CN109541940B - 基于2d模型多阶段间歇过程受限预测混杂容错控制方法 - Google Patents

基于2d模型多阶段间歇过程受限预测混杂容错控制方法 Download PDF

Info

Publication number
CN109541940B
CN109541940B CN201811345397.2A CN201811345397A CN109541940B CN 109541940 B CN109541940 B CN 109541940B CN 201811345397 A CN201811345397 A CN 201811345397A CN 109541940 B CN109541940 B CN 109541940B
Authority
CN
China
Prior art keywords
model
fault
prediction
substances
content
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.)
Active
Application number
CN201811345397.2A
Other languages
English (en)
Other versions
CN109541940A (zh
Inventor
王立敏
罗卫平
王鹏
余维燕
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hainan Normal University
Original Assignee
Hainan Normal University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hainan Normal University filed Critical Hainan Normal University
Priority to CN201811345397.2A priority Critical patent/CN109541940B/zh
Publication of CN109541940A publication Critical patent/CN109541940A/zh
Application granted granted Critical
Publication of CN109541940B publication Critical patent/CN109541940B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04Adaptive 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
    • G05B13/048Adaptive 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 using a predictor

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)
  • Feedback Control In General (AREA)

Abstract

本发明提供一种基于2D模型多阶段间歇过程受限预测混杂容错控制方法,包括以下步骤:步骤1、针对间歇过程中不同阶段,建立被控对象以状态空间模型为基础的具有故障的二维预测控制系统模型;步骤2、针对上述新的2D预测故障系统模型,设计预测线性二次容错控制器;步骤3、针对步骤1.2的新型二维系统预测模型,找出系统鲁棒指数稳定的充分条件和设计切换律;本发明的优点是不用求出其他参数的设定,直接得出数值,不仅能保证系统的最优控制性能,而且能缩短系统运行时间,高效生产。

Description

基于2D模型多阶段间歇过程受限预测混杂容错控制方法
技术领域
本发明属于工业过程的先进控制领域,涉及一种基于2D模型多阶段间歇过程受限预测混杂容错控制方法。
背景技术
随着社会的高速发展,人们对高品质批次生产的要求越来越高。这种高要求导致了生产操作更为复杂,再加上工业设备的长期反复工作,发生故障的可能性越来越大。控制系统的主要故障有执行器故障、传感器故障、系统内部故障,而对系统控制影响最大的是执行器故障。执行器一旦发生故障,系统将不受控制,严重时甚至造成设备损坏、财产损失和人员的安全问题。
为解决上述问题,间歇过程的容错控制技术得以应用,但现有技术里的大部分是一维的,一维方法只是考虑时间与生产过程的影响,由于实际工况存在执行器故障、漂移及系统外部干扰等因素,控制系统在运行一段时间后控制性能会下降。目前,针对间歇过程的重复性和2D特性,反馈结合迭代学习容错控制方法得以重视,但在执行器故障变得严重时,现行的鲁棒迭代学习可靠控制方法无法解决系统状态偏离的问题,即至始至终采用同一控制律,随着时间的推移,系统的偏离就会愈发增大。这会对系统的持续稳定运行和控制性能产生不良的影响,甚至危及到产品的质量。
为了解决上述存在问题,模型预测控制方法得以广泛应用。现行对间歇过程的研究,其预测控制方法大部分都是一维的,即只考虑时间方向或批次方向,只考虑时间方向使得每一批次只是单纯的重复,控制性能无法随着批次的递增而得到完善;只考虑批次方向不能、实现初值不确定等间歇过程的控制问题。
此外,间歇过程具有多阶段特性,如果当前阶段发生故障,必然会影响下一个阶段的运行时间,也会导致系统性能的降低从而降低系统所获得的效益。多阶段的间歇过程,尽管有一定的研究成果,但是整个过程中控制器的增益是不可调节。而在实际工业控制中,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,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:执行器出现故障、间歇过程多阶段性,设计新的容错预测控制方法,保证间歇过程在故障影响下依然能够平稳运行势在必行。
发明内容
针对间歇过程出现的上述情况:执行器出现故障、间歇过程多阶段性,本发明设计一种基于2D模型多阶段间歇过程预测线性二次混杂容错控制方法,使得系统在其执行器故障的情况下,依然稳定运行,并实现更好的控制性能。并根据正常和执行器故障下分别设计出相应简单实时灵活调节的控制器,以提高其控制品质,解决已存在方法中整个过程中控制器增益不可调节的弊端,实现节能减耗的目标。
本发明目的一是针对输入时滞,引入新变量,得到无时滞模型,从而设计的控制器与时滞大小无关,避免了滞后信息给系统控制性能带来的影响。二是寻求批次注塑过程不同阶段合适的切换条件、运行时间;三是根据正常和故障系统分别设计出简单实时灵活调节的控制器,当系统正常时,使用针对正常系统设计的控制器,当系统出现故障时,相应地调节为针对故障系统设计的控制器,以提高其控制品质,解决了已存在方法中整个过程中控制器增益不可调节的弊端,从而实现了节能减耗的目标。本发明首先根据给定具有输入时滞的故障系统模型,通过引入新的变量变成一种新的无时滞的状态空间模型,其次,基于间歇过程的重复性和二维特性,引入相邻批次的状态误差和输出跟踪误差,设计迭代学习控制律,将其扩展成包含状态误差和输出跟踪误差的等价2D-Roesser模型,从而得到相应的2D预测模型及2D切换系统模型,本发明工作都是在此基础上进行设计,系统存在故障时,为满足最优的控制性能,引入了二次性能函数,通过调节此函数中的变量,并与预测控制原理相结合,设计出一种简单实时灵活调节的预测线性二次容错控制器。接着,利用Lyapunov函数和平均驻留时间方法,给出系统沿时间和批次方向上的鲁棒指数稳定的充分条件和每个阶段的最小运行时间。此设计过程最大优点,设计简单,控制器可实时调节,系统运行时间短,跟踪性能好,节能减耗。
本发明的技术方案是通过给定模型、模型转化、预测机理、优化等手段,确立了一种基于2D模型多阶段间歇过程预测线性二次容错控制器设计方法,利用该方法有效解决了具有时滞,执行器故障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解决控制器不能调节的弊端,缩短了系统每一个阶段的运行时间,实现系统在执行器故障引起的模型失配和时滞条件下仍具有良好的控制效果及提高了生产效率。
基于2D模型多阶段间歇过程受限预测混杂容错控制方法,包括以下步骤:
步骤1、针对间歇过程中不同阶段,建立被控对象以状态空间模型为基础的具有故障的二维预测控制系统模型,具体是:
1.1构建新型多阶段间歇过程故障系统模型:
Figure GDA0003457613900000031
其中,uiF(t,k)=αiui(t,k);i=1,2,3,...,n;xi(t,k),yi(t,k),uiF(t,k)分别是第i阶段的状态空间,输出和实际输入,t为时刻,k为批次,其中αi满足
Figure GDA0003457613900000032
Figure GDA0003457613900000041
为适维矩阵;
选取新的状态空间变量
Figure GDA0003457613900000042
形式如下:
Figure GDA0003457613900000043
得到一个不含时滞的新型的第i个阶段状态空间模型为:
Figure GDA0003457613900000044
其中,
Figure GDA0003457613900000045
Figure GDA0003457613900000046
T为矩阵的转置符号,
Figure GDA0003457613900000047
0为适当维数的零向量;
1.2构建新型二维预测控制系统模型,具体如下:
1.2.1设计2D迭代学习控制律:
ilc:ui(t,k)=ui(t,k-1)+ri(t,k),ui(t,0)=0,t=0,1,2,L,Ti,i=1 (4)
其中,ri(t,k)∈Rm是待设计的迭代学习控制的更新律;
1.2.2定义系统状态误差:fi(t,k)=fk(t),δ(fi(t,k))=fi(t,k)-fi(t,k-1),可得:
Figure GDA0003457613900000048
1.2.3为了有较好的跟踪性能以及使系统保持平稳的运行状态,定义输出跟踪误差
Figure GDA0003457613900000049
可得:
Figure GDA00034576139000000410
1.2.4模型(5)和(6)结合,用等价2D-Roesser模型可以写成下列形式:
Figure GDA00034576139000000411
其中,
Figure GDA00034576139000000412
把上述空间模型(7)扩展成包含状态变量和输出跟踪误差的扩展状态空间模型,如下形式:
Figure GDA0003457613900000051
其中,
Figure GDA0003457613900000052
矩阵
Figure GDA0003457613900000053
中的0表示适当维数零矩阵;
则系统(8)的预测模型为:
Figure GDA0003457613900000054
其中,
Figure GDA0003457613900000055
Figure GDA0003457613900000056
Figure GDA0003457613900000061
将系统(9)再现为2D切换系统模型为:
Figure GDA0003457613900000062
其中,η(t,k):Z+N:={1,2,L,N}表示的是切换信号,它可能与时间或系统状态相关,N是子系统的阶段数;Eη(t,k)η(t,k)对于不同阶段皆由上述切换系统模型表示;
步骤2、针对上述新的2D预测故障系统模型(10),设计预测线性二次容错控制器,具体是:
2.1选取相应的性能指标形式如下:
Figure GDA0003457613900000063
Figure GDA0003457613900000064
其中,Qi>0为过程的加权矩阵,Ri≥0为过程状态的输入加权矩阵,
Figure GDA0003457613900000065
为过程状态的权重系数,
Figure GDA0003457613900000066
为输出跟踪误差的权重系数并且取
Figure GDA0003457613900000067
另外,P≥M;
2.2.系统存在故障时,为满足步骤2.1中的系统预测模型性能指标最小,考虑预测线性二次容错控制律为:
Figure GDA0003457613900000071
由步骤2.1的性能指标(11)和等式(9),可得:
Figure GDA0003457613900000072
其中,
Figure GDA0003457613900000073
由等式(14),令
Figure GDA0003457613900000074
可以得到:
Figure GDA0003457613900000075
因而可得:
Figure GDA0003457613900000076
2.3为了得到新的控制量ui(t,k),首先对控制量ui(t,k-1)作用为被控对象,再根据已经得出的更新律ri(t,k),依次做循环求解即可;
步骤3、针对步骤1.2的新型二维系统预测模型(10),找出系统鲁棒指数稳定的充分条件和设计切换律,具体是:
3.1对于不同阶段设计切换信号为η(t,k),并针对i阶段预测模型,设:
Figure GDA0003457613900000081
其中,
Figure GDA0003457613900000082
可以得到每一个阶段i的切换系统为:
Figure GDA0003457613900000083
3.2为了判定系统(18)的稳定性,对于第i个子系统,利用下列的李雅普诺夫函数:Vi(zi(t,k))=ziT(t,k)Pi(t,k)zi(t,k);Pi(t,k),i∈N,N:={1,2,L,N}是依赖于驻留时间τi的矩阵;取泛函:
Figure GDA0003457613900000084
其中,
Figure GDA0003457613900000085
代表T方向的变量,
Figure GDA0003457613900000086
代表K方向的变量;
Figure GDA0003457613900000087
根据第i阶段的切换系统(18)和李雅普诺夫函数式子(19)可得:
Figure GDA0003457613900000088
Figure GDA0003457613900000091
其中,
Figure GDA0003457613900000092
若切换系统稳定,则必定有△Vi<0,其等价于:
Figure GDA0003457613900000093
3.3根据切换信号,设计切换点:
初始批次和末尾批次分别表示为kl-f+1和kl,再把时间间隔为[w,F]的切换信号下的切换次数表示为Nη(w,F),得到如下形式:
Figure GDA0003457613900000094
其中,
Figure GDA0003457613900000095
Figure GDA0003457613900000096
的意义相同,均表示前一个阶段的末尾时刻和下一个阶段的初始时刻;
结合步骤2.2,求解不等式(22),便可求出不同阶段的
Figure GDA0003457613900000097
本发明的有益效果为:根据不同阶段及执行器故障下设计出相应简单实时灵活调节的控制器,以提高其控制品质,解决了已存在方法中整个过程中控制器增益不可调节的弊端,并利用依赖于Lyapunov函数的驻留时间方法设计出切换信号,从而求出最小运行时间。此方法的优点是不用求出其他参数的设定,直接得出数值,不仅能保证系统的最优控制性能,而且能缩短系统运行时间,高效生产。
附图说明
图1为本发明所有批次跟踪性能图。
图2为本发明所有批次的切换时间图。
图3为本发明第20、29、30、60批次二维输出图。
图1中,横轴为批次,纵轴为跟踪性能值;图2中,横轴为批次,纵轴为步数;图3中,横轴为步数,纵轴为输出速度和模腔压力值
具体实施方式
下面结合附图和具体实施例对本发明做进一步的说明。
如图1-3所示,基于2D模型多阶段间歇过程受限预测混杂容错控制方法,包括以下步骤:
步骤1、针对间歇过程中不同阶段,建立被控对象以状态空间模型为基础的具有故障的二维预测控制系统模型,具体是:
1.1构建新型多阶段间歇过程故障系统模型:
Figure GDA0003457613900000101
其中,uiF(t,k)=αiui(t,k),i=1,2,3,...,n;xi(t,k),yi(t,k),uiF(t,k)分别是第i阶段的状态空间,输出和实际输入,t为时刻,k为批次,其中αi满足
Figure GDA0003457613900000102
Figure GDA0003457613900000103
为适维矩阵;
选取新的状态空间变量
Figure GDA0003457613900000104
形式如下:
Figure GDA0003457613900000105
得到一个不含时滞的新型的第i个阶段状态空间模型为:
Figure GDA0003457613900000106
其中,
Figure GDA0003457613900000111
Figure GDA0003457613900000112
T为矩阵的转置符号,
Figure GDA0003457613900000113
0为适当维数的零向量;
1.2构建新型二维预测控制系统模型,具体如下:
1.2.1设计2D迭代学习控制律:
ilc:ui(t,k)=ui(t,k-1)+ri(t,k),ui(t,0)=0,t=0,1,2,L,Ti,i=1 (4)
其中,ri(t,k)∈Rm是待设计的迭代学习控制的更新律;
1.2.2定义系统状态误差:fi(t,k)=fk(t),δ(fi(t,k))=fi(t,k)-fi(t,k-1),可得:
Figure GDA0003457613900000114
1.2.3为了有较好的跟踪性能以及使系统保持平稳的运行状态,定义输出跟踪误差
Figure GDA0003457613900000115
可得:
Figure GDA0003457613900000116
1.2.4模型(5)和(6)结合,用等价2D-Roesser模型可以写成下列形式:
Figure GDA0003457613900000117
其中,
Figure GDA0003457613900000118
把上述空间模型(7)扩展成包含状态变量和输出跟踪误差的扩展状态空间模型,如下形式:
Figure GDA0003457613900000119
其中,
Figure GDA00034576139000001110
矩阵
Figure GDA00034576139000001111
中的0表示适当维数零矩阵;
则系统(8)的预测模型为:
Figure GDA0003457613900000121
其中,
Figure GDA0003457613900000122
Figure GDA0003457613900000123
Figure GDA0003457613900000131
将系统(9)再现为2D切换系统模型为:
Figure GDA0003457613900000132
其中,η(t,k):Z+N:={1,2,L,N}表示的是切换信号,它可能与时间或系统状态相关,N是子系统的阶段数;Eη(t,k)η(t,k)对于不同阶段皆由上述切换系统模型表示;
步骤2、针对上述新的2D预测故障系统模型(10),设计预测线性二次容错控制器,具体是:
2.1选取相应的性能指标形式如下:
Figure GDA0003457613900000133
Figure GDA0003457613900000134
其中,Qi>0为过程的加权矩阵,Ri≥0为过程状态的输入加权矩阵,
Figure GDA0003457613900000135
为过程状态的权重系数,
Figure GDA0003457613900000136
为输出跟踪误差的权重系数并且取
Figure GDA0003457613900000137
另外,P≥M;
2.2.系统存在故障时,为满足步骤2.1中的系统预测模型性能指标最小,考虑预测线性二次容错控制律为:
Figure GDA0003457613900000138
由步骤2.1的性能指标(11)和等式(9),可得:
Figure GDA0003457613900000141
其中,
Figure GDA0003457613900000142
由等式(14),令
Figure GDA0003457613900000143
可以得到:
Figure GDA0003457613900000144
因而可得:
Figure GDA0003457613900000145
2.3为了得到新的控制量ui(t,k),首先对控制量ui(t,k-1)作用为被控对象,再根据已经得出的更新律ri(t,k),依次做循环求解即可;
步骤3、针对步骤1.2的新型二维系统预测模型(10),找出系统鲁棒指数稳定的充分条件和设计切换律,具体是:
3.1对于不同阶段设计切换信号为η(t,k),并针对i阶段预测模型,设:
Figure GDA0003457613900000146
其中,
Figure GDA0003457613900000151
可以得到每一个阶段i的切换系统为:
Figure GDA0003457613900000152
3.2为了判定系统(18)的稳定性,对于第i个子系统,利用下列的李雅普诺夫函数:Vi(zi(t,k))=ziT(t,k)Pi(t,k)zi(t,k);Pi(t,k),i∈N,N:={1,2,L,N}是依赖于驻留时间τi的矩阵;取泛函:
Figure GDA0003457613900000153
其中,
Figure GDA0003457613900000154
代表T方向的变量,
Figure GDA0003457613900000155
代表K方向的变量;
Figure GDA0003457613900000156
根据第i阶段的切换系统(18)和李雅普诺夫函数式子(19)可得:
Figure GDA0003457613900000157
Figure GDA0003457613900000161
其中,
Figure GDA0003457613900000162
若切换系统稳定,则必定有△Vi<0,其等价于:
Figure GDA0003457613900000163
3.3根据切换信号,设计切换点:
初始批次和末尾批次分别表示为kl-f+1和kl,再把时间间隔为[w,F]的切换信号下的切换次数表示为Nη(w,F),得到如下形式:
Figure GDA0003457613900000164
其中,
Figure GDA0003457613900000165
Figure GDA0003457613900000166
的意义相同,均表示前一个阶段的末尾时刻和下一个阶段的初始时刻;
结合步骤2.2,求解不等式(22),便可求出不同阶段的
Figure GDA0003457613900000167
实施例
本发明以注塑过程为代表进行多阶段有执行器故障下间歇过程容错控制的实验,注塑过程每一个批次主要包括三个过程:注射段,保压段,冷却段。其中,注射段和保压段的控制效果对成品的最终质量会有直接的影响,尤其是注射段当中的注射速度、保压段的模腔压力对相应阶段的控制效果影响最大,容易出现误差,导致不良制品,我们需要控制跟踪定值,以确保良好的跟踪效果。而冷却段只对高温制品进行冷却,不需要采取任何的控制措施,本发明也未涉及冷却段的研究。由于注射段的注射速度和保压段的模腔压力这两个参数都是由相应的控制阀门来进行控制的,阀门开度也会影响这两个参数。另外,在注射阶段,当模腔压力达到一定值时,系统将会切换到保压段,保压段完成制品后进入冷却段。
本发明只涉及注塑成型过程的注射段和保压段,研究系统存在执行器故障的情况下,注射段到保压段之间的切换,结合2D模型理论,建立相应的混杂状态空间模型。通过不同批次二维模型实验的图像比较,在执行器故障的情况下,系统不但能保证稳定运行,而且具有收敛更快、运行时间缩短、跟踪快的优点,因此能够实现高效的生产。注塑成型过程的注射段和保压段的数学模型描述如下:
注射段的注射速度IV和阀门开度VO模型为:
Figure GDA0003457613900000171
即IV(t+1,k)-0.9291IV(t,k)-0.0319IV(t-1,k)=8.687VO(t,k)-5.617VO(t-1,k);
注射段的模腔压力NP与注射速度IV的模型为:
Figure GDA0003457613900000172
即NP(t+1,k)-NP(t,k)=0.1054IV(t,k);
其中,注射段的注射速度IV的设定值为40mm/s;保压段模腔压力NP设定值为300bar。
Figure GDA0003457613900000173
则有如下形式:
Figure GDA0003457613900000174
由上可得注射段的状态空间模型如下:
Figure GDA0003457613900000181
保压段的模腔压力NP与阀门开度VO的模型为:
Figure GDA0003457613900000182
即NP(t+1,k)-1.317NP(t,k)+0.3259NP(t-1,k)=171.8VO(t,k)-156.8VO(t-1,k)。
Figure GDA0003457613900000183
则有如下形式:
Figure GDA0003457613900000184
由上可得保压段的状态空间模型如下:
Figure GDA0003457613900000185
对于有执行器故障的多阶段注塑过程,设计切换条件为[0 0 1 0]xi(t,k)≥350,即一旦模腔压力大于350,系统将从注射段切换到保压段。其中,由于注射段状态空间矩阵与保压段状态空间矩阵是不同维数之间的转换,我们根据状态转移矩阵即可转换得到。为了显示本发明所提二维方法的控制效果,将通过不同批次二维模型实验的图像比较;设计执行器故障大小为0.8,故障发生的批次为第30批次;并选定20,29,30,60批次分别为初始批次,故障发生前一个批次,发生时的批次,发生后的批次,进行实验。
由附图可知,系统的跟踪性能在发生故障时,稍微变差,但故障之后,性能越来越好。二维输出在故障批次,输出变差,随着批次的增加,输出值接近于设定值且是一条光滑的直线。

Claims (1)

1.基于2D模型多阶段间歇过程受限预测混杂容错控制方法,其特征在于:包括以下步骤:
步骤1、针对间歇过程中不同阶段,建立被控对象以状态空间模型为基础的具有故障的二维预测控制系统模型,具体是:
1.1构建新型多阶段间歇过程故障系统模型:
Figure FDA0003457613890000011
其中,uiF(t,k)=αiui(t,k),i=1,2,3,...,n;xi(t,k),yi(t,k),uiF(t,k)分别是第i阶段的状态空间,输出和实际输入,t为时刻,k为批次,其中αi满足
Figure FDA0003457613890000012
Figure FDA0003457613890000013
为适维矩阵;
选取新的状态空间变量
Figure FDA0003457613890000014
形式如下:
Figure FDA0003457613890000015
得到一个不含时滞的新型的第i个阶段状态空间模型为:
Figure FDA0003457613890000016
其中,
Figure FDA0003457613890000017
Figure FDA0003457613890000018
T为矩阵的转置符号,
Figure FDA0003457613890000019
0为适当维数的零向量;
1.2构建新型二维预测控制系统模型,具体如下:
1.2.1设计2D迭代学习控制律:
ilc:ui(t,k)=ui(t,k-1)+ri(t,k),ui(t,0)=0,t=0,1,2,L,Ti,i=1 (4)
其中,ri(t,k)∈Rm是待设计的迭代学习控制的更新律;
1.2.2定义系统状态误差:fi(t,k)=fk(t),δ(fi(t,k))=fi(t,k)-fi(t,k-1),可得:
Figure FDA0003457613890000021
1.2.3为了有较好的跟踪性能以及使系统保持平稳的运行状态,定义输出跟踪误差
Figure FDA00034576138900000210
可得:
Figure FDA0003457613890000022
1.2.4模型(5)和(6)结合,用等价2D-Roesser模型可以写成下列形式:
Figure FDA0003457613890000023
其中,
Figure FDA0003457613890000024
把上述空间模型(7)扩展成包含状态变量和输出跟踪误差的扩展状态空间模型,如下形式:
Figure FDA0003457613890000025
其中,
Figure FDA0003457613890000026
矩阵
Figure FDA0003457613890000027
中的0表示适当维数零矩阵;
则系统(8)的预测模型为:
Figure FDA0003457613890000028
其中,
Figure FDA0003457613890000029
Figure FDA0003457613890000031
Figure FDA0003457613890000032
Figure FDA0003457613890000033
Figure FDA0003457613890000034
Figure FDA0003457613890000035
Figure FDA0003457613890000036
将系统(9)再现为2D切换系统模型为:
Figure FDA0003457613890000037
其中,η(t,k):Z+N:={1,2,L,N}表示的是切换信号,它可能与时间或系统状态相关,N是子系统的阶段数;Eη(t,k)η(t,k)对于不同阶段皆由上述切换系统模型表示;
步骤2、针对上述新的2D预测故障系统模型(10),设计预测线性二次容错控制器,具体是:
2.1选取相应的性能指标形式如下:
Figure FDA0003457613890000041
Figure FDA0003457613890000042
其中,Qi>0为过程的加权矩阵,Ri≥0为过程状态的输入加权矩阵,
Figure FDA0003457613890000043
为过程状态的权重系数,
Figure FDA0003457613890000044
为输出跟踪误差的权重系数并且取
Figure FDA0003457613890000045
另外,P≥M;
2.2.系统存在故障时,为满足步骤2.1中的系统预测模型性能指标最小,考虑预测线性二次容错控制律为:
Figure FDA0003457613890000046
由步骤2.1的性能指标(11)和等式(9),可得:
Figure FDA0003457613890000047
其中,
Figure FDA0003457613890000048
由等式(14),令
Figure FDA0003457613890000049
可以得到:
Figure FDA0003457613890000051
因而可得:
Figure FDA0003457613890000052
2.3为了得到新的控制量ui(t,k),首先对控制量ui(t,k-1)作用为被控对象,再根据已经得出的更新律ri(t,k),依次做循环求解即可;
步骤3、针对步骤1.2的新型二维系统预测模型(10),找出系统鲁棒指数稳定的充分条件和设计切换律,具体是:
3.1对于不同阶段设计切换信号为η(t,k),并针对i阶段预测模型,设:
Figure FDA0003457613890000053
其中,
Figure FDA0003457613890000054
可以得到每一个阶段i的切换系统为:
Figure FDA0003457613890000055
3.2为了判定系统(18)的稳定性,对于第i个子系统,利用下列的李雅普诺夫函数:Vi(zi(t,k))=ziT(t,k)Pi(t,k)zi(t,k);Pi(t,k),i∈N,N:={1,2,L,N}是依赖于驻留时间τi的矩阵;取泛函:
Figure FDA0003457613890000056
其中,
Figure FDA0003457613890000057
代表T方向的变量,
Figure FDA0003457613890000058
代表K方向的变量;
Figure FDA0003457613890000061
根据第i阶段的切换系统(18)和李雅普诺夫函数式子(19)可得:
Figure FDA0003457613890000062
其中,
Figure FDA0003457613890000063
若切换系统稳定,则必定有△Vi<0,其等价于:
Figure FDA0003457613890000064
3.3根据切换信号,设计切换点:
初始批次和末尾批次分别表示为kl-f+1和kl,再把时间间隔为[w,F]的切换信号下的切换次数表示为Nη(w,F),得到如下形式:
Figure FDA0003457613890000065
其中,
Figure FDA0003457613890000066
Figure FDA0003457613890000067
的意义相同,均表示前一个阶段的末尾时刻和下一个阶段的初始时刻;
结合步骤2.2,求解不等式(22),便可求出不同阶段的
Figure FDA0003457613890000071
CN201811345397.2A 2018-11-13 2018-11-13 基于2d模型多阶段间歇过程受限预测混杂容错控制方法 Active CN109541940B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811345397.2A CN109541940B (zh) 2018-11-13 2018-11-13 基于2d模型多阶段间歇过程受限预测混杂容错控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811345397.2A CN109541940B (zh) 2018-11-13 2018-11-13 基于2d模型多阶段间歇过程受限预测混杂容错控制方法

Publications (2)

Publication Number Publication Date
CN109541940A CN109541940A (zh) 2019-03-29
CN109541940B true CN109541940B (zh) 2022-03-29

Family

ID=65846925

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811345397.2A Active CN109541940B (zh) 2018-11-13 2018-11-13 基于2d模型多阶段间歇过程受限预测混杂容错控制方法

Country Status (1)

Country Link
CN (1) CN109541940B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109991853B (zh) * 2019-04-23 2022-01-25 海南师范大学 多阶段间歇过程2d输入输出约束跟踪控制方法
CN110412873A (zh) * 2019-07-25 2019-11-05 辽宁石油化工大学 基于终端约束的时滞间歇过程2d迭代学习预测控制方法
CN110568763B (zh) * 2019-10-11 2022-03-29 海南师范大学 一种抗间歇过程扰动及时滞的模型预测h∞容错控制方法
CN111505937A (zh) * 2020-03-04 2020-08-07 海南师范大学 一种多模态下的工业过程改进模型预测容错控制方法
CN113110317B (zh) * 2021-03-31 2024-04-26 沈阳工业大学 混杂模型工业过程约束鲁棒预测控制综合优化设计方法
CN113515106A (zh) * 2021-04-22 2021-10-19 沈阳工业大学 一种工业过程多维容错预测控制方法
CN115016969B (zh) * 2022-06-06 2023-07-25 广东大舜汽车科技有限公司 一种汽车电子系统修复方法和装置

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009282791A (ja) * 2008-05-22 2009-12-03 Nomura Research Institute Ltd 耐障害業務情報システム
CN101872182A (zh) * 2010-05-21 2010-10-27 杭州电子科技大学 一种基于递推非线性部分最小二乘的间歇过程监控方法
WO2013063278A1 (en) * 2011-10-25 2013-05-02 Purdue Research Foundation Thermography for battery component quality assurance
CN103529702A (zh) * 2013-09-18 2014-01-22 杭州电子科技大学 批次过程的预测函数容错控制方法
CN104317269A (zh) * 2014-10-30 2015-01-28 清华大学 一种基于2d理论的综合预测迭代学习控制方法
CN104460319A (zh) * 2014-10-20 2015-03-25 南京工业大学 多批次间歇反应过程二维多模型预测迭代学习控制方法
CN104932263A (zh) * 2015-06-03 2015-09-23 辽宁石油化工大学 一种多阶段间歇过程的最小运行时间控制方法
CN104156767B (zh) * 2014-06-20 2017-06-06 杭州电子科技大学 遗传算法优化的批次过程的线性二次容错控制方法
CN107831662A (zh) * 2017-11-13 2018-03-23 辽宁石油化工大学 针对存在执行器故障的间歇过程随机2d控制器设计方法
CN107942667A (zh) * 2017-11-29 2018-04-20 辽宁石油化工大学 基于时变时滞和干扰的注塑过程混杂2d跟踪控制方法
CN107966902A (zh) * 2017-11-27 2018-04-27 辽宁石油化工大学 一种不确定性间歇过程的约束2d跟踪控制方法
CN107976942A (zh) * 2017-11-22 2018-05-01 海南师范大学 无穷时域优化的间歇过程2d约束容错控制方法
CN108073077A (zh) * 2017-12-25 2018-05-25 海南师范大学 批次过程无穷时域优化的线性二次混杂容错控制方法
CN108227494A (zh) * 2018-01-05 2018-06-29 海南师范大学 非线性批次过程2d最优约束模糊容错控制方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9487600B2 (en) * 2010-08-17 2016-11-08 Uchicago Argonne, Llc Ordered nanoscale domains by infiltration of block copolymers

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009282791A (ja) * 2008-05-22 2009-12-03 Nomura Research Institute Ltd 耐障害業務情報システム
CN101872182A (zh) * 2010-05-21 2010-10-27 杭州电子科技大学 一种基于递推非线性部分最小二乘的间歇过程监控方法
WO2013063278A1 (en) * 2011-10-25 2013-05-02 Purdue Research Foundation Thermography for battery component quality assurance
CN103529702A (zh) * 2013-09-18 2014-01-22 杭州电子科技大学 批次过程的预测函数容错控制方法
CN104156767B (zh) * 2014-06-20 2017-06-06 杭州电子科技大学 遗传算法优化的批次过程的线性二次容错控制方法
CN104460319A (zh) * 2014-10-20 2015-03-25 南京工业大学 多批次间歇反应过程二维多模型预测迭代学习控制方法
CN104317269A (zh) * 2014-10-30 2015-01-28 清华大学 一种基于2d理论的综合预测迭代学习控制方法
CN104932263A (zh) * 2015-06-03 2015-09-23 辽宁石油化工大学 一种多阶段间歇过程的最小运行时间控制方法
CN107831662A (zh) * 2017-11-13 2018-03-23 辽宁石油化工大学 针对存在执行器故障的间歇过程随机2d控制器设计方法
CN107976942A (zh) * 2017-11-22 2018-05-01 海南师范大学 无穷时域优化的间歇过程2d约束容错控制方法
CN107966902A (zh) * 2017-11-27 2018-04-27 辽宁石油化工大学 一种不确定性间歇过程的约束2d跟踪控制方法
CN107942667A (zh) * 2017-11-29 2018-04-20 辽宁石油化工大学 基于时变时滞和干扰的注塑过程混杂2d跟踪控制方法
CN108073077A (zh) * 2017-12-25 2018-05-25 海南师范大学 批次过程无穷时域优化的线性二次混杂容错控制方法
CN108227494A (zh) * 2018-01-05 2018-06-29 海南师范大学 非线性批次过程2d最优约束模糊容错控制方法

Non-Patent Citations (8)

* Cited by examiner, † Cited by third party
Title
Delay-range-dependent robust 2D iterative learning control for batch processes with state delay and uncertainties;LiminWang etal.;《Journal of Process Control》;20131231;第715-730页 *
HYBRID ITERATIVE LEARNING FAULT-TOLERANT GUARANTEED COST CONTROL DESIGN FOR MULTI-PHASEBATCH PROCESSES;LiminWang etal.;《10th Chinese National Conference on Fault Detection, Supervision and Safety for Technical Processes (SAFEPROCESS) of Chinese-Association-of-Automation (CAA)》;20180228;第521-530页 *
Li Jia ; Chao Han ; Min-sen Chiu.Dynamic R-parameter based integrated model predictive iterative learning control for batch processes.《Journal of Process Control》.2017, *
Limin Wang ; Fanfan Liu ; Jingxian Yu ; Ping Li ; Ridong Zhang ; Furo.Iterative learning fault-tolerant control for injection molding processes against actuator faults.《Journal of Process Control》.2017, *
Time Sequential Phase Partition and Modeling Method for Fault Detection of Batch Processes;A. XIAOFENG YE , B. PEILIANG WANG1, AND C. ZEYU YANG;《IEEE Access》;20180228;第1249-1260页 *
Yiteng Shen ; Limin Wang ; Jingxian Yu ; Ridong Zhang ; Furong Gao.A hybrid 2D fault-tolerant controller design for multi-phase batch processes with time delay.《Journal of Process Control》.2018, *
执行器故障多率采样间歇过程的鲁棒耗散迭代学习容错控制;陶洪峰等;《控制理论与应用》;20160331;第329-335页 *
间歇过程复合迭代学习容错保性能控制器设计;王立敏等;《上海交通大学学报》;20150630;第743-750页 *

Also Published As

Publication number Publication date
CN109541940A (zh) 2019-03-29

Similar Documents

Publication Publication Date Title
CN109541940B (zh) 基于2d模型多阶段间歇过程受限预测混杂容错控制方法
CN109212971B (zh) 多阶段间歇过程2d线性二次跟踪容错控制方法
CN107966902B (zh) 一种不确定性间歇过程的约束2d跟踪控制方法
CN108227494B (zh) 非线性批次过程2d最优约束模糊容错控制方法
CN107976942B (zh) 无穷时域优化的间歇过程2d约束容错控制方法
CN111123871B (zh) 针对化工过程遗传算法优化的预测函数控制方法
CN110488759B (zh) 一种基于Actor-Critic算法的数控机床进给控制补偿方法
US10739758B2 (en) Model-free online recursive optimization method for batch process based on variable period decomposition
CN108227483A (zh) 海洋运载器用pd型紧格式无模型自适应航速控制方法
CN110568763B (zh) 一种抗间歇过程扰动及时滞的模型预测h∞容错控制方法
CN109407512B (zh) 依赖时滞的间歇过程2d输入输出约束控制方法
CN108073077B (zh) 批次过程无穷时域优化的线性二次混杂容错控制方法
CN109991853B (zh) 多阶段间歇过程2d输入输出约束跟踪控制方法
Ruan et al. Trajectory optimization and positioning control for batch process using learning control
CN110579970A (zh) 一种2d滚动优化下间歇过程终端约束预测控制方法
CN108614431B (zh) 一种基于夹角的Hammerstein-Wiener系统多模型分解及控制方法
CN110597055B (zh) 抗不确定性的2d分段仿射间歇过程最小-最大优化的预测控制方法
CN114722693A (zh) 一种水轮机调节系统二型模糊控制参数的优化方法
Xue et al. Latent variable point-to-point iterative learning model predictive control via reference trajectory updating
CN114200834A (zh) 丢包环境下批次过程无模型离轨策略最优跟踪控制方法
CN102410138A (zh) 一种获取风力发电机组最优控制输入的方法
CN104111605B (zh) 单输入单输出非自衡生产过程的控制器及控制方法
CN112180738A (zh) 针对非线性注塑成型异步切换过程鲁棒模糊预测控制方法
CN109212972B (zh) 间歇过程的受限滚动时域混杂2d跟踪控制方法
CN104022701A (zh) 一种永磁同步直线电机牛顿法内模速度控制方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant