[发明专利]一种迭代学习策略下工业模型预测控制系统的经济性能评估方法

摘要

本发明公开了一种迭代学习策略下工业模型预测控制系统的经济性能评估方法，第一次迭代时根据过程数据以及权重参数计算估计本次迭代的经济性能和系统状态，并根据系统状态判定本次迭代时系统经济性能是否收敛，收敛则停止迭代，并以本次迭代时的控制方案进行工业控制；否则，根据估计本次迭代的系统状态利用ILC学习率获取下一次迭代时的权重参数，并求解使第下一次迭代时经济性能最优的输入增量和输出增量，然后根据上一次迭代的过程数据计算得到下一次迭代的过程数据，并进行下一次迭代。本发明通过在线获得的数据来构造线性规划问题，仅利用线性规划问题就可以给模型预测控制提供新的设定点，以此来提升控制器的经济性能。

主权项

一种迭代学习策略下工业模型预测控制系统的经济性能评估方法，其特征在于，包括如下步骤：(1)初始化迭代次数i为0，从MPC中收集当前阶段的过程数据以及权重参数，分别计算第i次迭代时的输入方差输出方差输入均值和输出均值估计第i次迭代的经济性能(2)根据步骤(1)的计算结果利用所述MPC经济性能函数的递推式求解使第i+1次迭代时经济性能最优的输入增量和输出增量；(3)根据步骤(1)和(2)的结果检测输入输出的拉格朗日参数向量确定本次迭代时的系统状态η_i，η_i＝0或±1；(4)根据系统状态η_i判断本次迭代时系统经济性能是否收敛：若收敛，则认为本次迭代时的经济性能最优，并利用本次迭代的控制方案进行工业控制；否则，进行如下操作：(4‑1)根据当前迭代时的系统状态η_i利用ILC学习率获取第i+1次迭代时的权重参数；(4‑2)根据步骤(1)中计算得到的输入均值和输出均值以及步骤(2)得到的输入增量和输出增量计算得到第i+1次迭代时的过程数据；(4‑3)更新当前迭代次数为i+1，并基于步骤(4‑1)和(4‑2)的结果返回步骤(1)。