探讨模式识别在过程控制系统中的应用.docVIP

探讨模式识别在过程控制系统中的应用 　　摘 要：从本质上来说，模式识别是一种分类方法，不需要通过过程数学模型就可以实现高级决策，因此在很多控制领域都有非常重要的作用。模式识别在过程控制系统中应用具有很大的优越性，能够解决过程控制系统中的复杂问题。因此，本文主要分析了模式识别方法在过程控制系统中的应用，并指出其未来的研究方向与趋势。 　　关键词：模式识别；过程控制系统；故障诊断；自整定控制 　　近年来，模式识别在工业控制系统得到了广泛应用，能够有效改善控制系统的运行质量，对于提高控制精度也大有裨益。为此，本文着重探讨了模式识别在过程控制中的具体应用，并且指出了现在的研究成果、研究方向和未来的发展趋势，希望对模式识别在过程控制系统的应用起到参考和借鉴作用。 　　1 模式识别方法的产生及作用 　　模式识别方法产生于20世纪60年代，并在之后得到了快速的发展，利用这种方法可以有效地描述、分析和识别模式。具体而言，模式识别的处理方法有很多，概括起来主要有以下四种：第一，统计决策；第二，语言结构；第三，智能识别；第四，模糊识别。统计决策主要建立在决策理论的基础上，基于随机的模式，之后提取它的形状和纹理，并用参量或非参量的形式体现出来。语言结构的方法是将字词等原始的语言结构重新组合，字词间的关系主要依靠语法规则体现出来。模糊识别方法的创始人是L.A.Zadeh，这种方法的理论基础是模糊数学。最后，智能识别的方法是模式识别的进一步发展。 　　在过程控制系统中，模式识别具有非常重要的意义，能够有效解决普通机理建模方法的弊端。这一方法主要通过控制操作参数、输出和过程信息之间的关系，对生产工况进行预测与控制，从而有利于达到科学决策的作用。如今，模式识别可以运用到更加先进的方法与硬件，其优越性得以进一步显现，在控制系统领域一定会得到更加广泛的应用。 　　2 模式识别在过程控制系统中的应用 　　2.1 系统结构识别 　　自从20世纪70年代开始，模式识别就能够有效解决系统辨识，在控制领域成了一个热门研究项目。G.N.Saridis等研究人员将结构识别的方法运用到非线性系统之中，主要将非线性系统作为主要的研究对象，成为决策的重要理论依据。结构识别的方法也可以通过研究互相关函数，在应用K近邻法的理论基础上，将非线性随机系统划分为已知类别，并运用了随机逼近学习理论中的相关参数，达到对整个系统的识别与控制。 　　之后，出现了J.Kittler等研究人员，这些人员在运用Saridis等人研究成果的基础上，有效解决了非线性系统中的结构辨识问题。W.J.Hill在生物系统辨识领域中也应用了这一方法。M.Cadaparthi对分布参数系统进行了深入研究，是对模式识别概念的进一步发展。首先，通过分析验前信息，从而通过计算得到系统数学模型。在输入系统中的有效信息之后，运用观测向量得到模式向量，再通过模式向量得到决策结果。由此可知，决策结果是依据模型结构得出的，可以看作是模型结构的解。 　　2.2 动态建模与状态估计 　　如果技术人员对模型结构不清楚，所有数据也都是从系统中得来，除了要依靠模型结构进行辨识以外，还需要依靠相关参数才能达到模式识别的作用。另外，只有通过模式识别，才能有效地建立动态模型。具体而言，动态建模与状态估计的主要建立过程如下：首先，需要设定一个非线性SISO系统，之后再运用计算公式DE：x（k+1）=f（x（k），u（k）），在模型结构未知的前提下，我们可以将x（k+1）的值域划分为R个子域，即【ximin，ximax】（i=1，…，R；ximax=xi+1min），如果根据已知的x（k）与u（k），就可以通过分类的方法，计算得知x（k+1）的子域范围，这样就能够起到描述DE动态特性的作用。 　　2.3 智能与优化控制 　　从理论上来说，模式识别借鉴了行为科学中的很多理论成果，不仅具有记忆与学习的功能，同时具有较强的适应性。因此，模式识别可以有效应用到研究结构不确定，或者随机环境结构中，对于系统结构分析与决策有非常重要的作用。 　　假定控制过程未知，仅能从输出定性关系表现模型，x（k+1）=F（x（k），u（k）），y（k）=G（x（k））。在上述公式中，x（k）属于状态向量，而y（k）属于离散时间输出向量，u（k）则属于控制输入向量。在这一控制理论模型中，最主要的目的是要找出过程持续阶段的控制序列，提高预测与判断的精准度，尽量降低性能准则J（u）的数值。 　　在过程控制系统中，模式识别得到了有效运用，出现了很多智能化的模式控制方案。在最优控制的前提下，Smith在控制系统中引入了可训练模式分类器，之后K.S.Fu还研究出了再励学习系统，将“奖优罚劣”的原则贯彻其中，并对LQG系统进行了深入研究，提出了子目标的系统