[發明專利]一種基于模型自適應的綜合預測迭代學習控制方法

在審

• 申請號: 201410601343.3
• 申請日: 2014-10-30
• 公開（公告）號: CN104330972A
• 公開（公告）日: 2015-02-04
• 發明（設計）人: 熊智華;陳宸;公衍海
• 申請（專利權）人: 清華大學
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 羅文群

1.一種基于模型自適應的綜合預測迭代學習控制方法，其特征在于該方法包括以下步驟：

1)與實際生產過程相結合，設置一個批次生產的數據采集和存儲環節，該環節可以利用生產企業現有的工業控制計算機、PLC等設備；

2)根據采集到的生產歷史數據庫中以往的生產過程數據，在進行數據預處理后采用適當的方法建立生產過程的簡單數學模型；

3)數據采集環節采集得到工業生產線中產品加工的輸入輸出數據，并根據目標跟蹤軌跡計算跟蹤誤差曲線；

4)依據步驟3)得到的跟蹤誤差，采用綜合預測迭代學習控制算法計算下一批次的實時控制量；

5)在新的批次開始時，根據新的運行數據自適應地更新生產過程的模型；

6)在每個新的采樣點，實施步驟4)，實現對輸出目標軌跡的有效跟蹤。

2.如權利要求1所述的一種基于模型自適應的綜合預測迭代學習控制方法，其特征在于：所述步驟2)中，建立生產過程的數學模型方法如下：

①根據歷史數據庫中以往的生產過程數據，在進行數據預處理后采用適當的方法建立過程數學模型：

假定某時刻輸入樣本集U＝(u₁,u₂,...,u_m)^T∈R^m，表示m個監測傳感器在某個時刻的歷史數據，m表示監測傳感器的個數，R^m表示m維列向量；u_j表示在樣本U中，第j個傳感器數據的單個樣本數據值，j＝1,2,...,m；該時刻的輸出樣本集為Y＝(y₁,y₂,...,y_n)^T∈Rⁿ，表示n個監測傳感器在某個時刻的歷史數據，n表示監測傳感器的個數，Rⁿ表示n維列向量；y_j表示在樣本Y中，第j個傳感器數據的單個樣本數據值，j＝1,2,...,n，假設采取N組歷史數據，得到的輸入數據總樣本集如下：Q_u＝{U₁,...,U_m}，輸入數據總樣本集為：Q_y＝{Y₁,...,Y_m}，分別求得輸入輸出數據集的均值和方差，按照設定的數據限剔除不符合要求的樣本點。最終得到總的樣本集Q，在數據處理過程中，數據預處理的關鍵在于不合理數據的剔除和數據的歸一化處理；

②建立數學模型。假定過程模型能用以下的離散方程表示：

y(t)+a₁·y(t-1)+...+a_p·y(t-p)＝b₁·u(t-1)+...+b_q·u(t-q)+v(t)????????(1)

將數據樣本集Q中的數據分別代入離散方程的兩端，采用最小二乘等適當方法取得離散方程中參數的近似值并找到離散方程的狀態空間實現，以此作為間歇過程的數學模型，其得到的近似狀態空間模型為：

x(t+1)=A·x(t)+B·u(t)y(t)=C·x(t)+d(t)---(2)]]>

考慮到間歇過程的重復性質，記k為批次方向，則間歇過程的狀態空間模型可以表述為：

x(t+1,k)=A·x(t,k)+B·u(t,k)y(t,k)=C·x(t,k)+d(t,k)---(3)]]>

假定一個批次中采樣點為N個，令第k個批次的輸入輸出軌跡分別為U_k＝[u_k(0),u_k(1),...,u_k(N-1)]^T、Y_k＝[y_k(1),y_k(2),...,y_k(N)]^T，可得過程的離散模型為：

Y_k＝GU_k+d_k??????????????????????????(4)

其中：

G=g1,00...0g2,0g2,1...0.......0..gN,0gN,1...gN,N-1∈RN×N,gi,j=C·Ai-j·B---(5)]]>

由此得到生產過程的數學模型。