[发明专利]一种化工批次过程鲁棒复合迭代学习控制方法

说明书

本发明公开了一种化工批次过程鲁棒复合迭代学习控制方法。本发明首先建立系统批次过程的状态切换模型；其次，设计迭代学习控制量，并定义状态误差和输出误差；然后，给出扩展的线性动态模型，使系统的实际输出能够更快速地跟踪给定的设定点；最后，根据系统中相邻阶段的状态切换模型，得到最优的迭代学习更新率和控制量。不同于传统方法，本发明结合了反馈控制与迭代学习控制的复合控制，增强了批次过程的抗干扰能力，使系统的状态切换过程具有更好的控制性能。

技术领域

本发明属于自动化技术领域，涉及一种化工批次过程鲁棒复合迭代学习控制方法。

背景技术

在工业控制过程中，批次生产技术能够快速、高效地实现商品的批量生产，但是，批次生产过程的控制是一个动态的控制过程，系统长时间的运行会产生不确定性，而且会降低批次过程的控制精度。近几十年来，迭代学习控制方法已经被广泛应用于批次过程中，但是扰动和时间延迟对迭代学习控制的性能影响很大，扰动会减慢系统的收敛速度，而时间延迟会影响系统的稳定性。因此，为了有效地抑制外界环境对系统的干扰、加快系统的收敛速度，引入一种反馈控制和迭代学习控制相结合的复合控制方法是有必要的。

发明内容

本发明的目的是改善多阶段批次过程中迭代学习控制系统的收敛速度和稳定性，提出了一种化工批次过程鲁棒复合迭代学习控制方法。

本发明首先建立系统批次过程的状态切换模型；其次，设计迭代学习控制量，并定义状态误差和输出误差；然后，给出扩展的线性动态模型，使系统的实际输出能够更快速地跟踪给定的设定点；最后，根据系统中相邻阶段的状态切换模型，得到最优的迭代学习更新率和控制量。不同于传统方法，该方法结合了反馈控制与迭代学习控制的复合控制，增强了批次过程的抗干扰能力，使系统的状态切换过程具有更好的控制性能。

本发明的方法步骤包括：

步骤1、设计系统批次过程的状态切换模型，具体步骤是：

1.1建立批次过程的系统状态模型，可描述如下：

其中，t是系统的离散时间，k是系统的批次索引；d(t)是时间延迟函数；C_ρ(t,k)分别表示ρ(t,k)阶段下对应过程的系统矩阵，ρ(t,k)表示第k批次t时刻系统所处于的过程阶段；x(t,k+1)、x(t+1,k+1)和x(t-d(t),k+1)分别表示第k+1批次t时刻、t+1时刻和t-d(t)时刻系统的过程状态；u(t,k+1)表示在k+1批次t时刻系统的过程输入；y(t,k+1)表示在第k+1批次t时刻系统的过程输出；ω_ρ(t,k)(t,k+1)表示第k+1批次第ρ(t,k)阶段t时刻系统状态的外部干扰；x(0,k+1)表示第k+1批次系统的初始状态，其初始值设置为x_0,k+1。

1.2多阶段批次过程第i阶段的系统状态模型可表示为：

其中，i＝1,2,…,q是自然数；xⁱ(t,k+1)、xⁱ(t+1,k+1)和xⁱ(t-d(t),k+1)分别表示第k+1批次第i阶段t时刻、t+1时刻和t-d(t)时刻系统的过程状态。Cⁱ表示第i阶段下对应过程的系统矩阵；uⁱ(t,k+1)表示第k+1批次第i阶段t时刻系统的过程输入；yⁱ(t,k+1)表示第k+1批次第i阶段t时刻系统的过程输出；ωⁱ(t,k+1)表示第k+1批次第i阶段t时刻系统状态的外部干扰。

1.3建立两个相邻阶段之间的状态切换模型，可描述如下：