[发明专利]基于UKF与ADHDP的天然气吸收塔脱硫过程控制方法

权利要求书

1.基于UKF与ADHDP的天然气吸收塔脱硫过程控制方法，其特征在于包括如下步骤：

步骤1：通过分析天然气吸收塔脱硫工艺过程，确定影响天然气脱硫效果的主要因素为酸性天然气处理量和醇胺溶液循环量，分别用u1和u2表示，由此构成控制信号u(k)＝[u1，u2]；

步骤2：确定脱硫过程模型输入样本数据输出样本数据，采用输入层神经元个数为4，隐含层节点为10，输出层神经元个数为2，隐含层传递函数为tansig函数，输出层传递函数为purelin函数，期望误差最小值为0.0001，修正权值的学习效率为0.05的BP神经网络建立天然气吸收塔脱硫过程模型；

步骤3：设定理想控制目标值运用UKF算法对ADHDP方法中的评价网络和执行网络权值进行更新，并通过执行网络和评价网络分别得到控制信号u(k)＝[u1，u2]和性能指标函数J(k)，建立UKF-ADHDP的天然气吸收塔脱硫过程控制方法，具体步骤为：

步骤3-1：采用UKF算法更新评价网络和执行网络权值，更新系统状态估计矩阵及协方差阵为:

其中，为k时刻的系统状态估计矩阵，为卡尔曼增益矩阵，G(k+1|k)为k时刻的系统观测矩阵，为k时刻的系统观测预测矩阵；

其中，为k时刻系统估计矩阵协方差阵，为k时刻系统观测矩阵协方差阵；

步骤3-2：计算控制信号u(k)：

将UKF优化后的执行网络隐含层权值W_a1和输出层权值W_a2两组参数作为执行网络的状态向量X_a：

X_a经过不断更新优化，最终得到一组最优权值；

更新后执行网络隐含层输出为：

L_a＝x(k)*W_a1

其中，x(k)为k时刻系统状态，即控制输出；

更新后执行网络输出层输出为：

u(k)＝Q_a*W_a2

式中，Q_a＝(1-exp(-L_a))/(1+exp(-L_a))，u(k)即为执行网络输出的控制信号；

步骤3-3：计算评价网络输出J(k+1)：

将UKF优化后的执行网络隐含层权值W_c1和输出层权值W_c2两组参数作为执行网络的状态向量X_c：

X_c经过不断更新优化，最终得到一组最优权值；

更新后评价网络隐含层输出为：

L_c＝input*W_C1

其中，input＝[x(k+1)，u(k+1)]；

更新后评价网络输出层输出为：

J(k+1)＝Q_c*W_C2

其中，Q_c＝(1-exp(-L_c))/(1+exp(-L_c))；

步骤4：将步骤3所得控制信号u(k)＝[u1，u2]和当前时刻系统状态x(k)＝[x1，x2]作为吸收塔脱硫过程模型输入，从而得到系统输出x(k+1)；

步骤5：计算控制误差E(k)，若小于期望误差，结束训练，否则返回步骤3。

2.根据权利要求1所述的基于UKF与ADHDP的天然气吸收塔脱硫过程控制方法，其特征在于：

步骤5中控制误差E(k)计算公式为：

式中，函数U(k)为效用函数。