[发明专利]针对化工过程遗传算法优化的预测函数控制方法

说明书

针对化工过程遗传算法优化的预测函数控制方法，属于工业过程的先进控制领域，所述方法包括如下步骤：步骤1、针对化工过程中不同阶段，建立被控对象以状态空间模型为基础的切换系统模型；步骤2.设计被控对象的基于遗传算法优化的预测函数的控制器；步骤3.切换律的设计及鲁棒性分析；步骤4.针对步骤1.2.5切换系统模型，找出系统稳定条件和设计切换信号。本发明有效解决了具有系统干扰所带来的模型不匹配的控制问题及每个阶段的切换问题，有效改善批次过程跟踪性能和抗干扰性，缩短了系统每一个阶段的运行时间，实现系统干扰引起的模型失配下仍具有良好的控制效果及提高了生产效率。

技术领域

本发明属于工业过程的先进控制领域，具体涉及一种针对化工过程遗传算法优化的预测函数控制方法。

背景技术

在现代工业生产中，化工过程被广泛应用，尤其是食品行业、药品行业、化工行业等。其控制理论的研究也取得了巨大的突破。但在现代工业加工的高精控制方面仍然是一个挑战。主要原因在于其高品质生产水平要求，以及复杂多变的工艺条件。因而，系统内部干扰随之增加。系统受到干扰时将导致模型不匹配，使得系统无法稳定运行。在模型不匹配的情况下提高控制性能仍然是一个重要问题。迭代学习控制(ILC)策略是另一种选择，但是，它要求该过程具有重复性，实际上，许多化工过程可能没有此特性。近年来，模型预测控制(MPC)已显示出其性能改善的潜力。但是，在模型、工艺不匹配的情况下，仍然存在改善MPC性能以达到所需产品质量的问题。

此外，化工过程具有多阶段特性，两个不同阶段控制的变量不同，控制目标不同，何时从一个阶段切换至另一阶段，且每一阶段运行时间的长短，直接影响生产效率和产品质量。目前针对单一阶段的高精控制已经成熟，但单一过程不涉及切换条件，也不会涉及运行时间。针对多阶段尽管也有一定的研究成果，但是在整个过程中控制器增益不能调节。而在实际工业控制中，由于实际工况存在漂移、过程非线性及系统外部干扰等因素，控制系统在运行一段时间后其控制性能可能下降，在每一阶段的运行时间可能会延长。如果不及时设计切换信号及修复控制器以改善控制品质，将降低控制系统所获得的经济效益。针对上述的问题：系统受到干扰、间歇过程多阶段性，设计新的预测函数控制方法，保证间歇过程在干扰影响下依然能够平稳运行势在必行。

发明内容

本发明针对上述技术问题，提出一种针对干扰提出了化工过程新型预测函数控制方法，通过给定模型、模型转化、预测机理、优化等手段，确立了一种针对化工过程遗传算法优化的新型预测函数控制方法，利用该方法有效解决了具有系统干扰所带来的模型不匹配的控制问题及每个阶段的切换问题，有效改善批次过程跟踪性能和抗干扰性，缩短了系统每一个阶段的运行时间，实现系统干扰引起的模型失配下仍具有良好的控制效果及提高了生产效率。

本发明是通过以下技术方案实现的：

针对化工过程遗传算法优化的新型预测函数控制方法，包括以下步骤：

步骤1、针对化工过程中不同阶段，建立被控对象以状态空间模型为基础的的切换系统模型，具体是：

1.1构建新型多阶段化工过程具有扰动的系统模型：

其中，k表示当前时间，xⁱ(k)∈Rⁿ，uⁱ(k)∈R¹，yⁱ(k)∈R¹分别表示k时刻批次过程的状态、输出和输入。wⁱ(k)∈R¹为未知测量噪声，是具有适度维数的过程矩阵。其中ΔAⁱ表示系统内部扰动。

1.2构建新型切换系统模型：

在实际生产过程中，控制器的设计大都不是针对具有扰动的系统的，而是针对正常系统，且所设计出的控制器有一定抗干扰的能力。因而以下控制器的设计是针对正常系统而言的，即ΔAⁱ＝0的情况。则正常系统模型如下：