[发明专利]一种工业过程混杂受限模型预测跟踪控制优化方法

说明书

本发明涉及一种工业过程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。

技术领域

本发明属于工业过程的先进控制领域，涉及一种工业过程混杂受限模型预测跟踪控制优化方法。

背景技术

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

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。

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。

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。

本发明是通过以下技术方案实现的：

一种工业过程混杂受限模型预测跟踪控制优化设计方法，包括以下步骤：

步骤1、建立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)∈R^m表示i阶段模型的输入量；是参数；

1.2引入差分算子Δ，模型转换如下：

1.3定义新的状态变量形式Δxⁱ(t)：