一种化工时变工业过程混合控制方法   0    0

本发明公开了一种化工时变批次过程混合控制方法，包括如下步骤：步骤1、建立批次过程时变状态空间模型；步骤2、设计被控对象的批次过程控制器。该方法首先建立批次过程模型，通过引入状态误差和输出误差，将上述模型转化为等效的随机系统模型，根据不同故障发生的概率，将常规的迭代学习控制律设计转化为更灵活的更新律设计。不同于传统的控制策略，本发明所提出的混合控制策略考虑到了执行器出现不同故障的概率，系统全面地分析、处理各类故障，故障处理的灵活性、快速性更好。

1.一种化工时变批次过程混合控制方法，包括如下步骤：
步骤1、建立批次过程时变状态空间模型；
步骤2、设计被控对象的批次过程控制器；
步骤1具体如下：
1-
1.建立一个批次过程系统模型，其形式如下：
其中k和t分别表示批次和批次运行时刻，x(t+1,k)、x(t,k)、x(t-d(t),k)分别是k批次t+1时刻、t时刻、t-d(t)时刻的系统状态，d(t)是系统t时刻的状态延迟，dm≤d(t)≤dM，dm、dM分别是状态延迟的下限和上限，y(t,k)∈Rl是k批次t时刻的系统输出，维数为Rl，u(t,k)∈Rm是k批次t时刻的系统输入，维数为Rm，l,m分别是系统输出和输入的阶次，σ(t,k)表示与批次和时刻有关的切换信号，Aσ(t,k),Adσ(t,k),Bσ(t,k),Cσ(t,k)分别表示带有切换信号的适当维度的常数矩阵，ωσ(t,k)(t,k)是k批次t时刻的外部扰动，x(0,k)是k批次系统的初始状态，其初始值设置为x0,k；
1-
2.让批次过程输出跟踪给定的期望轨迹，其定义如下：
其中yr(t)是t时刻系统输出期望轨迹，e(t,k)是k批次t时刻的系统输出误差， 表示‘定义为’；
1-
3.批次过程系统故障的发生概率的定义如下：
0≤P{γ(t+1,k)＝1|γ(t,k)＝0}＝α≤1，0≤P{γ(t+1,k)＝0|γ(t,k)＝0}＝1-α≤1
0≤P{γ(t+1,k)＝1|γ(t,k)＝1}＝1-χ≤1，0≤P{γ(t+1,k)＝0|γ(t,k)＝1}＝χ≤1其中γ(t,k)、γ(t+1,k)分别表示k批次t时刻、t+1时刻系统故障判定函数，取0表示系统正常，取1表示系统故障，α表示系统当前时刻正常运行但下一时刻发生故障的概率，χ表示当前时刻系统故障但下一时刻恢复正常运行的概率；
1-
4.确定判断每批次故障的发生是否与当前时刻有关的概率矩阵：
首先，定义状态传递概率矩阵为
其中p00＝1-α，p01＝α，p10＝χ，p11＝1-χ；
进而，得到批次间状态变化的n步传递函数概率矩阵Pn；
1-
5.批次过程系统的随机迭代学习控制律描述如下：
其中Δu(t,k)表示k批次t时刻的系统随机迭代学习输入更新律，u(t,0)表示开始批次t时刻的系统输入，并设置为0；
1-
6.批次过程系统可能发生故障的情况下，系统输入和系统状态误差分别如下：u(t,k)＝(1-γ(t,k))u(t,k-1)，δ(x(t,k))＝x(t,k)-x(t,k-1)
其中x(t,k-1)表示k-1批次t时刻的系统状态，δ(x(t,k))表示k批次t时刻的系统状态误差；
1-
7.根据1-1及1-6，得到下列状态误差和输出误差表达式：
其中 表示拓展的外部扰动，e(t+1,k)、e(t+1,k-1)是k批次、k-1批次t+1时刻的系统输出误差，y(t+1,k)、yr(t+1,k)分别是k批次t+1时刻的系统输出和系统期望输出，δ(x(t+1,k))、δ(x(t-d(t),k))分别是k批次t+1时刻、t-d(t)时刻的系统状态误差，A、Ad、B、C分别是适当维度的常数矩阵；
步骤2具体如下：
2-
1.基于步骤1，进一步得到改写后的系统误差模型如下：
其中 e(t+1-d(t),k-1)是k-1批次t+1-d(t)时刻的系统输出误差，z(t,k)表示
k批次t时刻的系统整体误差，I为适当维度的酉矩阵；
2-
2.进一步得到系统的随机迭代学习更新律如下：
Δu(t,k)＝(1-γ(t,k))K0X(t,k)
其中 K0为满足系统要求的增益矩阵；
2-
3.在下一时刻，重复步骤2-1到2-2继续求解新的最优系统随机迭代学习更新律Δu(t,k)，得到最优控制量，作用于控制对象，并依次循环。