多率含噪时滞非线性系统基于数据挖掘的自适应控制

多率含噪时滞非线性系统广泛存在于炼铁高炉、电站锅炉与汽轮机、石油化工等复杂工业过程，有很强的应用背景。该类系统的快速和精确控制对国家科技与经济的发展具有重要作用。本项目基于数据挖掘研究该类系统的数据处理、在线辨识和自适应控制，内容如下：1）提出双向反馈数据挖掘过程模型，给出"自上而下"的实现方法，减小知识发现的耗时量；2）重构输入输出时间序列，研究时滞多率系统单率化准则；3）结合训练数据的空间和时间特性定义隶属度模型，并引入核缓存策略，提出模糊支持向量机在线学习（OFSVR）算法；4）把OFSVR算法应用于直接逆控制、内模控制和预测控制，实现该类系统的自适应控制；5）研究离散SISO系统OFSVR逆系统的存在条件，并推广到连续系统和MIMO系统，研究基于OFSVR逆系统的内模控制和预测控制。本项目的研究可为多率含噪时滞复杂工业生产过程的在线辨识和自适应控制积累理论和实践基础。

带有未知参数的多率、含噪、时滞非线性系统广泛存在于炼铁高炉、循环流化床、电站锅炉与汽轮机、石油化工等过程工业领域，具有广泛的应用背景，是国民经济的支柱产业。该类系统的辨识与控制是当前控制理论中最活跃的研究方向之一，但该类系统通常是集传热与化学反应耦合的高度复杂过程，其运行机制具有时变、非线性、大噪声、多率采样、输入对输出影响滞后等特性，难于应用机理研究对其进行建模。随着计算机和存储技术的发展，上述生产过程积累了海量的历史数据（输入输出对），如何从这些历史数据中提取出有用的知识、实现该类过程的优化与快速精确控制是一个急待解决的问题。. 本项目从上述过程工业应用背景中抽象出“多率含噪时滞非线性系统”作为研究对象，基于数据挖掘理论和方法研究该类非线性系统的在线辨识与自适应控制。具体内容如下：1）多率含噪时滞非线性系统的数据挖掘过程模型；2）多率系统的数学描述和把多率系统转化为单率系统的关键技术；3）基于支持向量机逆系统的协调系统解耦控制；4）基于支持向量机的误分类代价敏感模糊推理系统；5）嵌入非对称拒识代价的二元分类算法；6）嵌入非对称误分类代价和非对称拒识代价的分类算法；7）嵌入拒识代价和非对称误分类代价的分类算法。. 本项目从数据挖掘理论和方法入手，针对该类系统的数据挖掘过程模型、多率系统单率化、高效在线辨识算法、对象的在线辨识、控制器的在线辨识和自适应控制的实现等问题，提出了一个较全面的解决方案。本项目的研究可为该类系统的建模、优化与控制积累理论与实践基础。. 在基金（60905034）的资助下，项目组成员共发表录用论文20余篇，其中SCI源1篇，EI期刊源4篇，EI会议3篇。