[發(fā)明專(zhuān)利]基于參數(shù)優(yōu)化的工業(yè)過(guò)程大滯后慣性系統(tǒng)平行控制方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201910363062.1
• 申請(qǐng)日: 2019-04-30
• 公開(kāi)（公告）號(hào): CN110174841A
• 公開(kāi)（公告）日: 2019-08-27
• 發(fā)明（設(shè)計(jì)）人: 李泉;尹峰;孫堅(jiān)棟
• 申請(qǐng)（專(zhuān)利權(quán)）人: 杭州意能電力技術(shù)有限公司;國(guó)網(wǎng)浙江省電力有限公司電力科學(xué)研究院;國(guó)家電網(wǎng)有限公司
• 主分類(lèi)號(hào): G05B13/04
• 分類(lèi)號(hào): G05B13/04
• 代理公司: 浙江翔隆專(zhuān)利事務(wù)所(普通合伙) 33206
• 代理人: 張建青

1.基于參數(shù)優(yōu)化的工業(yè)過(guò)程大滯后慣性系統(tǒng)平行控制方法，其特征在于，所述的方法涉及人工仿真系統(tǒng)和實(shí)際控制系統(tǒng)，所述的實(shí)際控制系統(tǒng)采用基于單調(diào)整系數(shù)的預(yù)測(cè)函數(shù)閉環(huán)控制，人工仿真系統(tǒng)中搭建對(duì)應(yīng)閉環(huán)控制回路并設(shè)置遺傳優(yōu)化程序；

所述的方法采用如下步驟：首先，利用基于深度學(xué)習(xí)的閉環(huán)辨識(shí)算法對(duì)被控對(duì)象進(jìn)行閉環(huán)建模；其次，將被控對(duì)象模型置于人工仿真系統(tǒng)中，評(píng)估控制性能，采用遺傳算法尋優(yōu)最佳調(diào)整系數(shù)；最后，將人工仿真系統(tǒng)尋優(yōu)參數(shù)置入實(shí)際控制系統(tǒng)，實(shí)現(xiàn)參數(shù)優(yōu)化交互。

2.根據(jù)權(quán)利要求1所述的基于參數(shù)優(yōu)化的工業(yè)過(guò)程大滯后慣性系統(tǒng)平行控制方法，其特征在于，所述基于深度學(xué)習(xí)的閉環(huán)辨識(shí)算法，其步驟如下：首先，在預(yù)測(cè)函數(shù)控制系統(tǒng)設(shè)定值上加入正反向階躍激勵(lì)信號(hào)，獲得被控對(duì)象的閉環(huán)輸入數(shù)據(jù)集A和輸出數(shù)據(jù)集B，數(shù)據(jù)集A經(jīng)過(guò)預(yù)測(cè)函數(shù)控制系統(tǒng)中的內(nèi)部模型產(chǎn)生數(shù)據(jù)集C，將數(shù)據(jù)集C和數(shù)據(jù)集B作為深度學(xué)習(xí)隨機(jī)失活神經(jīng)網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)，采用回歸算法進(jìn)行訓(xùn)練，獲得深度學(xué)習(xí)閉環(huán)辨識(shí)模型，以準(zhǔn)確反映被控對(duì)象的特征。

3.根據(jù)權(quán)利要求2所述的基于參數(shù)優(yōu)化的工業(yè)過(guò)程大滯后慣性系統(tǒng)平行控制方法，其特征在于，在獲得被控對(duì)象模型后，將該模型置入基于單調(diào)整系數(shù)的預(yù)測(cè)函數(shù)控制的人工仿真系統(tǒng)中，人工仿真系統(tǒng)的內(nèi)部模型不變，被控對(duì)象模型采用深度學(xué)習(xí)閉環(huán)辨識(shí)模型，采用遺傳優(yōu)化算法對(duì)人工仿真系統(tǒng)尋優(yōu)獲得最佳調(diào)整系數(shù)；人工仿真系統(tǒng)尋優(yōu)參數(shù)置入實(shí)際控制系統(tǒng)時(shí)，調(diào)整系數(shù)緩變至最佳調(diào)整系數(shù)。

4.根據(jù)權(quán)利要求2所述的基于參數(shù)優(yōu)化的工業(yè)過(guò)程大滯后慣性系統(tǒng)平行控制方法，其特征在于，所述的深度學(xué)習(xí)隨機(jī)失活神經(jīng)網(wǎng)絡(luò)的形成過(guò)程如下：

首先，將輸入數(shù)據(jù)標(biāo)準(zhǔn)化到給定最大值和最小值之間；其次，進(jìn)行訓(xùn)練數(shù)據(jù)集和測(cè)試數(shù)據(jù)集分類(lèi)，選用ReLU激活函數(shù)，設(shè)置神經(jīng)元層數(shù)、學(xué)習(xí)速率及隨機(jī)失活率；采用回歸算法進(jìn)行深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)訓(xùn)練及準(zhǔn)確率測(cè)算，得到深度學(xué)習(xí)隨機(jī)失活神經(jīng)網(wǎng)絡(luò)。