[發明專利]一種基于2D理論的綜合預測迭代學習控制方法

在審

• 申請號: 201410601674.7
• 申請日: 2014-10-30
• 公開（公告）號: CN104317269A
• 公開（公告）日: 2015-01-28
• 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: G05B19/418
• 分類號: G05B19/418;G06F17/30
• 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

技術領域

本發明涉及一種基于2D理論的綜合預測迭代學習控制方法，尤其針對該被控過程帶有隨機噪聲的情況，適用于間歇式生產加工過程的產品質量跟蹤控制，屬于工業生產自動化控制技術領域。

背景技術

間歇式生產過程是一種制造生產過程按批次進行重復操作，并且批次之間存在一定的間歇時間的生產方式。在生物制品、藥品生產、精細化工、半導體集成電路等工業領域，間歇過程生產都有很廣泛的應用,在小批量、多品種和高附加值的工業產品中占據主導地位。為了確保產品的高質量及其質量的穩定性和，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性、非穩態性、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，在間歇過程生產中配方不變時，生產過程基本上是重復運行的，在每個批次運行周期內控制變量和產品質量都是沿著一定的操作變化軌跡運行，具有較強的重復性。此外，在實際的生產過程中，由于現實環境和加工手段不可避免的給生產過程帶來干擾或噪聲，在精度要求較高的產品加工中，過程噪聲可能給最終的產品質量帶來嚴重的影響。

迭代學習控制(Iterative?Learning?Control,ILC)適合于一類具有周期性、重復運行特性的被控對象，其思想出發點是對于在有限時間區間上重復執行相同控制任務的系統，其性能可以通過對以往重復過程的學習來得到改善。迭代學習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據有限；處于初始若干批次重復運行階段，數據相關度較高；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模型或是建立的模型有較大的偏差。而給控制算法的參數選擇帶來困擾，因此單純的迭代學習控制算法難以直接使用。

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，迭代學習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期目的。大多數當前的迭代學習算法都假設過程噪聲不存在進而討論算法性質，但是在實際生產過程中，過程噪聲往往難以避免，在一定過程噪聲的情況下如何設計過程控制算法來保證間歇過程產品質量有待解決。

模型預測控制(Model?Predictive?Control)是一種反饋先進控制算法，基于過程模型和以往的系統輸入預測將來系統的輸出，并在此基礎上通過優化方法修正當前的輸入。模型預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。因此在迭代學習控制方法中結合模型預測控制是一條解決上述問題的理所當然的途徑。

總體而言，在過程模型不準確或是存在過程噪聲的情況下，如何設計恰當的整合迭代學習控制算法是一個值得研究的問題。

發明內容

本發明的目的是提出一種基于2D理論的綜合預測迭代學習控制方法，該方法針對間歇過程不準確和過程中存在噪聲的問題，能夠很好控制間歇過程最終產品質量。

本發明提出的基于2D理論的綜合預測迭代學習控制方法，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，采用基于2D理論的整合預測迭代學習控制算法計算新的實時控制量；

5)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。

上述基于2D理論的綜合預測迭代學習控制方法的步驟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；