CN104793491B - 一种基于数据建模的蒸汽喷射器灭菌动态矩阵控制方法 - Google Patents
一种基于数据建模的蒸汽喷射器灭菌动态矩阵控制方法 Download PDFInfo
- Publication number
- CN104793491B CN104793491B CN201510159007.2A CN201510159007A CN104793491B CN 104793491 B CN104793491 B CN 104793491B CN 201510159007 A CN201510159007 A CN 201510159007A CN 104793491 B CN104793491 B CN 104793491B
- Authority
- CN
- China
- Prior art keywords
- steam
- injector
- controlled variable
- matrix
- dynamic matrix
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Apparatus For Disinfection Or Sterilisation (AREA)
Abstract
本发明公开了一种基于数据建模的蒸汽喷射器灭菌动态矩阵控制方法,以生物制药过程中以蒸汽喷射器对物料加热灭菌控制过程为对象,以蒸汽在喷射器入口处流量为控制量,物料和蒸汽混合后在喷射器出口处温度为被控制量,以喷射器物料入口温度、物料流速、喷射器蒸汽入口温度为扰动量;该方法根据工业运行数据建立系统模型,并基于所获得的模型通过系统辨识得到控制量阶跃响应及扰动量的阶跃响应;基于系统阶跃响应建立动态矩阵,并实现控制器的设计进行预测控制;本发明控制方法简单,分析过程和控制器设计基于工业过程数据,减少了分析和设计过程对灭菌设备和相关工艺环节的依赖,在工程上较易实现应用。
Description
技术领域
本发明属于生物控制技术领域,具体涉及一种基于数据建模的蒸汽喷射器灭菌动态矩阵控制方法。
背景技术
以蒸汽喷射器对培养基加热的连续灭菌系统及其装置见于生物制药生产过程中,在该系统的控制下,物料可以在消毒管路流动过程中被蒸汽加热灭菌,杀死物料中的杂菌,同时对培养基进行一级换热升温、维持罐保温和二级换热降温,为后续的发酵过程的成功提供保障。相比与传统的实罐消毒,以蒸汽喷射器加热的连续灭菌的方式生产无间断、效率高,对培养基加热均匀、消毒彻底,且可以降低蒸汽用量,因而该技术已经成为生物制药中灭菌方法的发展趋势。在以蒸汽喷射器加热的连续灭菌控制系统中,物料和蒸汽混合后在喷射器出口处温度的控制精度将作为主要技术指标。连续灭菌系统控制过程受到多个过程参数的影响,除主控制量即蒸汽管路上控制蒸汽流量的阀门开度外,还存在多个扰动,如用于灭菌的蒸汽温度和压力,培养基在管路中的流速,培养基在进入喷射器之前的温度等。在灭菌过程中又存在很多影响灭菌系统过程参数的环节,如不同培养基容器,即物料罐之间的切换引起的培养基在管路中的温度差异,不同批次培养基的比热容、密度和粘稠度的不一致导致的培养基在管路中的流速变化、换热效果差异,管路上的过滤器因随系统运行而有不同程度的阻塞,从而也影响培养基在管路中的流速,以及消毒所用蒸汽因多个车间共用而存在蒸汽压力和温度的扰动等,以上因素均对灭菌过程的精确控制产生影响,且使多个过程参数不能恒定而使得该过程难以用精确数学模型来进行分析。
预测控制在当今工业控制过程中发挥着重要影响作用,该控制策略在上世纪七十年代被提出,现在已在多种过程工业中实现应用。动态矩阵控制作为预测控制方法中的一种,因其方法简单,易于实现而在工业过程控制领域中多有使用。该方法基于实际运行数据建立系统模型,并根据所得模型获得响应过程参数的阶跃响应,从而形成动态矩阵,实现控制过程。该方法以滚动优化的方式计算系统运行过程中的控制量输入,且在计算过程中可以加入的约束,从而有针对性的计算适合于被控对象的控制量输入。该方法的使用可以避免复杂工业过程的精确建模难题,同时以有限时域滚动计算的方式保证了预测模型的预测效果。
发明内容
为了解决上述现有技术存在的问题,本发明的目的在于提供一种基于数据建模的蒸汽喷射器灭菌动态矩阵控制方法,其主要控制对象是培养基即物料和蒸汽混合后在喷射器出口处的温度,通过控制蒸汽流量,并加入对系统扰动的分析,实现对灭菌温度的精确控制。
为了达到上述发明目的,本发明采取的技术方案是:
一种基于数据建模的蒸汽喷射器灭菌动态矩阵控制方法,包括如下步骤:
步骤1:建立基于工业运行数据的蒸汽喷射器加热灭菌系统逼近模型
根据连续灭菌过程中蒸汽喷射器加热过程运行的采样数据,通过对采样到的过程参数进行分析,找出对系统输出,即物料和蒸汽混合后在喷射器出口处温度影响明显的过程参数,形成连续灭菌控制系统的控制量和扰动量。并通过数学方法建立逼近模型;经过分析,系统输入,即控制量确定喷射器蒸汽流量,在系统模型中表现为喷射器蒸汽管路上的阀门开度;扰动量有:喷射器处物料入口温度,物料流速,蒸汽温度;被控量即系统输出为喷射器物料出口温度;经过系统辨识,得到连续灭菌系统的逼近模型,其形式如下:
y(t)=B(z)u(t-1)
B(z)=b1+b2z-1+…bnbz-nb+1
其中,y(t)为系统输出,u(t-1)为系统输入及扰动组成的向量,nb为为模型阶次,bi(i=1,2,…nb)为四行一列待辨识参数矩阵,z-1为延迟算子,B(z)为延迟因子构成的多项式;
步骤2:过程参数阶跃响应辨识
得到逼近模型后,为获得用以控制的动态矩阵,首先要获得控制量和扰动量的阶跃响应;
因实际工业运行过程中,阶跃响应涉及到物料的使用和能量的消耗,工业现场不允许操作者进行阶跃实验,本发明中以基于数据驱动的仿真辨识的方式实现阶跃响应;具体操作如下:
基于步骤一所获得的系统模型,在仿真环境中给予对应过程参数以阶跃输入,所获得的仿真输出经过拟合后,辨识得到该过程参数的传递函数F(s),其形式如下:
其中,A、B、C为待辨识参数,s为复参数;
基于所得到的传递函数和控制步长、预测步长,计算该过程参数的动态矩阵;
因为在连续灭菌控制过程中,包括有一个控制量和三个扰动量,故所获得的动态矩阵包括四部分:G,D1,D2,D3分别对应控制量(喷射器蒸汽阀门开度)和三个扰动,即物料流速,喷射器物料入口温度和蒸汽温度所对应的动态矩阵,以G为例,动态矩阵的形式如下:
其中,m为控制步长,N为预测步长,gi(i=1,2,……N)为i时刻对应的阶跃响应值;
步骤3:控制量的计算
基于步骤2所得的各参数动态矩阵,系统预测输出值y′可表达为:
上式中,u为控制量按时间序列构成的矩阵,di为第i个扰动量按时间顺序构成的列向量,Di为di对应的动态矩阵,fu为控制量中影响预测值的只与过去时刻数值有关的部分所构成的列向量,fu=[fu(t+1),fu(t+2)……fu(t+N)]T,fi为扰动di中影响预测值的只与过去时刻数值有关的部分所构成的列向量,fi=[fi(t+1),fi(t+2)……fi(t+N)]T;其中:
其中N为预测步长,Δu(t-i)为t-i时刻的控制量增量,gi为动态矩阵G中第i行第一列的值,gij为动态矩阵Di第j行第一列的值,fi(t+k),k=1,2,……N为fi的第k个元素数值,fu(t+k),k=1,2,……N为fu的第k个元素数值;
为简便起见,将系统预测输出值y′记为:
y′=Gu+f
其中确定目标函数J为:
其中m为控制步长,λ为平衡目标函数两部分(即预测误差和控制耗能)权重的系数,Δu(t+j-1)为t+j-1时刻控制量的变化量,y′(t+j|t)为在t时刻预测的t+j时刻的系统输出值,w(t+j)为t+j时刻的输出参考轨迹,一般设置为如下形式:
w(t+j)=αw(t+j-1)+(1-α)r(t+j)
w(t)=y(t)
其中r(t+j)为系统输出在t+j时刻的设定值,α为0到1之间的常数
求目标函数的最小值,即可获得当前时刻最优的控制量:
u=(GTG+λI)-1GT(w-f)
其中w为输出轨迹按时间顺序构成的序列,T为转置符号,I为单位对角矩阵,上标-1为矩阵逆运算符号;
按照滚动优化的方式,每次计算u都只需要计算第一行第一列的数值即可。
本发明和现有技术相比,具有如下优点:
本发明方法以蒸汽在喷射器入口出阀门开度为控制量输入,以蒸汽和培养基混合后在喷射器出口处温度作为被控制量,并加入物料流速、喷射器物料入口温度和蒸汽温度作为扰动量;基于工业运行数据建立连续灭菌过程逼近模型,根据系统逼近模型获得控制量及扰动量的阶跃响应,根据所得阶跃响应经过辨识得到响应的传递函数,在此基础上获得动态矩阵用以控制,以滚动优化的方式计算控制量输入实现控制过程;本发明控制方法简单,基于工业运行过程数据的建模和分析方法降低了控制器设计对灭菌设备和相关环工艺节分析的依赖,易于在工程上实现应用;本方法可广泛应用于以蒸汽喷射器对生物发酵用培养基进行加热的连续灭菌控制系统。
附图说明
附图1为本发明基于数据建模的蒸汽喷射器灭菌动态矩阵控制系统结构图。
图1中:u(t)为连消系统控制量输入,即喷射器蒸汽阀门开度;y(t)为连消系统输出,即喷射器物料出口温度。
具体实施方式
以下结合附图1及具体实施例,对本发明作进一步的详细描述。
以某生物制药厂为例,给出本发明的一个具体应用,该制药厂灭菌系统硬件设备主要由可编程逻辑控制器和各种电磁阀、气动阀构成,灭菌温度目标值设定为123摄氏度。其工作流程为:首先将培养基在配料罐中加水搅拌均匀,后由打料泵将培养基带入蒸汽喷射器中与蒸汽混合加热,实现高温灭菌,与高温蒸汽混合后的物料进入一级换热器与未消毒培养基发生换热实现一次降温(同时升高未消毒培养基的温度),再进入二级换热器与冷水发生换热实现第二次降温,最终进入发酵罐等待接种发酵过程。
该蒸汽喷射器灭菌控制方法的实施包括如下三个部分:
(1)建立基于工业运行数据的蒸汽喷射器加热灭菌系统逼近模型
根据连续灭菌过程中蒸汽喷射器加热过程运行的采样数据,通过对采样到的过程参数进行分析,找出对系统输出,即物料和蒸汽混合后在喷射器出口处温度影响明显的过程参数,形成连续灭菌控制系统的控制量和扰动量。并通过数学方法建立逼近模型;经过分析,系统输入,即控制量确定喷射器蒸汽流量,在系统模型中表现为喷射器蒸汽管路上的阀门开度;扰动量有:喷射器处物料入口温度,物料流速,蒸汽温度;被控量即系统输出为喷射器物料出口温度;经过系统辨识,得到连续灭菌系统的逼近模型,其形式如下:
y(t)=B(z)u(t-1)
B(z)=b1+b2z-1+…bnbz-nb+1
其中,y(t)为系统输出,u(t-1)为系统输入及扰动组成的向量,其排列顺序为:喷射器蒸汽阀门开度,喷射器物料入口温度,物料流速,蒸汽温度;nb为为模型阶次,本次方法实施中设定为40。bi(i=1,2,…nb)为四行一列待辨识参数矩阵,z-1为延迟算子,B(z)为延迟因子矩阵构成的多项式,经计算,B(z)所包含的参数矩阵bi的数值如下:
(2)过程参数阶跃响应辨识
得到逼近模型后,为获得用以控制的动态矩阵,首先要获得控制量和扰动量的阶跃响应。
因实际工业运行过程中,阶跃响应涉及到物料的使用和能量的消耗,工业现场不允许操作者进行阶跃实验,本发明中以基于数据驱动的仿真辨识的方式实现阶跃响应。具体操作如下:
基于步骤1所获得的系统逼近模型,在仿真环境中给予对应过程参数以阶跃输入,所获得的仿真输出经过拟合后,辨识得到该过程参数的传递函数。
经辨识,控制量即喷射器蒸汽阀门开度对应的传递函数Fu(s)为:
其中s为复参数符号。
构成控制量动态矩阵的参数gi为:
g1 | g2 | g3 | g4 | g5 | g6 | g7 | g8 | g9 | g10 |
0 | 0 | 0.186 | 0.314 | 0.401 | 0.461 | 0.503 | 0.531 | 0.55 | 0.563 |
g11 | g12 | g13 | g14 | g15 | g16 | g17 | g18 | g19 | g20 |
0.573 | 0.579 | 0.583 | 0.586 | 0.588 | 0.589 | 0.59 | 0.591 | 0.591 | 0.592 |
扰动d1,即物料流速对应的传递函数为
构成该扰动量动态矩阵的参数g1i为:
g11 | g12 | g13 | g14 | g15 | g16 | g17 | g18 | g19 | g110 |
0 | -0.339 | -0.528 | -0.633 | -0.691 | -0.724 | -0.742 | -0.752 | -0.758 | -0.761 |
g111 | g112 | g113 | g114 | g115 | g116 | g117 | g118 | g119 | g120 |
-0.763 | -0.764 | -0.764 | -0.764 | -0.765 | -0.765 | -0.765 | -0.765 | -0.765 | -0.765 |
扰动d2,即喷射器物料入口温度对应的传递函数为:
构成该扰动量动态矩阵的参数g2i为:
g21 | g22 | g23 | g24 | g25 | g26 | g27 | g28 | g29 | g210 |
0 | 0 | 0 | 0 | 0.308 | 0.571 | 0.795 | 0.986 | 1.148 | 1.287 |
g211 | g212 | g213 | g214 | g215 | g216 | g217 | g218 | g219 | g220 |
1.405 | 1.505 | 1.591 | 1.664 | 1.726 | 1.779 | 1.824 | 1.863 | 1.896 | 1.924 |
扰动d3,即蒸汽温度对应的传递函数为:
构成该扰动量动态矩阵的参数g3i为:
g31 | g32 | g33 | g34 | g35 | g36 | g37 | g38 | g39 | g310 |
0 | 0 | 0 | 0.246 | 0.368 | 0.429 | 0.460 | 0.475 | 0.482 | 0.486 |
g311 | g312 | g313 | g314 | g315 | g316 | g317 | g318 | g319 | g320 |
0.488 | 0.489 | 0.489 | 0.490 | 0.490 | 0.490 | 0.490 | 0.490 | 0.490 | 0.490 |
基于所得到的传递函数和控制步长、预测步长,计算该过程参数的动态矩阵。在本例中,控制步长设为6,预测步长设为10;
因为在连续灭菌控制过程中,包括有一个控制量和三个扰动量,故所获得的动态矩阵包括四部分:G,D1,D2,D3分别对应控制量(喷射器蒸汽阀门开度)和三个扰动,即物料流速,喷射器物料入口温度和蒸汽温度所对应的动态矩阵,其数值如下:
(3)控制量的计算
基于步骤2所得的各参数动态矩阵,系统预测输出值y′可表达为:
上式中,u为控制量按时间序列构成的矩阵,di为第i个扰动按时间顺序构成的列向量,Di为di对应的动态矩阵,fu为控制量中影响预测值的只与过去时刻数值有关的部分所构成的列向量,fu=[fu(t+1),fu(t+2)……fu(t+10)]T,fi为扰动di中影响预测值的只与过去时刻数值有关的部分所构成的列向量,fi=[fi(t+1),fi(t+2)……fi(t+10)]T。其中对于k∈{1,2,……10}:
其中fu(t+k)为fu的第k个元素,fi(t+k)为fi的第k个元素,N为预测步长,N=10,Δu(t-i)为t-i时刻的控制量增量,di(t-j)为t-j时刻扰动量di的数值,gi为动态矩阵G中第i行第一列的值,gij为动态矩阵Di第j行第一列的值。
为简便起见,将系统预测输出值y′记为:
y′=Gu+f
其中含义为控制量和扰动量中影响预测值的只与过去时刻数值有关的部分所构成的列向量,而f中,的di为扰动量的未来时刻数值构成的向量,因其不可预测,故均设置为0。确定目标函数J为:
其中m为控制步长,λ为平衡目标函数两部分(即预测误差和控制耗能)权重的系数,在此例中设置为1,Δu(t+j-1)为t+j-1时刻控制量的变化量,y′(t+j|t)为在t时刻预测的t+j时刻的系统输出值,w(t+j)为t+j时刻的输出参考轨迹,一般设置为如下形式:
w(t+j)=αw(t+j-1)+(1-α)r(t+j)
w(t)=y(t)
其中r(t+j)为系统输出在t+j时刻的设定值,在本例中r(t+j)设定为常数123,α设定为0.5。y(t)为当前时刻系统输出测量值。
求目标函数的最小值,即可获得当前时刻最优的控制量u:
u=(GTG+λI)-1GT(w-f)
其中w为输出轨迹按时间顺序构成的序列,T为转置符号,I为单位对角矩阵,上标-1为矩阵逆运算符号。按照滚动优化的方式,每次计算u都只需要计算第一行第一列的数值即可,为简便起见,记:
K=(GTG+λI)-1GT
则根据已得到的动态矩阵G,K的第一行K(1,:)为:
K(1,:)=[0,0,0.1220,0.2013,0.1551,0.1263,0.0913,0.0673,0.0572,0.0447]
则u可记为:
u=K(w-f)
其中,只要利用K的第一行,计算u的第一行第一列值即可。w-f的数值计算如下所示。其中w:
w(t+j)=0.5w(t+j-1)+0.5*123
w(t)=y(t)
fu和fi的计算方法如下:
·
·
·
·
·
·
其中f1(t+k)为f1的第k个元素,k=1,2……10,g1j为第1个扰动量在j时刻的阶跃响应值。
·
·
·
其中f2(t+k)为f2的第k个元素,k=1,2……10,g2j为第2个扰动量在j时刻的阶跃响应值
·
·
·
其中f3(t+k)为f3的第k个元素,k=1,2……10,g3j为第3个扰动量在j时刻的阶跃响应值。
以上一系列式子中,等式的右侧由已测的数值构成。由此可计算:
w已计算得出,故:u=K(w-f)可得出。将计算得到的控制量输出到连消系统中喷射器蒸汽阀门处,完成该步控制。
Claims (2)
1.一种基于数据建模的蒸汽喷射器灭菌动态矩阵控制方法,其特征在于:包括如下步骤:
步骤1:建立基于工业运行数据的蒸汽喷射器加热灭菌系统逼近模型
根据连续灭菌过程中蒸汽喷射器加热过程运行的采样数据,通过对采样到的过程参数进行分析,找出对系统输出,即物料和蒸汽混合后在喷射器出口处温度影响明显的过程参数,形成连续灭菌控制系统的控制量和扰动量;并通过数学方法建立逼近模型;经过分析,系统输入,即控制量确定喷射器蒸汽流量,在系统模型中表现为喷射器蒸汽管路上的阀门开度;扰动量有:喷射器处物料入口温度,物料流速,蒸汽温度;被控量即系统输出为喷射器物料出口温度;经过系统辨识,得到连续灭菌系统的逼近模型,其形式如下:
y(t)=B(z)u(t-1)
B(z)=b1+b2z-1+…bnbZ-nb+1
其中,z-1为延迟算子,y(t)为系统输出,u(t-1)为系统输入及扰动组成的向量,nb为模型阶次,bi,i=1,2,...,nb,为四行一列待辨识参数矩阵,B(z)为延迟因子构成的多项式;
步骤2:过程参数阶跃响应辨识
得到逼近模型后,为获得用以控制的动态矩阵,首先要获得控制量和扰动量的阶跃响应;
实际工业运行过程中,阶跃响应涉及到物料的使用和能量的消耗,工业现场不允许操作者进行阶跃实验,因此,以基于数据驱动的仿真辨识的方式实现阶跃响应;具体操作如下:
基于步骤1所获得的系统逼近模型,在仿真环境中给予对应过程参数以阶跃输入,所获得的仿真输出经过拟合后,辨识得到该过程参数的传递函数F(s),其形式如下:
其中,A、B、C为待辨识参数,s为复参数;
基于所得到的传递函数和控制步长、预测步长,计算该过程参数的动态矩阵;
因为在连续灭菌控制过程中,包括有一个控制量和三个扰动量,故所获得的动态矩阵包括四部分:G,D1,D2,D3分别对应控制量即喷射器蒸汽管路上的阀门开度和三个扰动,即物料流速,喷射器处物料入口温度和蒸汽温度所对应的动态矩阵,以G为例,动态矩阵的形式如下:
其中,m为控制步长,N为预测步长,gi,i=1,2,...,N,为i时刻对应的阶跃响应值;
步骤3:控制量的计算
基于步骤2所得的各参数动态矩阵,系统预测输出值y′表达为:
上式中,u为控制量按时间序列构成的矩阵,di为第i个扰动量按时间顺序构成的列向量,Di为第i个扰动量对应的动态矩阵,fu为控制量中影响预测值的只与过去时刻数值有关的部分所构成的列向量,fu=[fu(t+1),fu(t+2),...,fu(t+N)]T,fi为扰动di中影响预测值的只与过去时刻数值有关的部分所构成的列向量,fi=[fi(t+1),fi(t+2),...,fi(t+N)]T;其中:
其中N为预测步长,Δu(t-i)为t-i时刻的控制量增量,gi为动态矩阵G中第i行第一列的值,gij为动态矩阵Di第j行第一列的值;fi(t+k),k=1,2,...,N,为fi的第k个元素数值,fu(t+k),k=1,2,...,N,为fu的第k个元素数值;
为简便起见,将系统预测输出值y′记为:
y′=Gu+f
其中确定目标函数J为:
其中m为控制步长,λ为平衡预测误差和控制耗能权重的系数,Δu(t+j-1)为t+j-1时刻控制量的变化量,y′(t+j|t)为在t时刻预测的t+j时刻的系统输出值,w(t+j)为t+j时刻的输出参考轨迹,设置为如下形式:
w(t+j)=αw(t+j-1)+(1-α)r(t+j)
w(t)=y(t)
其中r(t+j)为系统输出在t+j时刻的设定值,α为0到1之间的常数,y(t)为当前时刻系统输出量;
求目标函数的最小值,即获得当前时刻最优的控制量u:
u=(GTG+λI)-1GT(w-f)
其中,w为输出轨迹按时间顺序构成的序列,T为转置符号,I为单位对角矩阵,上标-1为矩阵逆运算符号;
按照滚动优化的方式,每次计算u都只需要计算第一行第一列的数值即可。
2.权利要求1所述的一种基于数据建模的蒸汽喷射器灭菌动态矩阵控制方法,其特征在于:应用于生化工业和生物制药中以蒸汽喷射器对各种培养基进行加热灭菌的控制系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510159007.2A CN104793491B (zh) | 2015-04-03 | 2015-04-03 | 一种基于数据建模的蒸汽喷射器灭菌动态矩阵控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510159007.2A CN104793491B (zh) | 2015-04-03 | 2015-04-03 | 一种基于数据建模的蒸汽喷射器灭菌动态矩阵控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104793491A CN104793491A (zh) | 2015-07-22 |
CN104793491B true CN104793491B (zh) | 2017-05-31 |
Family
ID=53558394
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510159007.2A Expired - Fee Related CN104793491B (zh) | 2015-04-03 | 2015-04-03 | 一种基于数据建模的蒸汽喷射器灭菌动态矩阵控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104793491B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105259761B (zh) * | 2015-10-30 | 2018-05-22 | 北京控制工程研究所 | 一种基于特征模型的连续灭菌反复学习自适应控制器 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5568378A (en) * | 1994-10-24 | 1996-10-22 | Fisher-Rosemount Systems, Inc. | Variable horizon predictor for controlling dead time dominant processes, multivariable interactive processes, and processes with time variant dynamics |
CN101807083A (zh) * | 2010-03-30 | 2010-08-18 | 杭州电子科技大学 | 染色过程湿度优化控制方法 |
CN103115243A (zh) * | 2013-02-05 | 2013-05-22 | 中国石油天然气股份有限公司 | 一种天然气管道分输电动调节阀的控制设备及其方法 |
CN103269176A (zh) * | 2013-05-17 | 2013-08-28 | 南京信息工程大学 | 一种基于分数阶pi预测函数的逆变器控制方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9447963B2 (en) * | 2010-08-16 | 2016-09-20 | Emerson Process Management Power & Water Solutions, Inc. | Dynamic tuning of dynamic matrix control of steam temperature |
-
2015
- 2015-04-03 CN CN201510159007.2A patent/CN104793491B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5568378A (en) * | 1994-10-24 | 1996-10-22 | Fisher-Rosemount Systems, Inc. | Variable horizon predictor for controlling dead time dominant processes, multivariable interactive processes, and processes with time variant dynamics |
CN101807083A (zh) * | 2010-03-30 | 2010-08-18 | 杭州电子科技大学 | 染色过程湿度优化控制方法 |
CN103115243A (zh) * | 2013-02-05 | 2013-05-22 | 中国石油天然气股份有限公司 | 一种天然气管道分输电动调节阀的控制设备及其方法 |
CN103269176A (zh) * | 2013-05-17 | 2013-08-28 | 南京信息工程大学 | 一种基于分数阶pi预测函数的逆变器控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104793491A (zh) | 2015-07-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pawlowski et al. | Effective utilization of flue gases in raceway reactor with event-based pH control for microalgae culture | |
CN104537033B (zh) | 基于贝叶斯网络和极限学习机的区间型指标预报方法 | |
CN106920006B (zh) | 一种基于isoa-lssvm的地铁站空调系统能耗预测方法 | |
Samadianfard | Gene expression programming analysis of implicit Colebrook–White equation in turbulent flow friction factor calculation | |
CN102411308B (zh) | 基于递归神经网络模型的溶解氧的自适应控制方法 | |
CN102589092B (zh) | 基于新型模糊控制器的室内环境热舒适度控制方法 | |
Yüzgeç et al. | On-line evolutionary optimization of an industrial fed-batch yeast fermentation process | |
CN100511042C (zh) | 槽式反应器基于多核支持向量机的非线性预测控制方法 | |
CN105955026A (zh) | 模糊pid控制方法和装置及系统 | |
CN110794782A (zh) | 基于jy-mkpls的间歇工业过程在线质量预测方法 | |
CN106842948A (zh) | 基于bp网络的hdp分子蒸馏系统的最优控制方法 | |
Andrášik et al. | On-line tuning of a neural PID controller based on plant hybrid modeling | |
CN104793491B (zh) | 一种基于数据建模的蒸汽喷射器灭菌动态矩阵控制方法 | |
CN105389614B (zh) | 一种神经网络自更新过程的实现方法 | |
Birle et al. | On‐line yeast propagation process monitoring and control using an intelligent automatic control system | |
Azimzadeh et al. | On-line optimal trajectory control for a fermentation process using multi-linear models | |
CN105930936B (zh) | 一种生产流通过程中食品所含微生物的生长预测方法 | |
CN104898416B (zh) | 一种基于armax建模的培养基蒸汽喷射灭菌节能控制方法 | |
CN102662324A (zh) | 槽式反应器基于在线支持向量机的非线性模型预测控制方法 | |
CN105259761A (zh) | 一种基于特征模型的连续灭菌反复学习自适应控制器 | |
CN115081327A (zh) | 一种基于强化学习的间壁式换热器动态仿真模型建模方法 | |
Xu | Beer fermentation temperature control curve optimization based on the fuzzy-neural network PID control algorithm | |
Subathra et al. | A comparative study of neuro fuzzy and recurrent neuro fuzzy model-based controllers for real-time industrial processes | |
CN203217277U (zh) | 槽式反应器基于在线支持向量机的非线性模型预测控制器 | |
CN114020063B (zh) | 一种基于模糊神经网络的中药饮片润药温度预测控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170531 Termination date: 20200403 |
|
CF01 | Termination of patent right due to non-payment of annual fee |