[发明专利]基于磨矿过程基础回路的无模型自适应控制方法

摘要

本发明公开了一种基于磨矿过程基础回路的无模型自适应控制方法。该控制方法应用于磨矿过程中旋流器给矿浓度控制回路，将灰狼优化算法与无模型自适应控制结合起来，同时对无模型自适应控制算法与灰狼优化算法进行改进。采用IGWO算法对IMFAC算法相关参数进行优化，保证了IMFAC算法的控制精度与参数选择的最优值，保证旋流器给矿浓度稳定在期望值附近，以便对磨矿过程中旋流器给矿浓度进行更好的跟踪，控制效果更好，适用性更强，具有较强的鲁棒性。在实际磨矿运行作业中减少了人工调节参数的环节，控制过程更高效，适用性更强。

主权项

1.一种基于磨矿过程基础回路的无模型自适应控制方法，其特征在于该方法包括以下步骤：第一步，确定旋流器给矿浓度控制回路的被控量与控制量；旋流器给矿浓度的控制为主回路，泵池补加水量的控制为副回路；该控制回路中被控量为旋流器给矿浓度，控制量为泵池补加水量；第二步，确定旋流器给矿浓度控制系统；控制系统传递函数由曲线拟合可近似为：式(1)中：s为拉普拉斯算子，G(s)为旋流器给矿浓度控制系统传递函数；以一定的采样周期T，通过Matlab进行仿真将控制系统离散化为：y(k)＝Q1y(k‑1)+Q2y(k‑2)+...+Qny(k‑n)+P1u(k‑1)+P2u(k‑2)+...+Pmu(k‑m)     (2)式(2)中：u(k)、y(k)分别为控制系统在k时刻的输入和输出；u对应控制回路中的泵池补加水量同时是控制系统的输入；y对应控制回路中的旋流器给矿浓度同时是控制系统的输出；m、n均为正整数，Pm、Qn表示与采样周期T相关的系数；第三步，建立紧格式动态线性化系统；将旋流器给矿浓度控制系统转换为式(3)所示SISO离散时间非线性滞后系统：y(k)＝f(y(k‑1),...,y(k‑ny),u(k‑τ),...,u(k‑τ‑nu))         (3)式(3)中，τ是非线性滞后系统的滞后时间，ny和nu表示非线性滞后系统阶数；非线性滞后系统紧格式动态线性化需要基于以下三个必要假设：假设1：对某一系统存在一致有界的期望输出信号y*(k+1)，则一定存在一致有界的输入信号，满足系统在该输入信号驱动下的输出等于系统的期望输出；假设2：非线性函数f(.)对非线性滞后系统的输入信号u(k‑τ)的偏导数是连续的；假设3：非线性滞后系统满足对任意的k和Δu(k‑τ)，有|Δy(k+1)|≤bΔu(k‑τ)，其中b是一个正常数，Δy(k+1)＝y(k+1)‑y(k)，Δu(k)＝u(k‑τ)‑u(k‑τ‑1)；对于满足上述三个假设的非线性滞后系统，当Δu(k‑τ)≠0时，一定存在一个伪偏导数φ(k‑τ)，使得：Δy(k+1)＝φ(k‑τ)Δu(k‑τ)，且φ(k‑τ)|≤b；非线性滞后系统表示成如下动态线性化模型：y(k+1)＝y(k)+φ(k‑τ)Δu(k‑τ)           (4)旋流器给矿浓度控制过程中存在滞后环节，控制系统传递函数可表示形式为H(S)e‑τs，在反馈回路引入超前环节τs+1预测未来时刻的输出；控制系统参数和结构变化缓慢，τs+1可以近似为e‑τs，引入超前环节后非线性滞后系统动态线性化表达式如下：y(k+τ+1)＝y(k+τ)+φ(k)Δu(k)＝y(k)+τy′(k)+φ(k)Δu(k)     (5)式(5)是紧格式动态线性化系统的表达式，y'为y的微分；第四步，设计改进无模型自适应控制器，确定非线性滞后系统的输入u(k)表达式；考虑如式(6)所示的输入准则函数：式(6)中，λ为权重因子，λ＞0，T为采样周期；将式(5)代入式(6)中，对u(k)求偏导，并令其等于零，由于未知，用在线估计值代替，引入步长因子ρ，ρ∈[0,2]，则输入u(k)表示为：第五步，确定伪偏导数φ(k)估计表达式，得到改进无模型自适应控制算法；考虑如式(8)所示的伪偏导数估计准则函数：其中μ为惩罚因子，μ＞0；为φ(k)的估计值；将式(4)代入式(8)中，对φ(k)求极值，引入学习步长η，η∈[0,1]，得伪偏导数φ(k)估计表达式，即特征参量为使伪偏导数估计表达式具有较强的跟踪时变能力，使得：其中ε为充分小的正数，是的初值；改进无模型自适应控制算法由式(7)、(9)和(10)组成；由式(9)和式(7)在线交互进行而组成，经I/O数据辨识出特征参量后，应用IMFAC算法对非线性滞后系统进行控制，得到新的数据u(k+1)、y(k+1)进而估计下一时刻特征参量如此循环，整个过程中需要确定IMFAC算法的控制参数λ、μ、ρ和η；第六步，设计IGWO‑IMFAC控制器；采用改进灰狼优化算法对IMFAC算法的λ、μ、ρ和η进行迭代寻优，保证旋流器给矿浓度稳定在期望输出值附近；在IGWO算法寻优过程中，将IMFAC算法中的四个控制参数λ、μ、ρ和η映射为改进灰狼优化算法中的灰狼个体，将控制参数个数作为搜索空间维数V，设定灰狼个体数目N，第i灰狼个体表示为Xi＝(λi,μi,ρi,ηi),i＝1,2,...,N；将灰狼个体位置中的λ、μ、ρ和η依次应用于IMFAC算法，对旋流器给矿浓度控制系统进行控制，以系统输出值与期望输出值的均方误差值作为灰狼个体适应度值；依据适应度值降序排序，最优的个体被定义为α狼，次优的个体依次被定义为β狼和δ狼，其余的个体被定义为ω狼；以适应度值前三的灰狼个体作为寻找目标猎物的基准，依次进行包围、猎捕和攻击，用以确定参数λ、μ、ρ和η最优值；迭代寻优过程结束时，得到最优λ、μ、ρ和η值，得到IGWO‑IMFAC控制器；第七步，将IGWO‑IMFAC控制器应用于式(2)中并选择不同的采样周期，得到旋流器给矿浓度控制系统在不同采样周期下的输入输出数据，实现对旋流器给矿浓度的控制。