[发明专利]一种基于参考批次的指数时变增益型迭代学习控制算法

摘要

本发明涉及一种间歇式制造生产过程的迭代学习控制算法，属于工业生产自动化控制技术领域。该方法对于大多数批次加工制造生产过程，可以在对象具体知识所知甚少的情况下，通过在迭代学习控制过程中引入合适的“参考批次”，并对参考批次与当前批次的输入输出数据加以利用，来设计迭代学习律，从而实现对输出目标轨迹的有效跟踪，同时还引入了指数时变增益，从而改善了轨迹跟踪过渡过程的性能。计算量小，而且寻优过程简单，应用范围广。该方法构思巧妙，简单实用，可广泛应用于工业生产线间歇生产过程的高精度轨迹曲线跟踪控制。

主权项

一种基于参考批次的指数时变增益型迭代学习控制算法，其特征在于包括以下步骤：步骤1)采集工业生产装置的历史批次数据，并进行剔除数据坏值等常规预处理后得到输入输出样本，记为U_k＝[u_k(0),u_k(1),…,u_k(N‑1)]^T∈Rⁿ，Y_k＝[y_k(1),y_k(2),…,y_k(N)]^T∈Rⁿ，其中k代表批次，N为每个批次的样本数，表示每个批次采集到输入输出量的N个数据点，针对历史批次数据计算平均值作为构成初始的参考批次轨迹曲线U_s、Y_s；记批次数k初始为0，且记U_k＝U_s、Y_k＝Y_s；根据目标轨迹曲线Y_d，计算第k个批次生产后的跟踪误差E_k＝Y_d‑Y_k＝[e_k(1),e_k(2),…,e_k(N)]^T；设定误差跟踪指标ε(ε为较小的正实数)、输入微小偏移δ等参数；步骤2)利用采集到的生产过程在第k个批次生产后的输入数据，生成参考批次的输入量U_rk，其中先判断该批次内的起始差别时刻t_rs，然后取t_rs时刻之后输入量U_k的微小偏移δ(δ为非零实数)，即得参考批次的输入向量U_rk，其中各时刻值u_rk(t)为：$\left\{\begin{array}{cc}{u}_{\mathrm{rk}}\left(t\right)=u_k\left(t\right),& 0\≤t\<t_{\mathrm{rs}}\\ u_{\mathrm{rk}}\left(t\right)=u_k\left(t\right)+\mathrm{\δ},& t_{\mathrm{rs}}\≤t\<N\end{array}\right.$步骤3)采用步骤2)中得到的参考批次的输入向量U_rk作为生产装置的输入，在生产装置上进行实施，并采集该批次相应的输出量数据Y_rk；步骤4)取出第k个批次的生产数据(U_k,Y_k)和步骤3)中参考批次输入的生产数据(U_rk,Y_rk)进行计算，按照迭代学习控制律计算得到第k+1个批次的输入向量U_k+1，其中各时刻值u_k+1(t)为$\left\{\begin{array}{cc}{u}_{k+1}\left(t\right)=u_k\left(t\right)& 0\≤t\<t_{\mathrm{rs}}\\ u_{k+1}\left(t\right)=u_k\left(t\right)+\frac{u_k\left(t\right)-u_{\mathrm{rk}}\left(t\right)}{y_k(t+1)-y_{\mathrm{rk}}(t+1)}{e}^{-(t-t_{\mathrm{rs}})\mathrm{\α}}{e}_k(t+1)& t_{\mathrm{rs}}\≤t\<N\end{array}\right.$其中以第k批次与参考批次在对应时刻的输入之差与输出之差的比值e与指数时变增益之积作为跟踪误差的学习增益，α为学习增益参数；步骤5)采用步骤4)中得到的第k+1个批次的输入量U_k+1作为生产装置的输入量，在生产装置上进行实施，并采集该批次相应的输出量数据Y_rk，计算跟踪误差E_k+1；当该批次运行结束后进行判断，验证跟踪误差的收敛性条件|E_k+1|≤|E_k|，若不满足则调整学习增益参数α与调整新参考轨迹(U_s、Y_s)，以自适应地跟踪生产装置的变化，加快跟踪目标轨迹的速度，实现对输出目标轨迹的有效跟踪；步骤6)若批次数k+1未达到设定的最大生产批次数k_max，则返回步骤2)，继续进行迭代。若超过k_max，则表明达到生产装置本次产品加工生产的最大批次数，可以结束。若新的生产重新启动，则置k＝0，算法返回步骤1)重新开始。