；I／O端口复用问题等。 论文第四章建立散货装卸控制系统仿真的数学模型。各模型变量的运算关系式和关联逻辑的解算，为编写设备仿真应用程序、PLC控制程序、监控工作站仿真程序提供了理论支持。 论文第五章对仿真系统具体实现作了深入讨论。先提出仿真架构，后对I／O接口通信程序；设备仿真程序；PLC仿真控制程序以及触摸屏程序；还有监控工作站仿真程序的设计作出详细描述。 论文第六章是对项目研究的总结，并提出了前瞻性设想。
王柱锋[9]2008年在《网络控制系统的预测控制研究》文中进行了进一步梳理随着计算机、网络、通信技术和控制理论的发展,网络控制系统在工业控制领域得到越来越广泛的应用,由于闭环控制中引入了网络,所以网络控制系统中也存在许多问题需要研究。网络随机延时的存在使得系统的分析和综合变得困难,如果延时足够大则会造成系统不稳定。因为预测控制采用了多步预测、滚动优化和反馈校正等控制策略,因此能够克服过程模型的不确定性,具有控制效果好、鲁棒性强等优点,从而得到了广泛的研究和应用。本文围绕具有短延时和长延时的网络控制系统,把预测控制引入到网络控制系统的分析和设计中,提出了几种新的控制策略,并分析了系统的稳定性。本文的主要研究内容是:针对传感器为时间驱动、控制器和执行器为事件驱动,延时小于一个采样周期的网络控制系统提出了延时预测内模控制策略。该策略包含时间戳BP神经网络延时预测方法,利用历史延时数据来预测下一个时刻延时值。根据得到的延时预测值,结合内模控制原理进行网络控制系统控制器的设计。其中延时环节采用Pade一阶展开近似表达法,并分析了延时预测对系统性能的影响。仿真结果表明,延时预测精度有保证,系统性能仅受内模控制器滤波系数α和延时预测精度的影响,网络控制系统性能有了很大的提高。在实际的工程系统中,采样频率的选择取决于系统中信号的最高频率,网络传输延时取决于网络本身的传输特性,由此可见网络传输延时不一定小于一个采样周期。为此,本文对延时大于一个采样周期的网络控制系统开展研究,首先对一类长延时网络控制系统进行了建模,然后对长延时网络控制系统提出了两种新的预测控制策略。一种是长延时NCS预测函数控制算法,该算法在长延时网络控制系统模型的基础上利用预测函数控制原理推导出了长延时网络控制系统的预测控制律;仿真实验和加热炉实时控制实验结果均验证了对一类长延时网络控制系统的控制采用预测函数控制方法是可行的。另一种是长延时NCS动态矩阵控制方法,该方法利用算法比较简单、计算量较小、鲁棒性较强的动态矩阵控制理论对长延时网络控制系统进行控制器的设计,获得了系统的预测控制律。仿真结果表明对一类长延时网络控制系统采用动态矩阵进行控制是有效的。网络控制系统中随机延时的存在使系统的性能变差,如果延时足够大甚至会使系统不稳定,所以本文分析了内模网络控制系统中存在的延时对系统性能的影响。由于广义预测控制、模型预测控制、动态矩阵控制等预测控制算法可以等效归结为广义内模控制,分别研究了连续内模网络控制系统和离散内模网络控制系统的稳定性问题。利用劳斯稳定性判据、李亚普诺夫方法和离散系统Z平面分析方法(朱雷稳定判据)判断内模网络控制系统的稳定性,给出了保持内模网络控制系统稳定的最大允许延时阈值τ_(MATD)。为了使内模网络控制系统获得良好的性能,在内模网络控制系统中加入延时预测环节,并分析了延时预测对系统稳定性的影响。仿真结果表明所提方法是有效的可行。
黄东波[10]2005年在《输送机驱动系统网络化状态监测及故障诊断》文中研究表明远程监测和数据分析是网络化监测诊断系统中不可缺少的组成部分。 论文背景来源于企业委任项目——华能南通电厂燃运公司输煤控制系统与计算机信息管理系统的整合。论文的主要工作是： 第一章主要概述了论题的重要性和项目背景。 第二章对输煤控制系统状态数据进行了总结分类，为后续章节利用数据实现状态监测和故障诊断打下了基础。 第三章对华能南通电厂姚港煤码头输送机系统自身运行的机理进行了分析。针对驱动系统部分，从能量守恒的角度归纳总结出了驱动电机、传动机构和输送机的故障特征量的提取方法。结合实际参数对各驱动系统各设备的故障特征量进行了计算，并利用SQL Server建立了故障数据库。 第四章阐述了状态数据提取的的可行性进行了研究和探讨，主要对输送机驱动系统的实时数据和历史数据的存储过程作了详细介绍。 第五章论述了状态监测和故障诊断系统的实现。包括数据访问实施模型、．NET平台的搭建、B/S跨平台的数据访问方式和系统的一些典型应用。 第六章是对项目课题的总结和展望。 “输送机驱动系统网络化状态监测与故障诊断系统”融合了实时传输数据、存储数据、管理数据库等技术，实现了对输送机系统各测点的实时数据采集、处理、显示与报警等功能。充分利用ADO．NET技术对数据实施存取，加快了实时数据的传输，也保证了客户端得到实时、准确的数据。通过对该系统的使用，在一定程度上延长了设备的使用寿命，减少了由于检查设备故障原因而导致的停机时间，从而提高了姚港煤码头的输煤效率。
参考文献：
[1]. 基于模型的集散系统智能化容错控制[D]. 郑叶飞. 上海海运学院. 2000
[2]. 散货港口多电机传动运输系统故障诊断与容错控制[D]. 顾伟. 上海海事大学. 2008
[3]. 散货码头集散控制系统的容错控制[D]. 蔡海鹰. 上海海运学院. 2001
[4]. 数据驱动的工业过程运行监控与自优化研究展望[J]. 刘强, 卓洁, 郎自强, 秦泗钊. 自动化学报. 2018
[5]. GO-FLOW方法在冗余系统可靠性分析中的应用及其算法改进[D]. 刘磊. 浙江大学. 2011
[6]. 模块多变量广义预测控制及应用[D]. 张庆武. 中国科学技术大学. 2006
[7]. 网络控制系统节点驱动方式及其控制研究[D]. 袁士丞. 东华大学. 2014
[8]. 基于组态化工控网络的散货装卸控制仿真系统的设计与开发[D]. 王朝瑞. 上海海事大学. 2004
[9]. 网络控制系统的预测控制研究[D]. 王柱锋. 浙江大学. 2008
[10]. 输送机驱动系统网络化状态监测及故障诊断[D]. 黄东波. 上海海事大学. 2005
标签：自动化技术论文; 故障诊断论文; 模型预测控制论文; 系统仿真论文; 网络模型论文; 预测模型论文; 分散控制系统论文; 智能化技术论文; 时延扩展论文;