先进过程控制技术 (陈剑雪)

本书重点介绍了复杂控制系统、解耦控制、纯滞后补偿控制、预测控制、自适应控制以及鲁棒控制、软测量技术的原理与实现方法、神经网络控制等，并辅以一系列先进控制系统的计算机仿真。本书共9章，第一部分为过程控制系统的基础知识和先进控制技术概述（第1、2章），介绍了过程模型的类型、先进控制技术的特点和应用、过程控制系统的基本概念和建模方法；第二部分为复杂控制系统建模（第3章），介绍了串级控制系统、前馈控制系统、比值控制系统等典型复杂控制系统的原理和结构；第三部分为先进控制技术的介绍（第4～9章），讲解了解耦控制系统、史密斯预估控制系统、预测控制系统、神经网络控制系统等典型先进控制系统的基本原理和设计方法，以及软测量方法和应用。  本书重点突出，应用性强，可作为普通高校生产自动化专业及自动化相关专业的本科教材，也可作为研究生和相关领域应用工程师的参考书。

第1章绪论

1.1控制理论与工程的发展

1.2过程控制技术的发展、现状与展望

1.3过程控制系统概述

1.3.1系统结构

1.3.2系统特点

1.3.3系统分类

1.4过程控制系统的性能指标

1.5先进过程控制

第2章过程控制系统建模

2.1过程模型概述

2.1.1过程数学模型的表达形式

2.1.2过程建模的目的与要求

2.1.3过程模型的特点

2.1.4过程特性参数

2.2过程模型类型

2.3过程建模基础

2.3.1过程建模法分类

2.3.2响应曲线法建模

2.4单容过程模型

2.4.1自衡单容过程

2.4.2无自衡单容过程

2.5多容过程模型

2.5.1无相互影响的双容过程

2.5.2有相互影响的双容过程

2.6阶跃响应曲线方法建模

第3章常用复杂控制系统

3.1串级控制系统

3.1.1串级控制系统的结构

3.1.2串级控制系统的特点

3.1.3串级控制系统的设计

3.2比值控制系统

3.2.1比值控制系统的结构

3.2.2比值控制系统的实施方案

3.2.3比值控制系统的投运与参数整定

3.3均匀控制系统

3.3.1均匀控制系统的结构

3.3.2均匀控制系统的特点

3.3.3均匀控制规律与参数整定

3.4前馈控制系统

3.4.1前馈控制的基本原理

3.4.2前馈控制系统的特点

3.4.3前馈控制系统的结构

3.5选择性控制系统

3.5.1选择性控制系统的类型

3.5.2积分饱和及其防止

第4章解耦控制系统

4.1系统的关联分析

4.1.1解耦控制系统概述

4.1.2关联分析

4.2相对增益

4.2.1相对增益的定义

4.2.2求取相对增益的方法

4.2.3相对增益的性质

4.2.4动态相对增益

4.3减少与解除耦合的途径

4.4静态解耦和动态解耦

4.5解耦控制系统的设计

4.6仿真实例

第5章补偿控制系统的设计

5.1纯滞后系统概述

5.2纯滞后对控制质量的影响

5.3补偿控制的基本原理与结构

5.4改进型常规控制方案

5.5史密斯预估补偿控制

5.6改进的史密斯预估控制

5.6.1增益自适应补偿方案

5.6.2大纯滞后过程的双控制器

5.7史密斯预估器与高级控制算法的结合

5.7.1单神经元史密斯预估控制

5.7.2模糊史密斯预估控制

5.8观测补偿器控制

5.8.1基本原理和结构

5.8.2观测补偿器控制方案

5.9仿真实例

5.9.1史密斯预估补偿控制系统的仿真

5.9.2增益自适应补偿控制系统的仿真

5.9.3双控制器补偿控制系统的仿真

第6章预测控制

6.1引言

6.2预测控制的基本原理

6.3预测控制算法

6.3.1动态矩阵控制

6.3.2模型算法控制

6.3.3广义预测控制

6.3.4仿真实例

第7章自适应控制和鲁棒控制

7.1简单自适应控制系统

7.1.1自适应控制概述

7.1.2自适应控制的基本原理和类型

7.1.3自适应控制的应用概况

7.2模型参考型自适应控制系统

7.2.1引言

7.2.2模型参考自适应控制系统的数学描述

7.2.3模型参考自适应系统的设计

7.3自校正控制系统

7.3.1自校正控制基本概念

7.3.2最小方差自校正调节器

7.3.3极点配置自校正控制器

7.4鲁棒控制

7.4.1引言

7.4.2不确定性描述与鲁棒性分析

7.4.3对象的不确定模型

7.4.4鲁棒稳定性

7.4.5鲁棒性能

第8章软测量技术

8.1软测量技术概论

8.1.1软测量的辅助变量的选择

8.1.2软测量的数据选择与处理

8.1.3软测量的模型辨识与验证

8.2最小二乘建模

8.2.1最小二乘法

8.2.2最小二乘模型

8.2.3最小二乘法的解

8.3多元线性回归

8.3.1多元线性回归模型

8.3.2回归参数的最小二乘估计

8.3.3多元线性回归模型的统计检验

8.4多元逐步回归法

8.4.1变量选择问题

8.4.2多元逐步回归方法的计算步骤

8.5主元分析方法

8.5.1主元分析

8.5.2主元分析的基本思想

8.5.3主元分析的一般数学模型

8.5.4主元分析的推导

8.5.5主元分析的计算步骤

8.5.6主元分析方法

8.5.7NIPALS方法

8.5.8主元的主要性质

8.5.9软测量中应用主元回归方法

8.6支持向量机及在软测量中的应用

8.6.1统计学习理论和支持向量机

8.6.2最小二乘支持向量算法

8.7人工神经网络及在软测量中的应用

8.7.1神经元软测量技术的改进

8.7.2基于神经网络的软测量

第9章神经网络控制

9.1概述

9.2神经网络控制的设计与实现

9.2.1神经网络控制的设计

9.2.2神经网络控制的实现

9.3神经PID控制

9.3.1神经PID控制的结构

9.3.2神经PID控制的设计

9.4神经自校正控制

9.4.1神经自校正控制的结构

9.4.2神经自校正控制的设计

9.5神经模型参考自适应控制

9.5.1神经模型参考自适应控制的结构

9.5.2神经模型参考自适应控制的设计

9.6神经控制技术的应用及存在的问题

参考文献