首页 / 专利库 / 人工智能 / 先进控制 / 一种工业过程新型混杂受限模型预测跟踪控制优化设计方法

一种工业过程新型混杂受限模型预测跟踪控制优化设计方法

阅读:134发布:2020-05-11

专利汇可以提供一种工业过程新型混杂受限模型预测跟踪控制优化设计方法专利检索,专利查询,专利分析的服务。并且本 发明 涉及一种工业过程新型混杂受限模型预测 跟踪 控制优化设计方法,属于工业过程的 先进控制 领域,包括以下步骤:步骤1、建立新型工业过程多胞型离散切换系统模型,步骤2、模型预测跟踪控制最小-最大优化设计。本发明的有益效果为:本发明将多阶段工业过程输入输出模型转 化成 含有多胞切换系统模型,此模型是原有系统在“最差”情况下的新型表示,针对这样的模型,将其转化为由系统状态误差及输出跟踪误差构成的扩展新型 状态空间 模型,在此模型下,基于切换模式的容错预测 控制器 得以设计,此控制器是克服最大干扰使得性能指标上界最小时的最小控制输入,在一定程度上实现高精控制和节能减耗的目标。,下面是一种工业过程新型混杂受限模型预测跟踪控制优化设计方法专利的具体信息内容。

1.一种工业过程新型混杂受限模型预测跟踪控制优化设计方法,其特征在于:包括以下步骤:
步骤1、建立新型工业过程多胞型离散切换系统模型,具体如下:
1.1 基于具有多面体不确定性的第i个阶段工业过程离散系统模型输入输出模型可描述如下:
其中t表示当前时刻,yi(t)∈Rn表示i阶段模型的输出量;ui(t)∈Rm表示i阶段模型的输入量; 是参数;
1.2 引入差分算子V,模型转换如下:
1.3 定义新的状态变量形式Vxi(t):
Δxi(t)=[Δyi(t),Δyi(t-1),…Δyi(t-m+1),Δui(t-1),Δui(t-2)…Δui(t-n+1)]T  (3)
1.4 构造第i阶段的状态空间模型:
其中:
假设 这里 表示存在L个非负系数
1.5 定义跟踪误差:
ei(t)=yi(t)-ri(t)               (6)且
i i
其中r(t)为第i阶段期望输出,Vr(t+1)为0;
1.6 结合跟踪误差对原系统进行扩维,zi(t)为新引入的状态变量,扩维后的状态空间模型如下:
其中: 0具有适当
维数的零矩阵,式(5)中的 可转换为以下描述:

1.7 结合切换信号与扩维模型后的新型切换系统模型如下:
其中σ(t):Z+→n={1,2…P}为模型的切换信号,与时间或系统状态相关,或与状态及时间均相关;
步骤2、模型预测跟踪控制最小-最大优化设计,具体如下:
2.1 针对第i阶段选取相关的性能指标函数如下:
约束条件:
其中,ΔU(t)表示未来控制输入增量的集合, 表示相关的约
束条件,Qi,Ri表示权重矩;
2.2 将式(10)中的成本函数分为两部分,被重新描述为:
公式(12)中s=0,1...,N-1;
公式(13)中s≥N,其中ΔU1i(t)是ΔUi(t),...,ΔUi(t+N-1)的集合,以及ΔU2i(t)是ΔUi(t+N),...,ΔUi(t+∞)的集合,N是切换域;
2.3 针对步骤2.2中的性能指标函数,公式(7)转化为新的模式,基于式(7)中的模型,状态的预测可以表示如下:
(14)式可以重新描述为:
其中zi(t), 从(14)中获得;
2.4 为改进预测控制性能,对于式(13)中无限平约束最小-最大优化问题,引入了线性状态反馈控制律:
Δui(t+s)=Fi(t)zi(t+s),s≥N              (16)
2.5 构造最小-最大优化设计。
2.根据权利要求1所述的一种工业过程新型混杂受限模型预测跟踪控制优化设计方法,其特征在于:所述步骤2.5的具体设计如下:
定义二次函数:
Vi(s,t)=zi(t+s)TPi(s,t)zi(t+s),s≥N            (17)
其中Pi(s,t)>0,假设Vi(s,t)对 和s≥N满足以下鲁棒稳定性
束:
对式(18)从s=N到∞进行求和可得:
此时式(13)中优化问题等于Vi(N,t)的最小化,最后,将式(10)中的成本函数简化为:
关于 Fi(t)和Pi(N,t),式(20)中的成本函数简化为:
其中 和
i
当且仅当对每个阶段存在L个对称正矩阵Pl时,等式(16)和(18)才是成立的;
同时
此时,令

那么式(21)中的成本函数可以改写为:
约束为式(11)和式(23)-式(35);
应用Schur引理,式(23)-式(25)可以转换为如下LMIs:
定义 Fi(t)=Yi(Gi)-1,然后式(27)转换为以下LMI:
对(28)式左乘矩阵diag[GiT 0 0 0 0],右乘diag[GiT 0 0 0 0]的转置;以及由可得:
根据式(8),转换以下多面体描述:

然后式(24)可以描述为以下LMI:
同样地, 可转换为以下描述:

然后式(25)可以描述为以下LMI:
因此,式(26)中的成本函数可以重写为:
约束为式(11),式(29)和式(33);
对于式(11)中的约束,首先,已知时域之前的控制输入由 参数化;因此,获得以下约束:
其中 和 是由 和 构造的适维向量;
其次,超出控制输入时域的N由式(16)中的反馈控制律参数化,可以得到以下公式(36)-(37);
为了满足式(11)中对所有s≥N的约束并保持系统的稳定性,存在L个对称矩阵和两个矩阵{G,Y},并且满足式(29)以及
其中 和
因此,整个优化问题由下式给出:
约束为式(11)、式(29)-(33)和式(35)-(37)。

说明书全文

一种工业过程新型混杂受限模型预测跟踪控制优化设计方法

技术领域

[0001] 本发明属于工业过程的先进控制领域,涉及一种工业过程新型混杂受限模型预测跟踪控制优化设计方法。

背景技术

[0002] 随着人们对高品质生产的要求越来越高,间歇过程的控制受到了极大的挑战。同时不可避免的不确定性和干扰也对控制提出了更高的要求方法。执行器不确定性在工业过程中很常见,导致执行器的输出响应可能不是控制器计算出控制信号的精确响应。在这种情况下,控制系统的性能可能恶化到不可接受的程度。执行器一旦发生故障,输入信号将会发生改变,对系统控制作用将减弱,严重时甚至造成设备损坏,财产损坏和人员的安全问题。除了执行器不确定之外,其他不确定性如干扰也同样会使系统性能变差。解决上述现象,有两大方法:重复生产工业过程批次上信息若重复发生,可用迭代学习控制结合预测控制方法,实现其优化控制。另一方法是针对重复生产工业过程批次上信息不是重复发生,此时上述方法明显不再适用,这时将这种重复生产过程就看做跟时间相关的连续生产过程即可,针对这类工业过程,一些相应的控制方法如线性二次跟踪预测控制,预测函数控制等方法相应提出,但是研究成果均基于单一模型。而某些复杂的工业过程其生产按阶段运行,不同阶段实现不同的生产目标,且各阶段之间相互影响,此时必须寻找新的控制方法来实现此类过程的优化控制。

发明内容

[0003] 针对工业过程出现的上述情况:多阶段重复生产过程批次间信息不重复情况,及其执行器不确定性和未知扰动,本发明提出一种新型混杂受限模型预测跟踪控制优化方法,使得系统在各种不确定性存在的情况下,依然稳定运行,并实现良好的跟踪性能。
[0004] 本发明目的一是针对执行器不确定性和未知扰动的多阶段重复生产过程批次间信息不重复情况,设计一种新型的模型预测容错控制方法,实现其良好的控制。二是不仅要实现其上述目标,还要对优化指标进行重新改进,设计切换控制器,使得系统实现在最大干扰下具有最小的控制输入,即采用两步优化来进一步提高系统控制性能,并且所设计的控制器提供了更多自由度来调节闭环系统性能。性能改进的同时,解决了控制器增益不可调节的弊端。
[0005] 本发明的技术方案是通过给定模型、模型转化、预测机理、优化等手段,提出了一种工业过程新型混杂受限模型预测跟踪控制优化方法,利用该方法有效解决了具有执行器不确定性和干扰的控制问题,有效改善重复工业生产过程在批次间信息不重复情况下的跟踪性能和解决控制器不能调节的弊端,解决了故障、干扰等因素给系统控制带来的影响,实现系统在不确定下引起的模型失配仍具有良好的控制效果。
[0006] 本发明是通过以下技术方案实现的:
[0007] 一种工业过程新型混杂受限模型预测跟踪控制优化设计方法,包括以下步骤:
[0008] 步骤1、建立新型工业过程多胞型离散切换系统模型,具体如下:
[0009] 1.1实际应用中故障常被视为不确定性,则基于具有多面体不确定性的第i 个阶段工业过程离散系统模型输入输出模型可描述如下:
[0010]
[0011] 其中t表示当前时刻,yi(t)∈Rn表示i阶段模型的输出量;ui(t)∈Rm表示i阶段模型的输入量; 是参数;
[0012] 1.2引入差分算子V,模型转换如下:
[0013]
[0014] 1.3定义新的状态变量形式Vxi(t):
[0015] Δxi(t)=[Δyi(t),Δyi(t-1),…Δyi(t-m+1),Δui(t-1),Δui(t-2)…Δui(t-n+1)]T   (3)
[0016] 1.4构造第i阶段的状态空间模型:
[0017]
[0018] 其中:
[0019]
[0020]
[0021] 假设 这里 表示存在L个非负系数 (l=1,2,3…L);
[0022]
[0023] 1.5定义跟踪误差:
[0024] ei(t)=yi(t)-ri(t)   (6)且
[0025]
[0026] 其中ri(t)为第i阶段期望输出,Vri(t+1)为0;
[0027] 1.6结合跟踪误差对原系统进行扩维,zi(t)为新引入的状态变量,扩维后的状态空间模型如下:
[0028]
[0029] 其中: 0具有适当维数的零矩阵,新的状态空间模型不仅综合了状态变量和跟踪误差,还提高了空间模型的维度,在上述增广系统中正常故障和允许故障下都能产生跟踪性能,式(5)中的可转换为以下描述:
[0030]
[0031] 且
[0032] 1.7结合切换信号与扩维模型后的新型切换系统模型如下:
[0033]
[0034] 其中σ(t):Z+→n={1,2…P}为模型的切换信号,可能与时间相关,也可能与系统状态,或与状态及时间均相关;
[0035] 步骤2、模型预测跟踪控制最小-最大优化设计,具体如下:
[0036] 2.1针对第i阶段选取相关的性能指标函数如下:
[0037]
[0038] 约束条件:
[0039]
[0040] 其中,ΔU(t)表示未来控制输入增量的集合, 表示相关的约束条件,Qi,Ri表示权重矩;
[0041] 2.2将(10)中的成本函数分为两部分,被重新描述为:
[0042]
[0043] 公式(12)中s=0,1...,N-1;
[0044]公式(13) 中s≥N,其中ΔU1i(t)是ΔUi(t),...,ΔUi(t+N-1)的集合,以及ΔU2i(t)是ΔUi(t+N),...,ΔUi(t+∞)的集合,N是切换域;
[0045] 2.3针对步骤2.2中的性能指标函数,公式(7)转化为新的模式,
[0046] 基于式(7)中的模型,状态的预测可以表示如下:
[0047]
[0048] (14)式可以重新描述为:
[0049]
[0050] 其中zi(t), 很容易从(14)中获得;
[0051] 2.4为改进预测控制性能,对于式(13)中无限平约束最小-最大优化问题,引入了线性状态反馈控制律:
[0052] Δui(t+s)=Fi(t)zi(t+s),s≥N   (16)
[0053] 2.5构造最小-最大优化设计
[0054] 定义二次函数:
[0055] Vi(s,t)=zi(t+s)TPi(s,t)zi(t+s),s≥N   (17)
[0056] 其中Pi(s,t)>0,假设Vi(s,t)对 和s≥N满足以下鲁棒稳定性约束:
[0057]
[0058] 对式(18)从s=N到∞进行求和可得:
[0059]
[0060] 此时式(13)中优化问题等于Vi(N,t)的最小化,最后,将式(10)中的成本函数简化为:
[0061]
[0062] 关于 和Pi(N,t),式(20)中的成本函数简化为:
[0063]
[0064] 其中 和
[0065] 当且仅当对每个阶段存在L个对称正矩阵Pli时,等式(16)和(18)才是成立的;
[0066]
[0067] 同时
[0068]
[0069] 此时,令
[0070]
[0071] 和
[0072]
[0073] 那么式(21)中的成本函数可以改写为:
[0074]
[0075] 约束为式(11)和式(23)-式(35);
[0076] 应用Schur引理,式(23)-式(25)可以转换为如下LMIs:
[0077]
[0078] 定义 l=1,2,...,L.Fi(t)=Yi(Gi)-1,然后式(27)转换为以下LMI:
[0079]
[0080] 对(28)式左乘矩阵diag[GiT 0 0 0 0],右乘diag[GiT 0 0 0 0]的转置;以及由可得:
[0081]
[0082] 根据式(8),可以转换以下多面体描述:
[0083]
[0084] 且
[0085] 然后式(24)可以描述为以下LMI:
[0086]
[0087] 同样地, 可转换为以下描述:
[0088]
[0089] 且
[0090] 然后式(25)可以描述为以下LMI:
[0091]
[0092] 因此,式(26)中的成本函数可以重写为:
[0093]
[0094] 约束为式(11),式(29)和式(33);
[0095] 对于式(11)中的约束,分两部分进行讨论;首先,已知时域之前的控制输入由参数化;因此,获得以下约束:
[0096]
[0097]
[0098] s=0,1,...,N-1.
[0099] 其中 和 是由 和 构造的适维向量;
[0100] 其次,超出控制输入时域的N由式(16)中的反馈控制律参数化,可以得到以下公式(36)-(37);
[0101] 为了满足式(11)中对所有s≥N的约束并保持系统的稳定性,存在L个对称矩阵和两个矩阵{G,Y},并且满足式(29)以及
[0102]
[0103]
[0104] 其中 和
[0105] 因此,整个优化问题由下式给出:
[0106]
[0107] 约束为式(11)、式(29)-(33)和式(35)-(37)。
[0108] 与现有技术相比,本发明的有益效果为:本发明提供了一种工业过程新型混杂受限模型预测跟踪控制优化方法,该方法将多阶段工业过程输入输出模型转化成含有多胞切换系统模型,此模型是原有系统在“最差”情况下的新型表示,针对这样的模型,将其转化为由系统状态误差及输出跟踪误差构成的扩展新型状态空间模型,在此模型下,基于切换模式的容错预测控制器得以设计,此控制器是克服最大干扰使得性能指标上界最小时的最小控制输入,在一定程度上实现高精控制和节能减耗的目标。

具体实施方式

[0109] 下面结具体实施例对本发明做进一步的说明。
[0110] 实施例
[0111] 注塑过程是典型的重复生产过程,每一批次主要包含三个步骤,即注射段→保压段→冷却段。在注射段,螺杆向前运动将储存在机筒前端的熔体(原材料经加热圈加热后形成)向前挤压,流经浇道,流道,浇口,进入已经闭合的模具型腔(模腔)内。当模腔完全充满之后,成型过程由注射段切换至保压段。在保压段中,螺杆以很低的速度向前推进,以保持一定的喷嘴。少量的熔体继续进入模腔,补偿由于材料降温和固化造成的体积收缩。一旦模具中截面积最小的浇口基本固化,保压段停止,过程进入冷却段,理想情况下此时熔体流动应停止。注射机构在冷却段进行塑化,为下一个循环做好准备;与此同时,在模腔中的材料继续冷却直至完全固化。最后,模具打开,顶针将制品顶出,完成一个循环。
[0112] 因此,注塑成型过程主要包含注射段、保压段、冷却段三个阶段。注射段、保压段的控制效果对产品最终质量具有直接影响,其中注射段注射速度、保压段模腔压力对相应阶段控制效果影响最大,需要控制跟踪给定值。这两个参数都是由相应的进行控制,阀门开度影响参数。此外,在注射段,模腔压力达到一定值时,过程进入保压段,因而在注射段模腔压力需要被检测但是不需要被直接控制。在冷却段只对高温制成品进行冷却,并不采取控制措施;因而需要建立注塑成型过程注射段与保压段的混杂状态空间模型。
[0113] 现有的注塑成型过程注射段与保压段的频域数学模型如下:
[0114] 注射段频域数学模型为:
[0115] 保压段频域数学模型为:
[0116] 其中,IV代表注射段注射速度,设定值为40mm/s;NP代表模腔压力,在保压段设定值为300bar;VO代表阀门开度。
[0117] 给出如下定义, 及
[0118] 其中,IV(t),NP(t),VO(t)分别表示t时刻的注射速度,模腔压力,阀门开度。
[0119] 若此过程在重复生产过程中批次信息不能够很好重复时,注射段注射速度与保压段模腔压力的状态空间模型可描述如下:
[0120] 注射段注射速度的状态空间模型:
[0121] 保压段模腔压力的状态空间模型:
[0122] 将两个阶段的状态空间模型改写为混杂状态空间模型如下:
[0123]
[0124] 其中:
[0125] 因注射段在保压段之前,为方便,定义注射段为阶段1,保压段为阶段2,即σ(t)=1,σ(t)=2分别表示阶段1,阶段2。
[0126] 上述模型是通过数据建立起来的实际模型,而真实模型是在上述模型控制输入前的系数矩阵有所不同, 利用上述步骤,求出控制器。此控制器是使得性能指标上界最小时的最小控制输入,与传统控制方法相比,跟踪性能好,收敛快,阶段上运行时间短,在一定程度上实现高精控制和节能减耗的目标。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈