首页期刊导航|控制理论与应用
期刊信息/Journal information
控制理论与应用
华南理工大学 中国科学院数学与系统科学研究院
控制理论与应用

华南理工大学 中国科学院数学与系统科学研究院

胡跃明

月刊

1000-8152

aukzllyy@scut.edu.cn

020-87111464

510640

广州市五山华南理工大学内

控制理论与应用/Journal Control Theory & ApplicationsCSCD北大核心CSTPCDEI
查看更多>>本刊是经教育部批准，由华南理工大学和中国科学院系统科学研究所联合主办的全国性一级学术刊物。1984年创刊，1999年开始改为A4开本。国内外公开发行。《控制理论与应用》主要报道系统控制科学中具有新观念、新思想的理论研究成果及其在各个领域中，特别是高科技领域中的应用研究成果，内容包括：1.集中参数控制系统；2.线性与非线性控制系统；3.分布参数控制系统；4.随机控制系统；5.离散事件系统；6.大系统理论；7.混合系统；8.系统辨识与建模；9.自适应控制；10.鲁棒控制；11.智能控制；12.优化与控制算法；13.先进控制理论在实际系统中的应用；14.系统控制科学中的其它重要问题。
正式出版
收录年代

    前言

    周平蒋朝辉钟伟民那靖...
    373-374页
      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    集成数据挖掘知识的可解释最优超球体支持向量机

    陆思洁范頔渐令郜传厚...
    375-384页
    查看更多>>摘要：最优超球体支持向量机(SSLM)是一种典型的黑箱模型，其运行模式不需要考察被研究对象的内部结构和机理，仅利用对象的输入输出数据即能达到认识其功能和作用机制，因此具有响应快、实时性强等优点，但也因此缺乏可解释性和透明性。鉴于此，本文研究从SSLM黑箱模型的输入端加入先验知识的方法，增强其可解释性。本文开发了基于数据的非线性圆形知识挖掘算法以及知识的离散化算法，离散后的数据点不仅包含产生知识的原始数据点，还增加了新的数据点。通过将所挖掘的圆形知识以不等式约束的形式集成至SSLM模型，构造了可解释的SSLM模型(i-SSLM)。该模型在训练时要确保知识约束的数据点分类正确，因此对模型结果有一定程度的预知，表明模型具有可解释性;同时，又由于知识的离散化增加了新的数据信息，因此，模型能具有更高的精度。i-SSLM模型的有效性在10组公共样本集和2组实际高炉数据集上得到了验证。

    黑箱模型可解释性最优超球体支持向量机先验知识不平衡数据

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    具有双储层结构的动态误差补偿回声状态网络

    张昭昭朱应钦余文
    385-395页
    查看更多>>摘要：针对传统回声状态网络难以有效应对高阶非线性复杂模型问题，本文在理论分析的基础上提出了一种双储层结构的误差补偿回声状态网络，并设计了该网络的学习算法。该网络由计算层和补偿层构成，计算层主要承担拟合任务，补偿层则作为状态跟随器，实时补偿由于计算层对期望方差估计不足而导致的幅值偏差。对多阶振荡器和真实高阶非线性数据集的实验结果表明，本文所提网络结构较常规网络具有更高的稳定性和泛化性能，尤其对高阶非线性复杂模型的预测精度大幅度提升。

    回声状态网络高阶非线性复杂模型补偿回声状态网络多阶振荡器

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于超图正则化的域适应偏最小二乘多工况软测量模型

    霍海丹阎高伟王芳任密蜂...
    396-406页
    查看更多>>摘要：针对流程工业中，因多工况导致数据分布变化引起传统软测量模型预测性能恶化问题，本文提出一种基于超图正则化的域适应多工况软测量回归模型框架。首先，采用非线性迭代偏最小二乘回归算法为基模型，在潜变量空间利用历史工况数据重构当前工况数据，以增强工况间的相关性，有效减小数据分布差异;同时，对重构系数施加低秩稀疏约束，保留了数据的局部和全局子空间结构;其次，通过超图拉普拉斯正则项对域适应潜变量求解过程进行约束，避免在寻找潜变量过程中破坏数据结构。最后，利用交替方向乘子法优化求解模型参数。在多个数据集上的实验表明，本文方法在多工况环境下可有效提高软测量模型的预测精度和泛化性能。

    多工况超图结构保持域适应软测量

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    奇异值分解下在线鲁棒正则化随机网络

    于洋邓瑞余刚庞新富...
    407-415页
    查看更多>>摘要：在线鲁棒随机权神经网络(OR-RVFLN)具有较好的逼近性、较快的收敛速度、较高的鲁棒性能以及较小的存储空间。但是，OR-RVFLN算法计算过程中会产生矩阵的不适定问题，使得隐含层输出矩阵的精度较低。针对这个问题，本文提出了奇异值分解下在线鲁棒正则化随机网络(SVD-OR-RRVFLN)。该算法在OR-RVFLN算法的基础上，将正则化项引入到权值的估计中，并且对隐含层输出矩阵进行奇异值分解;同时采用核密度估计(KDE)法，对整个SVD-OR-RRVFLN网络的权值矩阵进行更新，并分析了所提算法的必要性和收敛性。最后，将所提的方法应用于Benchmark数据集和磨矿粒度的指标预测中，实验结果证实了该算法不仅可以有效地提高模型的预测精度和鲁棒性能，而且具有更快的训练速度。

    随机权神经网络正则化奇异值分解磨矿过程磨矿粒度

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    工业过程关键指标预测的知识协同进化增强图卷积网络方法

    牟天昊邹媛媛李少远
    416-427页
    查看更多>>摘要：在流程工业关键变量预测领域，已有研究致力于将过程知识与大数据相结合，以实现更高的准确性，降低过拟合风险和提高可解释性。然而，现有工作存在准确的先验知识构建成本高、无法从丰富的数据中挖掘知识等问题，限制了这些方法在实际工业过程中的广泛应用。为了解决这些挑战，本文提出了一种基于知识协同进化的增强图卷积网络方法。首先，利用易获取的过程流图构建低成本的粗粒度流程知识。然后，在图卷积神经网络模型训练中引入图探索，实现知识更新。最后，为了降低知识复杂度并保持一致性，设计了一种知识过滤机制。所提出的方法在基准的脱丁烷塔工艺过程上进行了验证。实验结果表明，该方法具有出色的预测准确性，并获得高质量的新知识。

    关键指标预测流程工业知识挖掘图卷积神经网络数据-知识驱动建模脱丁烷塔

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于知识蒸馏的钢铁高炉煤气系统建模方法

    金锋陈薇琳赵博识赵珺...
    428-435页
    查看更多>>摘要：钢铁企业高炉煤气系统具有波动性大、时变性强、不确定性高等特点，对其未来产消趋势进行准确的建模预测有助于企业的高效决策与节能减排。文章提出了一种基于知识蒸馏的高炉煤气系统建模方法，为了提高训练过程中的拟合精度，在教师网络中建立了基于长短期记忆网络的序列到序列模型来提取样本的中间特征。进而，提出了融入教师模型中间特征的知识蒸馏策略，建立了考虑中间特征蒸馏损失与预测均方误差的损失函数，对知识蒸馏过程及预测偏差进行评估。通过国内大型钢铁企业高炉煤气系统实际运行数据的实验验证，表明了本文所提建模方法的有效性，可为后续的能源系统优化调度提供支撑。

    知识蒸馏时间序列高炉煤气系统钢铁企业

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于稀疏表示剪枝集成建模的烧结终点位置智能预测

    周平吴忠卫张瑞垚吴永建...
    436-446页
    查看更多>>摘要：烧结终点位置(BTP)是烧结过程至关重要的参数，直接决定着最终烧结矿的质量。由于BTP难以直接在线检测，因此，通过智能学习建模来实现BTP的在线预测并在此基础上进行操作参数调节对提高烧结矿质量具有重要意义。针对这一实际工程问题，首先提出一种基于遗传优化的Wrapper特征选择方法，可选取使后续预测建模性能最优的特征组合;在此基础上，为了解决单一学习器容易过拟合的问题，提出了基于随机权神经网络(RVFLNs)的稀疏表示剪枝(SRP)集成建模算法，即SRP-ERVFLNs算法。所提算法采用建模速度快、泛化性能好的RVFLNs作为个体基学习器，采用对基学习器基函数与隐层节点数等参数进行扰动的方式来增加集成学习子模型间的差异性;同时，为了进一步提高集成模型的泛化性能与计算效率，引入稀疏表示剪枝算法，实现对集成模型的高效剪枝;最后，将所提算法用于烧结过程BTP的预测建模。工业数据实验表明，所提方法相比于其他方法具有更好的预测精度、泛化性能和计算效率。

    智能预测特征选择集成学习稀疏表示剪枝烧结终点位置随机权神经网络(RVFLNs)

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于工况知识引导注意力时间卷积网络的烧结终点预测

    方怡静蒋朝辉桂卫华潘冬...
    447-453页
    查看更多>>摘要：烧结终点位置的实时准确预测对于优化烧结工艺具有重要的意义。针对烧结过程中强非线性和动态时变性造成烧结终点高精度预测难的问题，本文提出了一种基于工况知识引导注意力时间卷积网络(AM-TCN)模型。首先，构建堆叠的时间卷积模块用于充分提取烧结过程数据中深层次的非线性特征;其次，将历史工况知识引入注意力机制，引导模型在保留过程数据时序特征的同时区分不同特征的重要性;最后，构建预测模型用于烧结终点位置在线预测。工业数据实验表明，所提AM-TCN模型具有较好的烧结终点预测精度，对提升烧结过程热状态稳定性具有重要意义。

    注意力机制时间卷积网络工况知识烧结终点预测

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于多任务学习多目标优化的稀土元素组分含量与浓度多维度软测量

    张水平张奇涵王碧
    454-467页
    查看更多>>摘要：稀土混合萃取溶液中各元素组分含量的在线软测量是优化连续萃取生产过程、确保产品高纯化的前提。现有软测量方法可独立求解单个稀土元素组分含量，但忽略了多元素组分含量间或组分含量与其它相关因素(如浓度)间的共性。本文为探索多稀土元素组分含量间及组分含量与浓度间的共性，将多任务学习方法用于稀土元素组分含量软测量中。首先，构建多任务深度神经网络，提高模型的泛化能力和鲁棒性。其次，提出基于多目标优化算法的稀土多元素组分含量预测方法，通过搜索Pareto最优以提升各任务的预测精度。经多组对比实验表明，该方法在多元素组分含量或多元素组分含量与浓度同时训练时性能最佳，能满足稀土元素组分含量在线检测的精确性和实时性。

    稀土萃取组分含量多任务学习多目标优化机器学习深度学习帕累托

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据