CN110489891A - 一种基于多胞空间滤波的工业过程时变参数估计方法 - Google Patents
一种基于多胞空间滤波的工业过程时变参数估计方法 Download PDFInfo
- Publication number
- CN110489891A CN110489891A CN201910784621.6A CN201910784621A CN110489891A CN 110489891 A CN110489891 A CN 110489891A CN 201910784621 A CN201910784621 A CN 201910784621A CN 110489891 A CN110489891 A CN 110489891A
- Authority
- CN
- China
- Prior art keywords
- time
- parameter
- indicate
- varying
- spreading coefficient
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
- G06F17/13—Differential equations
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于多胞空间滤波的工业过程时变参数估计方法，包括获取连续搅拌釜式反应器(CSTR)时变参数模型结构，通过线性规划求得最优扩展系数，利用扩展系数扩展时变参数可行域正多胞体大小，使得多胞空间中正多胞体在扩展之后包含变化后的参数值。在求得最优扩展系数之后，利用扩展系数动态更新时变参数约束条件，并通过求解有限个数线性规划条件得到时变参数上下界，并通过上下界得到包含时变参数的参数可行域。解决了利用现有方法对系统参数估计时精度不高、实时性差的问题，达到了降低计算量，提高参数估计的精度的准确性的效果。
Description
技术领域
本发明涉及参数估计方法技术领域，尤其是一种基于多胞空间滤波的工业过程时变参数估计方法。
背景技术
化工生产过程是指通过化学(生物)反应及反应器，对原料进行化学加工，最终获得有价值产品的工业生产过程。由于原料、产品的多样性及生产过程的复杂性，形成了数以万计的化工生产工艺。在化工生产过程中，存在很多因素或参数例如噪声的影响，要得到合格的产品通常需要控制不同的参数进行变化，所以化工生产过程往往是一个变参数系统。有效估计变参数系统中的参数问题，可以使化工系统稳定运行，且可以为后期故障诊断提供有力依据。传统的系统参数估计认为噪声是服从已知或可参数化的概率分布的随机变量，在此基础上得出唯一的参数估计值，然而实际系统比较复杂，受环境变化的因素，传统的时变参数估计方法准确性不高、实时性、计算量大等问题。
发明内容
本申请人针对上述现有生产技术中的缺点，提供一种基于多胞空间滤波的工业过程时变参数估计方法，从而解决传统时变参数估计方法准确性不高、实时性、计算量大等问题。
本发明所采用的技术方案如下：
一种基于多胞空间滤波的工业过程时变参数估计方法，用正多胞体包裹参数的可行域，通过时不变参数约束条件构造扩展系数方程，并求解扩展系数最优解，选择所有扩展系数的最大值作为最终扩展系数，利用扩展系数构造时变参数约束条件，求解参数满足约束条件的线性规划方程得到每个参数的最大最小值，具体步骤包括：
步骤一：将连续搅拌釜式反应器模型转化成最终估计参数的时变参数模型：
(1+a1(hk)z-1+a2(hk)z-2)yk＝(b1(hk)z-1+b2(hk)z-2)uk+ek，
并标准化为：
步骤二：在预定时间范围内，利用所述时变参数模型结构，实际运行情况下得到输入数据和输出数据，输入数据u是反应器的进料流量，输出数据y是反应器输出反应物浓度；
步骤三：每一时刻，通过输入数据和输出数据，构造扩展系数方程，求解扩展系数最优解，选择预定时间范围内，扩展系数最大值作为最终扩展系数；
步骤四：通过扩展系数构造时变参数约束条件；
步骤五：求解时变参数满足约束条件下的最大最小值，作为时变参数的最大最小值。
步骤六：根据每个参数的最大最小值，得到每个参数的中心估计值。
本发明的有益效果如下：
本发明通过获取连续搅拌釜式反应器非线性微分方程，得到最终估计时变参数模型，利用不变参数约束条件构造扩展系数方程，求解每一步扩展系数满足方程下的最大值，选择预定时间扩展系数的最大值作为最终扩展系数，在利用扩展系数构造时变参数约束条件，在扩展系数下约束条件约束的参数可行集变大以包含变化后的参数，求解时变参数在约束条件下的最大值最小值，得到该估计参数的估计值。
线性规划在研究线性约束条件下，线性目标函数的极值问题的准确性使得在准确构造约束条件后提高时变参数估计准确性。在估计每个参数时只需求解两次线性规划，全部参数求解之后就可以构造出正多胞体，不同于多面体要求解顶点，且顶点数量未知，减少计算量，耗时也更短。
解决了传统的参数估计方法准确性不高、效率低的问题；解决了其他方法计算量大、耗时长的问题；得到了提高对连续搅拌釜式反应器的参数进行估计的准确性和效率，为后续故障诊断提供了保障的效果。
附图说明
图1为本发明的时变参数估计方法的流程图。
具体实施方式
下面结合附图，说明本发明的具体实施方式。
如图1所示，为本发明一个实施例提供的基于多胞空间滤波的工业过程时变参数估计方法，包括以下步骤：
步骤1：获取连续搅拌釜式反应器基于质量和热量守恒推导下的连续时间非线性微分方程。
连续搅拌釜式反应器非线性动态过程：
其中，CA表示输出化合物浓度，q(t)表示进料流量，CA0表示进料浓度，T(t)表示反应器温度，T0表示进料温度，qc(t)为冷却水流量，Cp、Cpc表示质量定压热容，ρc、ρ表示液体密度，ΔH表示反应热，E/R表示反应激活能，k0表示反应速率常数，hA表示热交换系数，V表示反应器容积，表示冷却水温度。
选择输出反应物浓度和进料流量分别为输出y和输入u，由于冷却水流量对系统动态行为有重要影响，因此选择它为调度变量hk，调度变量hk随时间变化而变化。假设进料管道长度很短，且没有时间滞后，最终得到连续搅拌釜式反应器估计的一个时变参数模型：
(1+a1(hk)z-1+a2(hk)z-2)yk＝(b1(hk)z-1+b2(hk)z-2)uk+ek (3)
a1(hk)、a2(hk)、b1(hk)、b2(hk)均是hk的多项式，z是拉普拉斯变换系数，ek表示未知但有界的噪声序列，ek∈[-σ σ]，-σ为已知的噪声下界，σ为已知的噪声上界，写成标准形式：
其中
θ(k)＝[a1(hk) a2(hk) b1(hk) b2(hk)]T。
其中，是观测向量，y(k-1)是k-1时刻输出值，u(k-1)是k-1时刻输入值，θ(k)是待辨识参数向量；
步骤2：在预定时间范围内，利用步骤1得到的时变参数模型，实际运行情况下得到输入数据和输出数据；
步骤3：A0θ≤b0是k＝1时刻初始多胞空间约束条件，根据输入数据和输出数据可以得到标准化方程中和y(k)，从而构造扩展系数方程：
其中，γ表示扩展系数，A0θ≤b0表示初始参数可行集约束条件，
步骤4：根据公式(5)得到扩展系数约束条件，
其中，x＝(θT,γ)T，求解每一时刻扩展系数在约束条件下的最优解
其中，f＝(0 … 0 1)，长度为nθ+1，nθ为待辨识参数维数。选择预定时间内最大扩展系数作为最终扩展系数γ。
步骤5：利用扩展系数构造时变参数约束条件
其中ak；i是矩阵Ak的第i行，Δbk-1；i是Δbk-1的第i个值，nAk是1到k-1时刻扩展情况下Ak的行数，1≤i≤nAk。
步骤6：求解时变参数在时变参数约束条件下每个参数的最大最小值
其中ej表示维数为nθ的单位阵的第j列，1≤j≤nθ，v(k)是2nθ维行向量，前nθ元素存储每个参数的估计最大值，后nθ元素存储每个参数的估计最小值。
步骤7：求解第k时刻每个参数的中心估计值
需要说明的是：上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上描述是对本发明的解释，不是对发明的限定，本发明所限定的范围参见权利要求，在本发明的保护范围之内，可以作任何形式的修改。
Claims (4)
1.一种基于多胞空间滤波的工业过程时变参数估计方法，其特征在于：所述方法包括：
步骤一：获取连续搅拌釜式反应器的连续时间非线性动态模型，所述非线性动态模型如下：
其中，CA表示输出化合物浓度，T(t)表示反应器温度，q(t)表示进料流量，qc(t)为冷却水流量，CA0表示进料浓度，T0表示进料温度，Cp、Cpc表示质量定压热容，ρc、ρ表示液体密度，ΔH表示反应热，E/R表示反应激活能，k0表示反应速率常数，hA表示热交换系数，V表示反应器容积，表示冷却水温度；
根据随机的输入数据序列得到随机的输入数据序列，选择输入数据为进料流量u，输出数据为反应物浓度y，选择冷却水流量为调度变量hk，调度变量hk随时间变化而变化；
根据输入数据序列和输出数据序列构造所述连续搅拌釜式反应器的信息向量，采用零阶保持器z变换方法，得到连续搅拌釜式反应器估计的一个时变参数模型：
(1+a1(hk)z-1+a2(hk)z-2)yk＝(b1(hk)z-1+b2(hk)z-2)uk+ek，
标准化为：
其中，hk为调度变量，a1(hk)、a2(hk)、b1(hk)、b2(hk)均是hk的多项式，a1(hk)、a2(hk)为输出变量多项式,b1(hk)、b2(hk)输入变量多项式,z是拉普拉斯变换系数，ek表示未知但有界的噪声序列，ek∈[-σ σ]，-σ为已知的噪声下界，σ为已知的噪声上界；
步骤二：在预定时间范围内，利用所述时变参数模型，在实际运行情况下得到输入数据和输出数据，输入数据u是反应器的进料流量，输出数据y是反应器输出反应物浓度；
步骤三：每一时刻，通过输入数据和输出数据，构造扩展系数方程，求解扩展系数最优解，选择预定时间范围内，扩展系数最大值作为最终扩展系数；
步骤四：通过扩展系数构造时变参数约束条件；
步骤五：求解时变参数满足约束条件下的最大最小值，作为时变参数的最大最小值。
步骤六：根据每个参数的最大最小值，得到每个参数的中心估计值。
2.如权利要求1所述的基于多胞空间滤波的工业过程时变参数估计方法，其特征在于：通过输入数据和输出数据构造扩展系数方程，扩展系数方程为：
其中，扩展系数用γ表示，
A0θ≤b0是初始包裹参数正多胞体，σ是噪声e(k)上界，x＝(θT,γ)T，求得所有k时刻扩展系数最优解并选取最大值。
3.根据权利要求2所述的基于多胞空间滤波的工业过程时变参数估计方法，其特征在于：利用扩展系数构造时变参数下正多胞体约束条件：
其中，
ak；i是矩阵Ak的第i行，Δbk-1；i是Δbk-1的第i个值，nAk是1到k-1时刻扩展情况下Ak的行数，1≤i≤nAk。
4.根据权利要求3所述的基于多胞空间滤波的工业过程时变参数估计方法，其特征在于：通过线性规划，求解每个时变参数满足约束条件下的最大值和最小值，最大值和最小值的平均值作为最终参数的估计值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910784621.6A CN110489891B (zh) | 2019-08-23 | 2019-08-23 | 一种基于多胞空间滤波的工业过程时变参数估计方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910784621.6A CN110489891B (zh) | 2019-08-23 | 2019-08-23 | 一种基于多胞空间滤波的工业过程时变参数估计方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110489891A true CN110489891A (zh) | 2019-11-22 |
| CN110489891B CN110489891B (zh) | 2020-11-17 |
Family
ID=68553311
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910784621.6A Active CN110489891B (zh) | 2019-08-23 | 2019-08-23 | 一种基于多胞空间滤波的工业过程时变参数估计方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110489891B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110957011A (zh) * | 2019-11-25 | 2020-04-03 | 江南大学 | 连续搅拌反应器在未知时变测量噪声下的在线生产参数估计方法 |
| CN111324852A (zh) * | 2020-03-06 | 2020-06-23 | 常熟理工学院 | 基于状态滤波和参数估计的cstr反应器时延系统的方法 |
| CN111597647A (zh) * | 2020-04-09 | 2020-08-28 | 江南大学 | 一种面向工业生产过程的弹簧阻尼系统滤波故障诊断方法 |
| CN111753378A (zh) * | 2020-04-30 | 2020-10-09 | 江苏高科石化股份有限公司 | 一种石化生产中质量阻尼器控制管道振动的多胞体滤波方法 |
| CN111765889A (zh) * | 2020-04-30 | 2020-10-13 | 江苏高科石化股份有限公司 | 一种生产车间移动机器人基于多胞-椭球双滤波的位姿定位方法 |
| CN112149886A (zh) * | 2020-09-07 | 2020-12-29 | 江南大学 | 一种基于多维空间滤波的四容水箱系统状态估计方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102944241A (zh) * | 2012-11-15 | 2013-02-27 | 北京理工大学 | 基于多胞型线性微分包含的航天器相对姿态确定方法 |
| CN105893654A (zh) * | 2016-03-11 | 2016-08-24 | 中南大学 | 一种一阶连续搅拌釜式反应器的鲁棒预测控制方法 |
| US20160292413A1 (en) * | 2015-03-30 | 2016-10-06 | At&T Intellectual Property I, L.P. | Time-varying passwords for user authentication |
| CN106021724A (zh) * | 2016-05-20 | 2016-10-12 | 江南大学 | 基于ahm及熵值法的机床产品制造系统的能效评价方法 |
| CN107844627A (zh) * | 2017-09-25 | 2018-03-27 | 北京理工大学 | 一种仅输出时变结构模态参数贝叶斯估计方法 |
| CN109684704A (zh) * | 2018-12-18 | 2019-04-26 | 吉林大学 | 一种基于速度密度模型的发动机进气流量在线标定方法 |
| CN110083992A (zh) * | 2019-05-29 | 2019-08-02 | 江南大学 | 一种基于多新息递推最小二乘的Boost变换器故障诊断方法 |
-
2019
- 2019-08-23 CN CN201910784621.6A patent/CN110489891B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102944241A (zh) * | 2012-11-15 | 2013-02-27 | 北京理工大学 | 基于多胞型线性微分包含的航天器相对姿态确定方法 |
| US20160292413A1 (en) * | 2015-03-30 | 2016-10-06 | At&T Intellectual Property I, L.P. | Time-varying passwords for user authentication |
| CN105893654A (zh) * | 2016-03-11 | 2016-08-24 | 中南大学 | 一种一阶连续搅拌釜式反应器的鲁棒预测控制方法 |
| CN106021724A (zh) * | 2016-05-20 | 2016-10-12 | 江南大学 | 基于ahm及熵值法的机床产品制造系统的能效评价方法 |
| CN107844627A (zh) * | 2017-09-25 | 2018-03-27 | 北京理工大学 | 一种仅输出时变结构模态参数贝叶斯估计方法 |
| CN109684704A (zh) * | 2018-12-18 | 2019-04-26 | 吉林大学 | 一种基于速度密度模型的发动机进气流量在线标定方法 |
| CN110083992A (zh) * | 2019-05-29 | 2019-08-02 | 江南大学 | 一种基于多新息递推最小二乘的Boost变换器故障诊断方法 |
Non-Patent Citations (2)
| Title |
|---|
| MARCO CASINI等: "A constraint selection technique for set membership estimation of time-varying parameter", 《PROCEEDINGS OF 53RD IEEE CONFERENCE ON DECISION AND CONTROL》 * |
| 张承慧: "一种工业过程时变参数估计新算法--修正目标函数法", 《中国工程科学》 * |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110957011A (zh) * | 2019-11-25 | 2020-04-03 | 江南大学 | 连续搅拌反应器在未知时变测量噪声下的在线生产参数估计方法 |
| CN110957011B (zh) * | 2019-11-25 | 2023-03-17 | 江南大学 | 连续搅拌反应器在未知时变测量噪声下的在线生产参数估计方法 |
| CN111324852A (zh) * | 2020-03-06 | 2020-06-23 | 常熟理工学院 | 基于状态滤波和参数估计的cstr反应器时延系统的方法 |
| CN111324852B (zh) * | 2020-03-06 | 2020-11-24 | 常熟理工学院 | 基于状态滤波和参数估计的cstr反应器时延系统的方法 |
| CN111597647A (zh) * | 2020-04-09 | 2020-08-28 | 江南大学 | 一种面向工业生产过程的弹簧阻尼系统滤波故障诊断方法 |
| CN111597647B (zh) * | 2020-04-09 | 2023-04-25 | 江南大学 | 一种面向工业生产过程的弹簧阻尼系统滤波故障诊断方法 |
| CN111753378A (zh) * | 2020-04-30 | 2020-10-09 | 江苏高科石化股份有限公司 | 一种石化生产中质量阻尼器控制管道振动的多胞体滤波方法 |
| CN111765889A (zh) * | 2020-04-30 | 2020-10-13 | 江苏高科石化股份有限公司 | 一种生产车间移动机器人基于多胞-椭球双滤波的位姿定位方法 |
| CN111765889B (zh) * | 2020-04-30 | 2024-04-16 | 江苏高科石化股份有限公司 | 一种生产车间移动机器人基于多胞-椭球双滤波的位姿定位方法 |
| CN112149886A (zh) * | 2020-09-07 | 2020-12-29 | 江南大学 | 一种基于多维空间滤波的四容水箱系统状态估计方法 |
| CN112149886B (zh) * | 2020-09-07 | 2023-10-31 | 江南大学 | 一种基于多维空间滤波的四容水箱系统状态估计方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110489891B (zh) | 2020-11-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110489891A (zh) | 一种基于多胞空间滤波的工业过程时变参数估计方法 | |
| CN103440368B (zh) | 一种多模型动态软测量建模方法 | |
| CN104536294B (zh) | 基于连续搅拌反应釜的多目标分层预测控制方法 | |
| CN106202675A (zh) | 预测钛合金等温成形与动态再结晶演化耦合响应的方法 | |
| CN105807632A (zh) | 一种基于改进大林算法的加热炉温度控制器设计方法 | |
| Asadulagi et al. | Stochastic control system of hydrodynamic processes in aquifers | |
| CN106933105A (zh) | 受限条件下的轨迹更新综合预测迭代学习控制算法 | |
| Siraj et al. | Risk management in oil reservoir water-flooding under economic uncertainty | |
| Yang et al. | Deep reinforcement learning-based irrigation scheduling | |
| Rizvi et al. | A kernel-based approach to MIMO LPV state-space identification and application to a nonlinear process system | |
| Wang et al. | Identification-based optimization of dynamical systems under uncertainty | |
| Rezapour et al. | Reservoir waterflooding system identification and model validation with injection/production rate fluctuations | |
| CN108009362B (zh) | 一种基于稳定性约束rbf-arx模型的系统建模方法 | |
| CN110942208B (zh) | 一种碳化硅泡沫陶瓷的最优生产条件确定方法 | |
| CN105487515A (zh) | 一种连续搅拌釜式反应过程工艺设计与控制的集成优化方法 | |
| CN113591259B (zh) | 一种供热管道动态等值建模方法 | |
| Gockenbach et al. | Newton’s law of heating and the heat equation | |
| Chen et al. | Nonparametric identification of batch process using two-dimensional kernel-based Gaussian process regression | |
| Wellenreuther et al. | Multi-loop controller design for a heat exchanger | |
| Tóth et al. | Identification of nonlinear process models in an LPV framework | |
| Savage et al. | Machine Learning-Assisted Discovery of Novel Reactor Designs via CFD-Coupled Multi-fidelity Bayesian Optimisation | |
| Tang et al. | Dissipativity learning control through estimation from online trajectories | |
| Chu et al. | A dual modifier adaptation optimization strategy based on process transfer model for new batch process | |
| Li et al. | Parameter estimation of multiple‐input single‐output Hammerstein controlled autoregressive system based on improved adaptive moment estimation algorithm | |
| Besselmann et al. | Explicit LPV-MPC with bounded rate of parameter variation |
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 |