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

在審

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

本發(fā)明公開了一種基于參數(shù)優(yōu)化的工業(yè)過程大滯后慣性系統(tǒng)平行控制方法。本發(fā)明的平行控制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)測函數(shù)閉環(huán)控制，人工仿真系統(tǒng)中搭建對應(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)算法對被控對象進(jìn)行閉環(huán)建模；其次，將被控對象模型置于人工仿真系統(tǒng)中，評估控制性能，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。本發(fā)明通過兩個(gè)系統(tǒng)的交互作用，實(shí)現(xiàn)了實(shí)際控制系統(tǒng)的參數(shù)優(yōu)化，提高了實(shí)際控制系統(tǒng)控制品質(zhì)。

技術(shù)領(lǐng)域

本發(fā)明屬于工業(yè)過程控制系統(tǒng)領(lǐng)域，具體地說是一種基于參數(shù)優(yōu)化的工業(yè)過程大滯后慣性系統(tǒng)平行控制方法。

背景技術(shù)

工業(yè)過程中常存在一種大滯后慣性系統(tǒng)，為提高該大滯后慣性系統(tǒng)的控制性能，常使用模型預(yù)測控制，對被控對象的模型要求較高，模型變化后常導(dǎo)致控制效果變差，需要及時(shí)調(diào)整模型預(yù)測控制參數(shù)。

中國專利申請?zhí)?01810184793.5公開了一種基于智能尋優(yōu)的單調(diào)整系數(shù)預(yù)測函數(shù)控制參數(shù)整定方法，其包括如下步驟：工業(yè)過程控制系統(tǒng)中的一階慣性環(huán)節(jié)加純遲延對象作為預(yù)測控制模型，采用一個(gè)階躍函數(shù)，得出預(yù)測函數(shù)最優(yōu)控制律，令預(yù)測步長為1得到一種單步最優(yōu)控制律；利用單個(gè)調(diào)整系數(shù)方法，得到單調(diào)整系數(shù)預(yù)測函數(shù)最優(yōu)控制律；采用單調(diào)整系數(shù)的整定方法，即采用遺傳算法尋優(yōu)整定。按此方法對任何一階慣性加純遲延對象均可獲得最優(yōu)的調(diào)整系數(shù)，保證預(yù)測函數(shù)控制具有較強(qiáng)的魯棒性。但當(dāng)對象模型變化后，如果內(nèi)部預(yù)測模型不變化，控制性能會(huì)明顯變差，此時(shí)需要采用遺傳尋優(yōu)的方法改變調(diào)整系數(shù)來改善控制性能。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問題是克服上述現(xiàn)有技術(shù)存在的缺陷，提供一種基于參數(shù)優(yōu)化的工業(yè)過程大滯后慣性系統(tǒng)平行控制方法，其采用平行控制方法，以有效提高大滯后慣性系統(tǒng)的控制品質(zhì)。

為此，本發(fā)明采用如下的技術(shù)方案：基于參數(shù)優(yōu)化的工業(yè)過程大滯后慣性系統(tǒng)平行控制方法，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)測函數(shù)閉環(huán)控制，人工仿真系統(tǒng)中搭建對應(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)算法對被控對象進(jìn)行閉環(huán)建模；其次，將被控對象模型置于人工仿真系統(tǒng)中，評估控制性能，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。

進(jìn)一步的，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)過預(yù)測函數(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)確反映被控對象的特征。

進(jìn)一步的，在獲得被控對象模型后，將該模型置入基于單調(diào)整系數(shù)的預(yù)測函數(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)。

進(jìn)一步的，所述的深度學(xué)習(xí)隨機(jī)失活神經(jīng)網(wǎng)絡(luò)(DNN網(wǎng)絡(luò))的形成過程如下：

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)集和測試數(shù)據(jù)集分類，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)確率測算，得到深度學(xué)習(xí)隨機(jī)失活神經(jīng)網(wǎng)絡(luò)。