[发明专利]一种2D滚动优化下间歇过程终端约束预测控制方法

说明书

一种2D滚动优化下间歇过程终端约束预测控制方法，属于工业过程的先进控制领域，包括以下步骤：步骤一：建立多阶段时滞间歇过程模型，并构建2D等价预测控制模型；1.1多阶段时滞间歇过程模型，1.2构建新型预测控制模型；步骤二：设计模型预测跟踪控制器及切换律；2.1设计控制器，2.2设计控制器增益，2.3切换律的设计；2.4求取K值。本发明实现了间歇过程干扰信息在批次不非重复情况下，甚至系统在最坏情况下的双重优化控制，很好的解决了系统时滞、干扰所带来的控制性能影响，实现了很好的跟踪。同时实现了在未知扰动和时滞的环境下维持系统的稳定性和保证系统性能，实现了高精度控制。

技术领域

本发明属于工业过程的先进控制领域，是针对具有区间时变时滞，输入输出约束以及不确定性的多阶段间歇过程，提出了一种2D滚动优化下间歇过程终端约束预测控制方法。

背景技术

间歇过程作为高附加值小批量产品的首选方法，在控制理论和应用方面都取得了显著的发展。在现代工业生产中，间歇过程随着生产规模的增大，以及生产步骤复杂程度的增加，实际生产中存在的不确定性日益凸显，不仅影响到了系统的高效平稳运行，甚至威胁到了产品的质量。此外，时滞也是工业过程中普遍存在的一种现象，对系统稳定性的影响相当复杂，是系统失稳的关键因素，使系统稳定性分析和控制器设计更加困难。

采用鲁棒迭代学习控制策略可以有效地抵制生产环节中的不确定性和时滞，提高系统的稳定性，改善系统的控制性能。当间歇过程遇到非重复干扰时，如果过程系统缺乏反馈机制，将无法实现对这种干扰的控制，从而必然影响产品质量。随着对控制精度的要求越来越高，结合反馈控制算法的复合ILC控制策略能够对非重复干扰作出快速响应，极大地保证了系统的实时跟踪性能和鲁棒性；此外，现阶段采用的鲁棒迭代学习控制策略虽然可以有效地抵制生产环节中的不确定性、时滞、故障等影响，但在控制效果上属于覆盖全局的优化控制，即自始至终使用基于整个生产过程而解出的同一控制律。然而，在实际运行时，系统状态不可能完全按照所求得的控制律作用而变化；若当前时刻的系统状态与设定值发生一定的偏离时，仍继续采用同一控制律，随着时间的推移，系统状态的偏离会愈发增大，而现行的鲁棒迭代学习控制方法无法解决系统状态偏离愈发增大的问题，这势必会对系统的稳定运行和控制性能产生不良的影响。

模型预测控制(MPC)能够很好地满足控制律实时更新修正的需要，通过“滚动优化”和“反馈校正”的方式获得每一时刻的最优控制律，确保系统状态能够尽可能地沿着设定的轨迹运行，因其良好的控制性能在间歇过程中得到了广泛的应用。模型预测控制还能够有效地解决输入输出约束问题，控制器的设计若不考虑对输入输出约束的限制，极有可能会达到饱和状态而无法改变，由此恶化系统控制性能甚至会影响整个系统的稳定性。近年来，在二维系统模型的框架下，采用迭代学习控制(ILC)和MPC相结合的概念，在解决模型失配、非重复动态收敛、多变量约束、非重复干扰等问题上取得了很好的效果。

目前大多数研究都是针对单一阶段的高精控制，但单一过程不涉及切换条件，也不会涉及运行时间。而间歇过程具有多阶段特性，两个不同阶段控制的变量不同，控制目标不同，何时从一个阶段切换至另一阶段，且每一阶段运行时间的长短，直接影响生产效率和产品质量。显然，针对这样的生产过程设计高精控制器及相邻阶段的切换条件以及求出每一阶段的运行时间，将至关重要。考虑到运行时间问题，为了满足实际生产的需要，更好地实现系统的高精度控制，需要将研究扩展到二维系统。然而，目前对多阶段间歇过程的时滞和不确定性的研究成果受到很大的限制。

发明内容

在时滞和不确定性的双重影响下，在输入输出受限的情况下，提出了时间及批次维度上，即2D滚动优化算法结合迭代学习控制及模型预测控制方法，以实现间歇过程在外界“最坏”情况下达到其良好的跟踪性能。为解决上述问题，本发明针对多阶段间歇过程，设计区间时滞相关的2D滚动优化下终端约束预测控制策略，保证系统的抗干扰性和控制性能。