[发明专利]一种化工批次时滞过程鲁棒迭代学习控制方法

说明书

本发明公开了一种化工批次时滞过程鲁棒迭代学习控制方法。本发明首先通过采集输入输出数据建立输入输出模型，然后选取合适的状态变量建立状态空间模型，进一步根据状态空间模型和输出误差建立转化后的状态空间模型，最后通过选取可满足系统控制要求的性能指标设计控制器，进而设计出最优更新律，得到靠的控制方法。不同于传统的控制方法，通过在批次间引入系统输出跟踪误差，将系统模型转换为二维时延转换系统模型，再结合迭代学习控制和反馈控制，最后使系统获得了更好的控制性能。

技术领域

本发明属于自动化工业过程控制领域，涉及到一种化工批次时滞过程鲁棒迭代学习控制方法。

背景技术

在工业生产过程中，批次处理过程非常普遍，如食品生产、汽车生产等。为保证批次过程产出质量，批次处理过程中的高精度控制愈发重要，批次过程整体的稳定高精度控制，是批次生产过程需要重点解决的问题。设计一种好的控制方法，增强批次生产系统抗扰性、抗时延性，保证批次生产整体的完全高精度控制，非常有必要，并且传统的方法，仅适用于单阶段批次处理，不能适应多阶段批次处理。因此，提出了一种化工批次时滞过程鲁棒迭代学习控制方法,使批次处理系统能够在不同批次不同阶段都保持实时跟踪性能和鲁棒性性能，实现批次生产过程整体的稳定高精度控制。

发明内容

本发明目的是为改善化工批次过程中控制系统的时延性和抗干扰性，提出了一种化工批次时滞过程鲁棒迭代学习控制方法。

本发明首先通过采集输入输出数据建立输入输出模型，然后选取合适的状态变量建立状态空间模型，进一步根据状态空间模型和输出误差建立转化后的状态空间模型，最后通过选取可满足系统控制要求的性能指标设计控制器，进而设计出最优更新律，得到靠的控制方法。

本发明的方法步骤包括：

步骤1、建立批次过程中被控对象的状态空间模型，具体步骤是：

1-1.首先采集批次过程的实时运行数据，建立一个批次过程系统模型。将在不定干扰下的批次过程系统模型描述如下：

其中k和t分别表示批次和批次运行时刻，x(t+1,k+1)、x(t,k+1)、x(t-d(t),k+1)分别是k+1批次t+1时刻、t时刻、t-d(t)时刻的系统状态，d(t)是系统t时刻的状态延迟，y(t,k+1)∈R^l是k+1批次t时刻的系统输出，维数为R^l，u(t,k+1)∈R^m是k+1批次t时刻的系统输入，维数为R^m，l,m分别是系统输出和输入阶次。ρ(t,k)表示t时刻k批次系统所处于的工艺阶段。C^ρ(t,k)分别是适当维度系统矩阵。是带有状态延时d的适当维度系统矩阵。分别是系统扰动矩阵，ω^ρ(t,k)(t,k)是t时刻k批次外部未知扰动，x(0,k+1)是k+1批次系统的初始状态，其初始值设置为x_0,k+1。

1-2.在第i阶段的批次过程系统模型如下：

其中i＝1,2,…,q是自然数，i表示批次过程的工艺阶段，xⁱ(t+1,k+1)、xⁱ(t,k+1)、xⁱ(t,k+1)分别是k+1批次第i阶段t+1时刻、t时刻、t-d(t)时刻的系统状态，uⁱ(t,k+1)是k+1批次第i阶段t时刻的系统输入，yⁱ(t,k+1)是k+1批次第i阶段t时刻的系统输出，Cⁱ分别是第i阶段适当维度的系统矩阵。是带有状态延时d的第i阶段适当维度的系统矩阵。分别是第i阶段未知不确定的系统扰动矩阵，ωⁱ(t,k)是t时刻k批次第i阶段外部未知扰动。

1-3.确定批次过程系统模型的输入，其输入以下形式描述：