CN110568763B - 一种抗间歇过程扰动及时滞的模型预测h∞容错控制方法 - Google Patents
一种抗间歇过程扰动及时滞的模型预测h∞容错控制方法 Download PDFInfo
- Publication number
- CN110568763B CN110568763B CN201910962966.6A CN201910962966A CN110568763B CN 110568763 B CN110568763 B CN 110568763B CN 201910962966 A CN201910962966 A CN 201910962966A CN 110568763 B CN110568763 B CN 110568763B
- Authority
- CN
- China
- Prior art keywords
- model
- time
- switching
- state
- time lag
- 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
Links
Images
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)
- Feedback Control In General (AREA)
Abstract
本发明提供一种抗间歇过程扰动及时滞的模型预测H∞容错控制方法,属于工业过程的先进控制领域,包括以下步骤:步骤一:建立在时滞及执行器故障双重影响下的多阶段间歇过程模型,并构建新型扩维等价预测控制模型;步骤二:设计模型预测容错控制器及切换律;求取K值。本发明的有益效果为:本发明主要针对具有区间时滞,执行器故障的多阶段间歇过程,尤其针对干扰在批次上信息不能很好重复时,提出了一种区间时滞相关的多阶段间歇过程H∞模型新型预测容错控制策略,所采用的方法具有设计简单、行之有效的特点,很好的解决了系统不匹配干扰所带来的控制性能影响,实现了很好的跟踪。
Description
技术领域
本发明属于工业过程的先进控制领域,本发明是针对具有区间时滞,执行器故障的多阶段间歇过程,提出了一种抗间歇过程扰动及时滞的模型预测H∞容错控制方法。
背景技术
工业生产过程主要分为连续生产过程和间歇生产过程。由于工业生产模式逐渐呈现出小规模、多品种、高附加值、技术密集等特点,间歇生产技术逐渐引起人们的关注并已经在多个领域起着越来越重要的作用。虽然,目前已有大量关于间歇过程的研究,但在现代工业加工的高精控制方面仍然是一个挑战。
近年来,容错控制方面的研究取得了不少的成果。例如:部分研究人员将存在未知干扰和执行器故障的间歇生产过程转化为二维(2D)模型,并设计控制器保证系统沿时间和周期方向上闭环收敛;以飞行器系统为背景,对执行器故障,模型不匹配以及系统参数扰动提出了新的控制方法使系统仍保持较好的控制性能;但如何在出现部分执行器失效故障和时滞的环境下维持系统的稳定性和保证系统性能仍是亟须解决的问题。
间歇过程的控制问题现行的首选方法为基于生产过程重复性的二维迭代控制学习方法,但由于该方法采用同一控制律,当系统输出已与设定值产生了一定的偏离时(执行器故障变得严重或存在外界扰动),随时间增加,偏离会不断增大,基于这样的需求,模型预测控制(model predictive control,MPC)得以广泛的应用到更多的控制系统当中;另一方面,考虑到间歇过程是缓慢时变的过程,因而没有完美重复性,即迭代控制方法中的信息不完全相匹配,面对控制过程中存在不确定项和外界扰动的情况,MPC的稳定性将会受到负面影响;并且上述关于间歇过程的研究,大多是针对单阶段过程的,而多阶段比单阶段过程更复杂,研究成果也显得相对匮乏,现有技术如:切换系统模型研究多阶段间歇生产过程,通过线性矩阵不等式研究多阶段过程等等,大多未考虑时滞的问题,以及实际工业生产过程的非线性以及外部干扰等因素,因此,现研究成果无法完全满足市场需求。有时滞和故障的双重影响下,信息又不重复的时候,寻找新的控制方法,来达到其良好的跟踪性能就至关重要。
发明内容
为解决上述问题,本发明针对多阶段间歇过程,设计一种模型预测H∞容错控制方法,以抑制系统所具有的干扰和时滞所带来的影响,保证系统的抗干扰性和控制性能。
本发明所采用的方法不再是2D迭代学习模型预测容错控制,直接利用一维新型控制方法,设计相应的控制律及切换律。具有设计简单、行之有效的特点,很好的解决了系统不匹配干扰所带来的控制性能影响,实现了很好的跟踪。
本发明的技术方案是利用模型预测容错控制方法,设计一类依赖于时滞的控制器,以确保系统渐近稳定,并具有最优的控制性能。
本发明是通过以下技术方案实现的:
一种抗间歇过程扰动及时滞的模型预测H∞容错控制方法,包括以下步骤:
步骤一:建立在时滞及执行器故障双重影响下的多阶段间歇过程模型,并构建新型扩维等价预测控制模型;
1.1模型的建立
针对间歇过程多阶段特有的特性,在有故障和时滞的双重影响下给出切换系统模型,考虑如下带有不确定参数扰动和区间时滞的离散故障切换系统:
其中,k为有限的离散时间,x(k)为系统状态,y(k)为系统输出,uF(k)为故障情况下的系统控制输入,w(k)为外部未知扰动,为依赖时间或状态的分段常值切换信号,σ(k)=i表示第i个系统被激活,为具有适当维度的第i个子系统的系数矩阵,为未知参数的摄动矩阵且满足Di,Ei为适维度的已知实矩阵,Fi(k)为满足Fi(k)FiT(k)=I的未知矩阵;区间时滞d(k)满足:
dm≤d(k)≤dM
其中,dm与dM分别为区间时滞的上下界;
对于uF(k)可针对其不同的被激活的系统,表示如下:
uF(k)=αiui(k)
故有区间时滞和干扰且存在执行器故障的间歇过程可描述为:
1.2构建其新型预测控制模型
1.2.1构建新型的扩维误差模型
针对系统(2),引进误差模型,将其转化为等价模型,在此基础上设计新型控制器及切换律;思路如下:引进差分算子Δ,定义Δx(k+1)=x(k+1)-x(k),由模型(2)可得:
ei(k)=y(k)-yr(k) (4)
由式(3)和(4)得到:
同时引进新型状态:
得到第i个阶段带有扩展信息的扩维系统状态模型:
1.2.2构建新型预测控制系统
在模型(7)的基础上可以改变成为预测模型:
步骤二:设计模型预测容错控制器及切换律;
2.1设计控制器
设计状态反馈控制律为:
针对上述系统(10),设计优化性能指标:
满足条件:
2.2.1定义V函数
对于V函数,为了简化表达,引入以下记法:
利用Lyapunov稳定性定理证明系统的稳定性,定义Lyapunov函数为:
为保证系统的稳定性,需要以下李雅普诺夫不等式约束成立:
要使(15-17)成立,需下列不等式可解
同时,系统的输入输出条件要满足:
2.3切换律的设计
2.3.1构建状态转移矩阵及其切换序列
在实际生产过程中,相邻两个阶段的模型维数可能不同,当系统切换至下一个阶段时,可将转换形式描述为如下:
xi+1(Ti)=Jixi(Ti)
Gi(x(k))<0为系统状态相关的切换条件,对于多阶段的间歇过程,整个运行阶段的切换序列描述为:
在从第i个阶段切换到第i+1个阶段时,状态的转变可以描述为:
2.3.2平均驻留时间
首先对平均驻留时间进行定义:
对任意t>t0和任意切换信号σ(k),t0≤k<t,Ni(t0,t)表示第i个子系统在时间间隔(t0,t)的切换次数,称为第i个子系统在时间间隔(t0,t)上的总运行时间,若对任意给定的τi>0有如下式子成立:
则称τi>0为切换信号的平均驻留时间;平均驻留时间需要满足的条件为:当V函数满足Vi<μiVi-1,并且切换信号满足以下不等式:
2.4求取K值
根据步骤2.2-2.3就可以求取K值,即在Vi<μiVi-1条件下,函数V和切换信号均满足成立,设计状态反馈控制律为:
与现有技术相比,本发明的有益效果为:本发明主要针对具有区间时滞,执行器故障的多阶段间歇过程,尤其针对干扰在批次上信息不能很好重复时,提出了一种区间时滞相关的多阶段间歇过程H∞模型新型预测容错控制策略,所采用的方法具有设计简单、行之有效的特点,很好的解决了系统不匹配干扰所带来的控制性能影响,实现了很好的跟踪。
本发明同时解决了在出现部分执行器失效故障和时滞的环境下维持系统的稳定性和保证系统性能,使得在有时滞和故障的双重影响下,信息又不重复的时候,找到了新的控制方法,达到了其良好的跟踪性能。
附图说明
图1为输出增量对比图。
图2为输入增量对比图。
图3为输出量对比图。
图4为输入量对比图。
图5(a)为输出增量在有无时滞下的对比图,图5(b)为输出量在有无时滞下的对比图,图5(c)为输入增量在有无时滞下的对比图,图5(d)为输入量在有无时滞下的对比图。
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。
实施例:针对注塑成型过程的注塑阶段和保压阶段,系统在有时滞,干扰以及执行器故障的情况下,上述模型转化为相应的切换系统,利用预测容错控制原理对注塑段和保压段进行控制,定义注射段为第一阶段,保压段为第二阶段。
在注射段的注射速度IV和保压段的保压压力NP,对应得阀门开度VO的模型可描述为:
注射段的模腔压力NP和注射速度之间的模型为:NP(1-z-1)=0.1054z-1IV
而实际存在执行器故障的系统,在注射段的注射速度IV和保压段的保压压力NP,对应得阀门开度VO的模型可描述为:
其中注射段的注射速度IV的设定值为40mm/s;保压阶段强压力NP的设定值为300bar.在发生执行器故障下,注射阶段的状态空间模型为:
保压段的状态空间模型为:
其中δ(t,k)是[0,1]之间的随机变量,切换条件为G1(x(t,k))=350-[001]x1(t,k)<0,即一旦模腔压力大于350Pa,系统将从注射段切换到保压段。下面几幅图是在所设计的控制律下系统的输入输出图及比较图。
如图1,图2所示,该系统利用本发明提出的预测容错控制策略,系统输出更快地趋于稳定,运行时间,第一阶段的运行时间为94,而在传统控制策略下,系统第一阶段的运行时间为97,此外,在预测控制下,系统波动更小,输出y更快在第二阶段趋于稳定。
由图3,图4可以看出,在随机干扰的情况下,预测容错控制策略和传统控制策略均使系统在注射段快速趋于稳定,Δu在0附近小范围波动,但第94步,从输入图中看出,预测容错控制策略下的系统,更早,更平稳地进行了切换,且从输入增量的图中看出,Δu一直稳定在0。
此外,为分析时滞对系统稳定性的影响,针对有时滞和无时滞的系统,在本发明提出的预测容错控制策略下,分别得到如下对比图:其中,图5(a)为输出增量在有无时滞下的对比图,图5(b)为输出量在有无时滞下的对比图,图5(c)为输入增量在有无时滞下的对比图,图5(d)为输入量在有无时滞下的对比图;上述四个图表明,相较于无时滞的系统,存在时滞的系统在控制性能更差,在系统切换时,输出量,输入量的波动更大,但在预测控制策略下最终趋于稳定。
总体来说,本发明提出的预测容错控制策略可保证系统性能稳定。
Claims (1)
1.一种抗间歇过程扰动及时滞的模型预测H∞容错控制方法,其特征在于:包括以下步骤:
步骤一:建立在时滞及执行器故障双重影响下的多阶段间歇过程模型,并构建新型扩维等价预测控制模型;
1.1 模型的建立
针对间歇过程多阶段特有的特性,在有故障和时滞的双重影响下给出切换系统模型,考虑如下带有不确定参数扰动和区间时滞的离散故障切换系统:
其中,k为有限的离散时间,x(k)为系统状态,y(k)为系统输出,uF(k)为故障情况下的系统控制输入,w(k)为外部未知扰动,为依赖时间或状态的分段常值切换信号,σ(k)=i表示第i个系统被激活,Ai,Bi,Ci为具有适当维度的第i个子系统的系数矩阵,为未知参数的摄动矩阵且满足Di,Ei为适维度的已知实矩阵,Fi(k)为满足Fi(k)FiT(k)=I的未知矩阵;区间时滞d(k)满足:
dm≤d(k)≤dM
其中,dm与dM分别为区间时滞的上下界;
对于uF(k)可针对其不同的被激活的系统,表示如下:
uF(k)=αiui(k)
故有区间时滞和干扰且存在执行器故障的间歇过程可描述为:
1.2 构建新型预测控制模型
1.2.1 构建新型的扩维误差模型
针对式(2),引进误差模型,将其转化为等价模型,在此基础上设计新型控制器及切换律;思路如下:引进差分算子Δ,定义Δx(k+1)=x(k+1)-x(k),由式(2)可得:
ei(k)=y(k)-yr(k) (4)
由式(3)和(4)得到:
同时引进新型状态:
得到第i个阶段带有扩展信息的扩维系统状态模型:
1.2.2 构建新型预测控制系统
在模型(7)的基础上可以改变成为预测模型:
步骤二:设计模型预测容错控制器及切换律;
2.1 设计控制器
设计状态反馈控制律为:
针对上述系统(10),设计优化性能指标:
满足条件:
2.2.1 定义V函数
对于V函数,为了简化表达,引入以下记法:
利用Lyapunov稳定性定理证明系统的稳定性,定义Lyapunov函数为:
为保证系统的稳定性,需要以下李雅普诺夫不等式约束成立:
要使(15)-(17)成立,需下列不等式可解
同时,系统的输入输出条件要满足:
2.3 切换律的设计
2.3.1 构建状态转移矩阵及其切换序列
在实际生产过程中,相邻两个阶段的模型维数可能不同,当系统切换至下一个阶段时,可将转换形式描述为如下:
xi+1(Ti)=Jixi(Ti)
Ts i=min{t>Ts i-1|Gi(x(k))<0},Ts 0=0
Gi(x(k))<0为系统状态相关的切换条件,对于多阶段的间歇过程,整个运行阶段的切换序列描述为:
Σ={T1 1,σ(T1 1),T1 2,σ(T1 2),...,T1 p,σ(T1 p),
在从第i个阶段切换到第i+1个阶段时,状态的转变可以描述为:
2.3.2 平均驻留时间
首先对平均驻留时间进行定义:
对任意t>t0和任意切换信号σ(k),t0≤k<t,Ni(t0,t)表示第i个子系统在时间间隔(t0,t)的切换次数,称为第i个子系统在时间间隔(t0,t)上的总运行时间,若对任意给定的τi>0有如下式子成立:
则称τi>0为切换信号的平均驻留时间;平均驻留时间需要满足的条件为:当V函数满足Vi<μiVi-1,并且切换信号满足以下不等式:
2.4 求取K值
根据步骤2.2-2.3就可以求取K值,即在Vi<μiVi-1条件下,函数V和切换信号均满足成立,设计状态反馈控制律为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910962966.6A CN110568763B (zh) | 2019-10-11 | 2019-10-11 | 一种抗间歇过程扰动及时滞的模型预测h∞容错控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910962966.6A CN110568763B (zh) | 2019-10-11 | 2019-10-11 | 一种抗间歇过程扰动及时滞的模型预测h∞容错控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110568763A CN110568763A (zh) | 2019-12-13 |
CN110568763B true CN110568763B (zh) | 2022-03-29 |
Family
ID=68784443
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910962966.6A Active CN110568763B (zh) | 2019-10-11 | 2019-10-11 | 一种抗间歇过程扰动及时滞的模型预测h∞容错控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110568763B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111061155B (zh) * | 2020-01-13 | 2022-03-29 | 海南师范大学 | 一种基于遗传算法优化的间歇过程2d模型预测控制方法 |
CN111221313A (zh) * | 2020-02-28 | 2020-06-02 | 海南师范大学 | 一种工业过程扩展状态空间二次型容错跟踪控制方法 |
CN111506033B (zh) * | 2020-05-08 | 2023-03-28 | 辽宁石油化工大学 | 基于喷嘴压力的注塑机保压容错切换控制方法 |
CN112180899B (zh) * | 2020-09-30 | 2021-08-24 | 山东科技大学 | 一种间歇异常测量检测下系统的状态估计方法 |
CN117590745A (zh) * | 2023-11-14 | 2024-02-23 | 江南大学 | 一种非线性间歇过程的二维复合模糊迭代学习控制方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
CN109212971A (zh) * | 2018-10-11 | 2019-01-15 | 海南师范大学 | 多阶段间歇过程2d线性二次跟踪容错控制方法 |
CN109541940A (zh) * | 2018-11-13 | 2019-03-29 | 海南师范大学 | 基于2d模型多阶段间歇过程受限预测混杂容错控制方法 |
-
2019
- 2019-10-11 CN CN201910962966.6A patent/CN110568763B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
CN109212971A (zh) * | 2018-10-11 | 2019-01-15 | 海南师范大学 | 多阶段间歇过程2d线性二次跟踪容错控制方法 |
CN109541940A (zh) * | 2018-11-13 | 2019-03-29 | 海南师范大学 | 基于2d模型多阶段间歇过程受限预测混杂容错控制方法 |
Non-Patent Citations (1)
Title |
---|
2D Fuzzy Constrained Fault-Tolerant Predictive Control of Nonlinear Batch Processes;WEIPING LUO 等;《IEEE Access》;20190819;第7卷;第119259-119271页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110568763A (zh) | 2019-12-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN109212971B (zh) | 多阶段间歇过程2d线性二次跟踪容错控制方法 | |
CN107976942B (zh) | 无穷时域优化的间歇过程2d约束容错控制方法 | |
He et al. | Event-based robust sampled-data model predictive control: A non-monotonic Lyapunov function approach | |
CN110579970B (zh) | 一种2d滚动优化下间歇过程终端约束预测控制方法 | |
CN110764414B (zh) | 针对多种干扰的多阶段批次异步切换过程的鲁棒预测控制方法 | |
CN111123871B (zh) | 针对化工过程遗传算法优化的预测函数控制方法 | |
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 | |
CN109407512A (zh) | 依赖时滞的间歇过程2d输入输出约束控制方法 | |
Wang et al. | Terminal constrained robust hybrid iterative learning model predictive control for complex time-delayed batch processes | |
CN116860028A (zh) | 一种超高精度气动力伺服系统及其控制参数智能优化方法 | |
CN112180738B (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 | |
CN112213946B (zh) | 针对时变轨迹注塑成型异步切换过程的鲁棒预测控制方法 | |
CN111061155B (zh) | 一种基于遗传算法优化的间歇过程2d模型预测控制方法 | |
CN114911162A (zh) | 具有时变时滞异步切换多阶段间歇过程的迭代学习鲁棒预测控制方法 | |
CN111505937A (zh) | 一种多模态下的工业过程改进模型预测容错控制方法 | |
Bourouba et al. | A novel MRAC-based fractional adaptive control design for a class of fractional order linear systems | |
Wang et al. | Adaptive type-2 fuzzy output feedback control using nonlinear observers for permanent magnet synchronous motor servo systems | |
Shenoy | Proportional-Integral Controller with Decouplers for an interacting TITO Process | |
Muniraj et al. | Parameter optimization of multi objective robust proportional integral derivative controller with filter using multi objective evolutionary algorithms | |
CN106610588B (zh) | 一种串级预测控制系统及方法 | |
Lin et al. | Hybrid self-organizing fuzzy and radial basis-function neural-network controller for gas-assisted injection molding combination systems | |
CN112379601A (zh) | 基于工业过程的mfa控制系统设计方法 | |
Huang et al. | Extended model predictive control based on multi-structure RBF networks: Design and application to clutch control | |
CN115327903B (zh) | 二维状态时滞批处理过程的离轨策略最优跟踪控制方法 |
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 |