[發明專利]多批次間歇反應過程二維多模型預測迭代學習控制方法

有效

• 申請號: 201410566073.7
• 申請日: 2014-10-20
• 公開（公告）號: CN104460319B
• 公開（公告）日: 2019-04-12
• 發明（設計）人: 薄翠梅;黃慶慶;陸兵;易輝;楊世品
• 申請（專利權）人: 南京工業大學
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種多批次間歇反應過程二維多模型預測迭代學習控制方法，其特征在于以下步驟：

步驟1針對間歇生物反應過程在預熱、加料、反應和出料等工序呈現不同動態特性和操作要求，采集裝置多個批次下不同工序運行數據，采用遞推增廣最小二乘法辨識算法辨識間歇反應過程多階段操作過程子模型，并通過時變加權因子建立多組合線性模型：

∑_P：A(q^-1)y_k(t)＝[μ₁(t，t₁)B₁(q^-1)+μ₂(t，t₂)B₂(q^-1)，…，+u_m(t，t_m)B_m(q^-1)]u_k(t)+w_k(t)t＝0，1，…，T；k＝1，2，…

其中，q^-1是后移差分算子，A(q^-1)和B_i(q^-1)都是算子多項式：

A(q^-1)＝1+a₁q^-1+a₂q^-2+…+a_naq^-na，

B_i(q^-1)＝1+b_i，1q^-1+b_i，2q^-2+…+b_i，nbq^-nb i＝1，2，…，m

t和k分別代表時間和批次域信息，T代表批次反應持續時間；u_k(t)，y_k(t)和wk(t)分別是第k批次t時刻的輸入，輸出和未知擾動變量；μ_i(t，t_j)表示不同工序之間的時變權函數，可選擇階躍、多項式、高斯函數；

步驟2利用間歇生物反應過程不同批次間的重復性，在時間域和批次域的迭代學習控制策略表示如下形式：Δ_t(u_k(t))＝Δ_t(u_k-1(t))+r_k(t)；其中，Δ_t表示時間域上的后移差分算子；r_k(t)是更新律；

步驟3將批次間迭代學習算法應用到當前批次的廣義預測預測模型中，即將辨識所得模型代入迭代學習控制策略中，得到“時間域+批次域”二維等效過程模型：

其中：

步驟4根據上述二維等效模型，對于任意時刻t，將反應過程的輸入輸出關系分成已知和未知兩大部分，即：

其中分別表示已知部分輸入、輸出分別表示未知部分輸入、輸出；

步驟5合理確定二次型成本性能指標：輸出參考軌跡與預測輸出的誤差平方，更新值的平方，時間方向控制量變化值的平方和批次方向控制量變化值的平方，分別決定了過程控制輸入的大小，批次域收斂的魯棒性，批次域的方向動態穩定性和對高頻擾動的敏感性；在各平方項前添加權重系數，以不同的權重系數大小來確定最適合反應過程的控制性能；

η(i)，α(j)，β(j)，γ(j)分別為二次型成本項的權重系數，整數n₁，n₂， n₁≥n₂， 分別表示時間預測域和時間控制域，表示第k批次i步的預測輸出，y_r(t)，t＝0，1，...，T是期望軌跡，其中參數表示第k批次i步的預測輸出；對此，作如下定義：Q₁＝diag{η(1)，…，η(n₁)}，Q₂＝diag{β(0)，…，β(n₂-1)}，Q₃＝diag{γ(0)，…，γ(n₂-1)}，R＝diag{α(0)，…，α(n₂-1)}；

步驟6對上述二次型成本性能指標進行優化計算，通過求取性能指標最小值得到控制更新策略，構建二維多模型預測迭代學習控制方法在線實施控制結構如下：

其中K₁是上批次預測輸出偏差調節系數，K₂是上批次在時間域預測控制信號變化調節系數，K₃是當前批次控制信號變化調節系數，K₄是當前批次控制信號更新調節系數，K₅是當前批次輸出預測信號變化調節系數；Δ_t(u_k(t))表示時域變量，表示偏差預測值；表示時間域變量，Δ_k(u_k(t))表示批次域變量；表示更新律；表示當前批次輸出預測輸出值；對于批次過程，k1-k5調節系數、偏差、控制信息是可以獲取的，保證了該方法的可行性。