一种基于新型数据预测方法的MICA仿真研究

在多元统计过程监控中,为解决因未知过程数据统计分布而产生误报漏报的现象,提出一种结合多向独立元分析法(MICA)和广义相关系数(GCC)数据预测的综合方法,进行在线监控过程的仿真。MICA分析方法能有效分解各变量的关联关系,且不需考虑建模数据是否符合正态分布,用此方法计算的独立元变量能更好地描述过程的变化规律。为提高预报未来过程故障的能力,提出用广义相关系数法进行数据预测:确定与运行轨迹相似的监控模型库中的轨迹,并使其相应部分承接于运行轨迹之后。现场采集聚氯乙烯聚合过程的数据进行仿真,仿真结果显示:对于在线监控和在线故障诊断方面,这种新型预测方法优于其它传统处理预测问题的方法。

广义预测控制方法在网络遥操作机器人系统中的应用

Internet网络的时变时延及网络数据丢包严重影响了遥操作机器人系统的操作性能,甚至造成系统不稳定。为了解决这一问题,提出一种新的基于Internet的遥操作机器人系统控制结构。通过在主端对给定信息加入时间标签获得过去的系统回路时延,采用多元线性回归算法,预测下一时刻系统回路时延,然后在从端设计一个广义预测控制器控制远端机器人,从而改善时变时延对系统性能的影响。应用广义预测控制器产生的冗余控制信息,降低了网络数据丢包对系统的影响。最后根据预测控制稳定性定理,推导出系统的稳定性条件。仿真试验结果表明,该方法能有效解决时变时延以及网络数据丢包引起的性能下降问题。