李全善
- 作品数：20 被引量：37H指数：3
- 供职机构：北京化工大学更多>>
- 发文基金：国家自然科学基金科技型中小企业技术创新基金北京市教育委员会共建项目更多>>
- 相关领域：自动化与计算机技术石油与天然气工程理学一般工业技术更多>>
- 模型PID和IMC-PID先进控制在炼油与石油化工装置中的应用
- 提出一种基于对象模型的PID和IMC-PID先进控制方法。该方法先采用一种对象模型参数和状态方程初值同时辨识的新方法，此方法在控制系统的闭环对象模型辨识和先进控制的实际应用表明，应用辨识出的对象模型进行PID参数和IMC...
- 姜景杰甄新平李全善王文新靳其兵潘立登
- 关键词：石油化工装置
- 文献传递
- 基于数据挖掘的IMC-PID在线自整定算法的实现
- 提出了利用过程历史数据自动进行数据挖掘的PID参数在线自整定算法.算法以PID回路的动态响应特性为依据,通过给定ε-不敏感损失函数、辨识信任度函数,从可行数据集中选取有效数据集,以此作为回路参数自整定的有效数据.为确保P...
- 李全善曹柳林许元丁方平周爱辉窦洪华
- 关键词：PID整定数据挖掘内模控制自整定算法
- 文献传递
- 催化裂化装置先进控制的研究与应用
- 该文针对这些先进控制软件包的缺点,提出一种新的解决方案,即若要装置优化,首先要保证各个控制回路优化,然后在各个回路优化的基础上进行整个装置的优化.根据以上思想,论文采用基于OPC技术的数据通信技术进行数据采集,应用OPC...
- 李全善
- 关键词：催化裂化内模控制IMC-PID控制OPC
- 文献传递
- 改进的催化裂化集总动力学参数估计方法被引量：3
- 2004年
- 针对催化裂化复杂反应体系 ,提出了一种在NLJ算法基础上改进的随机搜索优化算法NLJ +,该方法引入了优化的中间结果和目标函数的变化来修正搜索范围 ,从而减少了搜索的随机性。该方法应用于催化裂化十集总动力学模型轻循环油反应网络动力学参数估计 ,降低了搜索算法对初值和实验误差的要求 ,保证了收敛稳定性。
- 李全善潘立登
- 关键词：参数估计方法初值随机搜索搜索算法集总动力学催化裂化
- 一种闭环对象辨识方法及其在生产中的应用被引量：3
- 2006年
- 针对一些难达稳态过程的模型不易辨识的问题,提出了一种对象模型参数和状态方程初值同时辨识的新方法。该方法可不进行装置实验,仅使用装置历史数据就可进行在线辨识,且适用于系统处于非稳定状态的阶跃响应数据。闭环控制系统辨识仿真和实际应用表明,应用该方法辨识出的对象特性进行PID参数设计,效果明显,并且使控制系统具有很好的抗干扰能力和鲁棒性。
- 姜景杰甄新平李全善潘立登闻光辉
- 改进的双模型结构RBF神经网络及其应用
- 摘要％提出了离线结构学习和在线权值校正相结合的双模型结构:;<神经网络"以离线学习和在线校正相结合 的方式实现网络的自学习和自校正"满足了软测量仪表现场应用的要求&针对应用过程中出现预测误差过大的 现象"通过对网络算法进...
- 李全善张义山曹柳林林晓琳
- 关键词：神经网络软仪表
- 基于数据挖掘的IMC-PID在线自整定算法的实现被引量：3
- 2010年
- 提出了利用过程历史数据自动进行数据挖掘的PID参数在线自整定算法。算法以PID回路的动态响应特性为依据,通过给定ε-不敏感损失函数、辨识信任度函数,从可行数据集中选取有效数据集,以此作为回路参数自整定的有效数据。为确保PID控制尽可能达到最佳性能和鲁棒性,提出了基于对象组进行IMC-PID参数整定的方法。算法已应用于多个生产装置上,实际的投运结果表明,这种算法具有简便易用,推广能力强等特点,是PID参数整定算法中一种切实可行的算法。
- 李全善曹柳林许元丁方平周爱辉窦洪华
- 关键词：PID整定数据挖掘内模控制自整定
- 一种闭环对象辨识方法及其在生产中的应用
- 针对一些难达稳态过程的模型不易辨识的问题,提出了一种对象模型参数和状态方程初值同时辨识的新方法.该方法可不进行装置实验,仅使用装置历史数据就可进行在线辨识,且适用于系统处于非稳定状态的阶跃响应数据.闭环控制系统辨识仿真和...
- 姜景杰甄新平李全善潘立登闻光辉
- 关键词：内模控制PID模型参数
- 文献传递
- 一种可在线实现的对象辨识新方法被引量：2
- 2006年
- 大多数工业生产装置是一种非线性和慢时变的过程,这类过程在实施基于模型的先进控制时,往往在先进控制投运初期运行状况良好,但随着时间的推移,由于模型的时变性和先进控制模型不能及时更新,结果造成先进控制运行效果越来越差,以至最终无法投运。针对这类问题,本文提出了一种可在线更新对象模型的新方法(MP-SEIVI),新方法的仿真结果表明,应用新方法进行对象辨识,效果明显,提高了对象辨识的准确性。该方法的提出为确保先进控制的长期运行提供了一种新思路。
- 甄新平李全善姜景杰潘立登闻光辉
- 改进的双模型结构RBF神经网络及其应用被引量：3
- 2011年
- 提出了离线结构学习和在线权值校正相结合的双模型结构RBF神经网络,以离线学习和在线校正相结合的方式实现网络的自学习和自校正,满足了软测量仪表现场应用的要求。针对应用过程中出现预测误差过大的现象,通过对网络算法进行分析,研究影响网络预测精度的因素,在此基础上,提出了以K均值聚类法和递推下降算法相结合的RBF神经网络建模改进算法,仿真结果和实际应用证明了改进算法的有效性。
- 李全善张义山曹柳林林晓琳崔佳
- 关键词：RBF神经网络软仪表
