[发明专利]一种数据驱动的系统关键性能指标自适应调节方法

说明书

本发明提供一种数据驱动的系统关键性能指标自适应调节方法，属于跟踪控制技术领域。本发明首先将系统输入设为随机方波信号采集数据，根据采集的数据、被控对象的期望输出，利用改进偏最小二乘法进行初始化，获得并储存当前时刻被控对象的输入；然后利用对被控对象的当前时刻测量数据和偏最小二乘算法进行本发明方法的在线更新，获得下一时刻被控对象的输入；重复执行上一步骤，直至系统运行结束。本发明解决了现有数据驱动的系统关键性能指标自适应调节技术通常需要对大量的参数进行调节，导致控制性能差，跟踪误差较高的问题。本发明可用于系统关键性能指标的自适应调节。

技术领域

本发明涉及一种系统关键性能指标自适应调节方法，属于跟踪控制技术领域。

背景技术

近年来随着计算机技术、信息化水平日益提高，工业生产过程如化工、冶金、机械等对关键性能指标(如产品质量)的要求越来越高，高精度的跟踪控制得到了工业界和学术界的关注。现有预测控制技术一般要求被控对象的模型一致，但实际应用中由于测量噪声和复杂的系统机理等问题，精确的系统模型难以获取。另一方面随着传感器和计算机储存技术的提高，系统存在大量未被充分利用的测量数据。如何利用这些数据，得到在系统约束下使关键性能指标维持在期望值的最优控制序列，得到了学术界的广泛关注。

另一方面，现有数据驱动的系统关键性能指标自适应调节技术通常需要对大量的参数进行调节，这些参数不仅很大程度影响了性能(控制收敛性、跟踪误差)，而且也为其实际应用带来了很多不便和困难。如利用PID(比例proportion、积分integral、微分differential)控制进行系统关键性能指标自适应调节的技术，不同的参数下的跟踪误差不同，而低跟踪误差对应的参数较难确定，因此综合来说跟踪误差较高。提出一种需要极少先验知识的系统关键性能指标自适应调节技术，提高其泛用性、简化在应用中的实际操作，也是亟待解决的关键问题。

发明内容

本发明为解决目前连续搅拌加热罐标准工业控制系统跟踪控制过程中进行关键性能自适应指标调节时通常需要对大量的参数进行调节，导致跟踪控制性能差，跟踪误差较高的问题，提供了一种数据驱动的系统关键性能指标自适应调节方法。

本发明所述一种数据驱动的系统关键性能指标自适应调节方法，通过以下技术方案实现：

步骤一、将系统输入设为随机方波信号采集数据，进行所述方法的初始化：

步骤A1、设定时间窗长度，采集被控对象在随机方波激励信号下，过去时间窗长度的输入输出数据，构造截止上一时刻输入矩阵和截止上一时刻输出矩阵，并计算截止上一时刻输入矩阵的广义逆；

步骤A2、利用改进偏最小二乘法计算回归模型初始值进而得到预测模型；

步骤A3、利用被控对象的期望输出计算上一时刻跟踪误差，进而得到待求解二次型问题的相关参数；然后结合约束矩阵得到上一时刻控制序列的增量；

步骤A4、计算并储存当前时刻被控对象的输入；

步骤二、利用对被控对象的当前时刻测量数据进行所述方法的在线更新：

步骤B1、利用步骤A1中获得的截止上一时刻输入矩阵的广义逆和偏最小二乘算法计算当前时刻输入矩阵的广义逆；

步骤B2、采集被控对象的当前时刻输出的测量数据，并更新回归模型和预测模型；

步骤B3、利用当前时刻跟踪误差计算待求解二次型问题的相关参数；并结合约束矩阵得到当前时刻控制序列的增量；

步骤B4、计算并储存下一时刻被控对象的输入；进而由被控对象的输入确定系统关键性能指标；

步骤三、重复执行步骤二，直至系统运行结束。

本发明最为突出的特点和显著的有益效果是：