[发明专利]一种无外加测试信号在线闭环建立连续对象模型的方法

说明书

本发明公开了一种无外加测试信号在线闭环建立连续对象模型的方法，属于工业模型控制理论建模领域。本方法首先采集生产过程数据，动态捕捉可行性数据。确定有效的建模数据。根据混合模型计算第i个圈舍的出栏率和入栏率，根据随机函数和入栏率出栏率进行混合操作。将经过混栏饲养和新品种引入之后的圈舍做检疫检查，使得每个个体都在搜索范围以内。然后计算代价函数，并进行排序。进行搜索动力不足检验，判断最优的CF值和前两代的最优CF值是否相等，就可以判断搜索动力足不足。与现有技术相比较，本发明无需外加测试信号，通过在线闭环辨识建立模型，对生产无任何影响。基于混合精英圈养优化算法，模型精度大大提高。

技术领域

本发明涉及一种无外加测试信号的在线闭环系统中建立连续对象模型的方法，属于工业模型控制理论建模领域。

背景技术

模型是控制技术有效实施的基础，只有模型准确，控制技术才能发挥实效。目前，系统辨识的大多数方法都是采用开环系统辨识的方法。但在工业现场，开环辨识需要对控制回路进行测试试验，对正常生产影响较大，存在安全隐患问题。闭环辨识对生产影响很小，工厂容易接受，但技术难度较大。不仅受到闭环可辨识性的限制，还要寻找合适的建模数据。工业现场产生的海量过程数据，包含了多种工况、负荷与原料变化情况，从中提取有效数据建立的模型能覆盖全部工况，模型具有更好的适应性与鲁棒性。因此，研发一种免测试的自动建模技术，自动循环实施和进行全局优化的在线建模技术对提升大生产、多回路的控制系统具有重要意义。

针对目前实际工业应用现状，首次独创性地提出了一种无外加测试信号在线闭环建立连续对象模型的方法，不需要外加任何现场测试信号，不取决现场控制器处于闭环或是开环状况，直接基于数据挖掘技术捕捉的智能有效数据库，实现长期直接在线自动辨识闭环系统中的过程对象模型，对生产装置没有任何影响。

发明内容

为了解决闭环建模方法的难题，本发明提出了一种无测试信号下的在线闭环建模方法，在闭环的条件下，自动采集生产过程数据，采用数据挖掘技术直接搜索出有效数据，并基于混合精英圈养优化算法辨识模型参数，在线建立模型，减少对装置稳定生产运行的影响。

本发明采用的技术方案为一种无外加测试信号在线闭环建立连续对象模型的方法，该方法的实现步骤如下：

第一步：采集生产过程数据，动态捕捉可行性数据。

基于OPC数据访问技术，采集现场生产实际数据，形成海量的数据库。从每一个回路形成的数据库内，依据设定值变化量ΔSV最大化原则选取设定值变化前后的一段时间内的生产数据，形成数据集S。在数据集S内根据ΔOP最大化原则选择出可行数据组N_i。数据组N_i为具有模型辨识可能性的时间序列，i表示数据组序列号。

式中，t_i为第i个时间节点，t_i-1为第i-1个时间节点。

首先以ΔOP为排序依据，从大到小对数据组N_i进行排序，取前k个数据组形成数据集D，k表示数据集D的元素数。对D以ΔPV为排序依据进行从大到小排序，取前l个数据，l表示以ΔPV为排序依据后的数据集D元素数。数据集D如下式：

D＝{(t₁,ΔOP₁),…,(t_i,ΔOP_i),…(t_l,ΔOP_l)} (2)