[發(fā)明專利]一種基于模型自適應(yīng)的綜合預(yù)測迭代學(xué)習(xí)控制方法

在審

• 申請?zhí)枺?/td>: 201410601343.3
• 申請日: 2014-10-30
• 公開（公告）號: CN104330972A
• 公開（公告）日: 2015-02-04
• 發(fā)明（設(shè)計）人: 熊智華;陳宸;公衍海
• 申請（專利權(quán)）人: 清華大學(xué)
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 北京清亦華知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11201
• 代理人: 羅文群

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于模型自適應(yīng)綜合預(yù)測迭代學(xué)習(xí)控制方法，尤其針對該生產(chǎn)過程帶有隨機噪聲情況和收斂速度較慢的情況，屬于間歇式生產(chǎn)加工過程的產(chǎn)品質(zhì)量跟蹤控制技術(shù)領(lǐng)域。

背景技術(shù)

間歇式生產(chǎn)過程(Batch?Process)是一種生產(chǎn)按批次進行操作，并且批次之間存在一定的間歇時間的生產(chǎn)方式。它廣泛存在于國民生產(chǎn)如生物制品、藥品生產(chǎn)、精細化工、半導(dǎo)體集成電路等各個領(lǐng)域，在小批量、多品種和高附加值的工業(yè)產(chǎn)品中占據(jù)主導(dǎo)地位。為了確保產(chǎn)品的高質(zhì)量及其質(zhì)量的穩(wěn)定性和，過程控制顯得尤為重要。然而一方面，間歇過程通常具有不連續(xù)性、非穩(wěn)態(tài)性、強非線性和時變性等特點，建立間歇過程的精確模型非常困難，傳統(tǒng)的控制方法一般并不能起到良好的效果；另一方面，在間歇過程生產(chǎn)中配方不變時，生產(chǎn)過程基本上是重復(fù)運行的，在每個批次運行周期內(nèi)控制變量和產(chǎn)品質(zhì)量都是沿著一定的操作變化軌跡運行，具有較強的重復(fù)性。此外，在實際的生產(chǎn)過程中，由于現(xiàn)實環(huán)境和加工手段不可避免的給生產(chǎn)過程帶來干擾或噪聲，在精度要求較高的產(chǎn)品加工中，過程噪聲可能給最終的產(chǎn)品質(zhì)量帶來嚴重的影響。

迭代學(xué)習(xí)控制(Iterative?Learning?Control,ILC)非常適合于這一類具有周期性、重復(fù)運行特性的生產(chǎn)過程的控制，其思想出發(fā)點是對于在有限時間區(qū)間上重復(fù)執(zhí)行相同控制任務(wù)的系統(tǒng)，其性能可以通過對以往重復(fù)過程的學(xué)習(xí)來得到改善。迭代學(xué)習(xí)控制算法期望利用前一個或多個批次的信息來更新下一批次的輸入軌跡，使得輸出軌跡盡快地收斂于期望的目標軌跡。

對于大多數(shù)的間歇被控過程，對象具體知識的取得并非易事，有時甚至是不可能的，如：間歇過程的運行批次有限使得輸入輸出數(shù)據(jù)有限；處于初始若干批次重復(fù)運行階段，數(shù)據(jù)相關(guān)度較高；過程具有較強的非線性，無法用線性過程擬合；建模成本較高等，在這些情況下不可能建立精確的系統(tǒng)模型或是建立的模型有較大的偏差。同時由于間歇過程的本身有可能在多次重復(fù)運行的過程中運行狀態(tài)發(fā)生變化或者由于外部干擾給使得模型在運行過程中發(fā)生改變。從而給控制算法的參數(shù)選擇帶來困擾，因此單純的迭代學(xué)習(xí)控制算法難以直接使用，或者使用效果不佳，經(jīng)過多個批次依然難以達到預(yù)期的控制目的。

此外，即使能獲得相比較為精確的過程模型，若在被控過程存在干擾或噪聲，迭代學(xué)習(xí)控制效果可能由于控制算法在批次上積分作用變差從而達不到預(yù)期目的。大多數(shù)當前的迭代學(xué)習(xí)算法都假設(shè)過程噪聲不存在進而討論算法性質(zhì)，但是在實際生產(chǎn)過程中，過程噪聲往往難以避免，在一定過程噪聲的情況下如何設(shè)計過程控制算法來保證間歇過程產(chǎn)品質(zhì)量有待解決。

模型預(yù)測控制(Model?Predictive?Control,MPC)是一種反饋先進控制算法，基于過程模型和以往的系統(tǒng)輸入預(yù)測將來系統(tǒng)的輸出，并在此基礎(chǔ)上通過優(yōu)化方法修正當前的輸入。模型預(yù)測控制對于過程模型不確定性和存在過程噪聲的被控過程有較好的控制效果。因此在迭代學(xué)習(xí)控制方法中結(jié)合模型預(yù)測控制是一條解決上述問題的理所當然的途徑。

總體而言，在參數(shù)無法選擇導(dǎo)致傳統(tǒng)迭代學(xué)習(xí)算法收斂速度較慢或是存在過程噪聲的情況下，如何設(shè)計恰當?shù)恼系鷮W(xué)習(xí)控制方法是一個非常值得研究的問題。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種基于模型自適應(yīng)的綜合預(yù)測迭代學(xué)習(xí)控制方法，該方法針對間歇過程收斂較慢或過程中存在噪聲的問題，能夠很好控制間歇過程最終產(chǎn)品質(zhì)量。該方法計算簡單，計算耗時較少，具有較好的推廣性。

本發(fā)明提出的基于模型自適應(yīng)的綜合預(yù)測迭代學(xué)習(xí)控制方法，方法包括以下步驟：

1)與實際生產(chǎn)過程相結(jié)合，設(shè)置一個批次生產(chǎn)的數(shù)據(jù)采集和存儲環(huán)節(jié)，該環(huán)節(jié)可以利用生產(chǎn)企業(yè)現(xiàn)有的工業(yè)控制計算機、PLC等設(shè)備；

2)根據(jù)采集到的生產(chǎn)歷史數(shù)據(jù)庫中以往的生產(chǎn)過程數(shù)據(jù)，在進行數(shù)據(jù)預(yù)處理后采用適當?shù)姆椒ń⑸a(chǎn)過程的簡單數(shù)學(xué)模型；

3)數(shù)據(jù)采集環(huán)節(jié)采集得到工業(yè)生產(chǎn)線中產(chǎn)品加工的輸入輸出數(shù)據(jù)，并根據(jù)目標跟蹤軌跡計算跟蹤誤差曲線；

4)依據(jù)步驟3)得到的跟蹤誤差，采用綜合預(yù)測迭代學(xué)習(xí)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(jù)新的運行數(shù)據(jù)自適應(yīng)地更新生產(chǎn)過程的模型；

6)在每個新的采樣點，實施步驟4)，實現(xiàn)對輸出目標軌跡的有效跟蹤。

上述控制方法中的所述步驟2)中，建立生產(chǎn)過程的數(shù)學(xué)模型方法如下：

①根據(jù)歷史數(shù)據(jù)庫中以往的生產(chǎn)過程數(shù)據(jù)，在進行數(shù)據(jù)預(yù)處理后采用適當?shù)姆椒ń⑦^程數(shù)學(xué)模型：