化工过程强非线性系统的变模型自适应预测控制

提出一种变模型自适应预测控制算法 ;基于非线性状态空间模型 ,通过每步在当前工作点 (非平衡点 )线性化获得线性化子模型 ,以此进行状态反馈预测控制 ,线性化子模型随工作点变化 ,且不限于平衡点。通过pH值控制的对比仿真实验 ,证明其对强非线性过程的控制效果优于传统的多模型预测控制。最后分析讨论了该控制算法存在的几个重要问题 ,并指出与之相关的未来研究方向     

基于最小二乘支持向量机的MIMO线性参数变化模型辨识及预测控制

将现有的面向单输入单输出系统的基于最小二乘支持向量机的参数变化模型辨识算法(SISO-LSSVM-LPV), 推广到多输入多输出系统, 实现了面向多输入多输出系统的基于最小二乘支持向量机的参数变化模型辨识算法(MIMO-LSSVM-LPV), 进一步结合基于遗传算法的预测控制算法(GA-MPC), 提出并实现了MIMO-LSSVM-LPV+ GA-MPC的建模控制一体化新架构。仿真结果表明, 该辨识算法可逼近复杂非线性MIMO系统, 辨识精度高, 并且保留了线性回归低计算量的优点, 结合了GA的MPC可实现最优控制量的在线实时寻优, 并取得了良好控制效果。     

基于FGPC的单元机组协调控制系统研究

针对单元机组的大迟延、强耦合、参数时变且不确定性的特点,将T—s模糊模型引入预测控制中,作为预测模型。首先,用改进的模糊c一均值聚类算法和随机牛顿法辨识得到非线性系统的T-s模型;然后基于线性化后的系统模型设计模糊广义预测控制器,并对非线性对象进行在线控制。仿真结果表明：FGPC对于时变的非线性系统具有很好的控制效果。     

基于变分贝叶斯算法的线性变参数系统辨识

线性变参数系统（LPV）将多阶段、非线性的过程建模转化为线性多模型的辨识问题,是解决非线性过程建模的一个有效手段。由于实际工业过程存在各种干扰因素,导致被建模系统呈现随机性及模型参数的不确定性。针对这一问题,考虑采用变分贝叶斯（VB）算法对LPV模型进行辨识。该算法首先给定参数相应的先验分布,通过最大化目标函数的下界,从而估计得到参数的后验分布。不仅可实现对参数的点估计,同时量化了估计值的不确定性。针对典型二阶过程和连续搅拌反应釜（CSTR）,运用提出的算法进行仿真实验,表明了该贝叶斯估计方法的优越性。     

基于变分贝叶斯算法的线性变参数系统辨识

线性变参数系统(LPV)将多阶段、非线性的过程建模转化为线性多模型的辨识问题,是解决非线性过程建模的一个有效手段。由于实际工业过程存在各种干扰因素,导致被建模系统呈现随机性及模型参数的不确定性。针对这一问题,考虑采用变分贝叶斯(VB)算法对LPV模型进行辨识。该算法首先给定参数相应的先验分布,通过最大化目标函数的下界,从而估计得到参数的后验分布。不仅可实现对参数的点估计,同时量化了估计值的不确定性。针对典型二阶过程和连续搅拌反应釜(CSTR),运用提出的算法进行仿真实验,表明了该贝叶斯估计方法的优越性。     

连续搅拌釜的非线性模型稳定性判据及算法

针对具有强非线性、时变、有纯滞后等复杂特性的连续搅拌釜(CSTR)反应过程,提出了一种非线性鲁棒模型预测控制方法。先根据搅拌釜中物料反应和温度波动机理,强鲁棒性的系统参数假设在凸多面体中,然后,在温度工作稳定平衡点离散线性化具有高度非线性特点的系统方程。合理建立系统预报方程,提出可保成本性能指标函数并计算李雅普诺夫函数的差分。采用双线性和线性矩阵不等式(BMI和LMI)技术处理鲁棒模型预测控制系统,给出了保持较优性能条件下的闭环系统稳定性判定标准。其次,考虑稳定标准的条件中存在双线性矩阵不等式,设计相应的凸优化算法,便于利用matlab中LMI TOOLBOX求解。最后,通过系统仿真实验,与已有数值结果对比,说明了所提理论的正确性和算法的有效性、优越性。     

变增益的非线性预测控制算法

采用变增益策略,用输入与稳态输出的映射表示系统的静态非线性,用一个增益为1的ARX模型表示系统的动态模型,代替多数文献中常用的分段线性多模型方法进行非线性系统的预测控制.文中通过对连续搅拌釜反应器(CSTR)的仿真,验证了本算法的有效性.     

基于LPV模型的燃料电池空气进气系统控制

质子交换膜燃料电池是一种通过氢气和氧气的电化学反应将化学能直接转化为电能的装置。提出一种改进的四阶燃料电池进气系统模型,分析了系统的约束性。针对系统模型所具有的非线性特性,提出建立线性变参数（LPV）模型用于对系统的控制。针对状态变量不可测的问题引入卡尔曼滤波器,同时通过可观性分析得出系统所需测量的最佳变量。在符合约束条件下设计基于线性变参数模型的状态空间模型预测控制器,控制空压机的工作电压保证氢气燃料的充分反应。仿真结果表明,基于LPV模型的模型预测控制器能够对空气进气系统进行有效的控制,且满足空压机喘振和阻塞边界等约束条件,与单模型预测控制相比具有更好的控制效果。     

固体氧化物燃料电池温度系统的改进型广义预测控制方法

固体氧化物燃料电池的工作状态是一个高温、高速率变化的化学反应过程,其入口气体温度的稳定性直接影响到燃料利用率和电池效率。本文提出一种改进的带有外部输入的非线性自回归积分滑动平均模型,结合两极燃料和空气的流量比、负载电流变化值来实现入口气体温度的非线性广义预测控制方法,采用了基于非线性最小二乘法的Levenberg-Marquardt算法确定该模型的参数。仿真结果表明,该模型与温度控制系统的传递函数模型相结合后能有效并迅速的获得燃料、氧化剂流量这两种操作量的预测值并使系统在较高的温度工作点当负载电流发生波动时能克服变化引起的参数偏差,保持运行时输出电压的稳定性。     

一类非线性动态系统的一致性分散可靠性预测

针对一类带有隐含退化过程的非线性动态系统,提出了一种基于粒子滤波的一致性分散可靠性预测方法。该方法将原系统重叠分解为若干个相互关联的子系统,每个子系统利用其局部测量信息以及子系统间通信得到的信息,估计出原系统的状态和参数,进而预测原系统的可靠性。同时,该方法通过一致性策略使得所有子系统的估计和预测结果保持一致。五容水箱模型的仿真实验结果表明,该方法能够很好地预测系统的可靠性,同时该方法能够使得所有子系统的估计和预测结果保持一致。     

Neural‐Networks‐Based Feedback Linearization versus Model Predictive Control of Continuous Alcoholic Fermentation Process

In this work advanced nonlinear neural networks based control system design algorithms are adopted to control a mechanistic model for an ethanol fermentation process. The process model equations for such systems are highly nonlinear. A neural network strategy has been implemented in this work for capturing the dynamics of the mechanistic model for the fermentation process. The neural network achieved has been validated against the mechanistic model. Two neural network based nonlinear control strategies have also been adopted using the model identified. The performance of the feedback linearization technique was compared to neural network model predictive control in terms of stability and set point tracking capabilities. Under servo conditions, the feedback linearization algorithm gave comparable tracking and stability. The feedback linearization controller achieved the control target faster than the model predictive one but with vigorous and sudden controller moves.     

基于同址训练递推最小二乘支持向量机的分批补料生物反应器中溶氧浓度的非线性广义预测控制(英文)

In this study, Saccharomyces cerevisiae (baker’s yeast) was produced in a fed-batch bioreactor at the optimal dissolved oxygen concentration (DOC) and growth medium temperature. However, it is very difficult to control the DOC using conventional controllers because of the poorly understood and constantly changing dynamics of the bioprocess. A generalized predictive controller (GPC) based on a nonlinear autoregressive integrated moving average exogenous (NARIMAX) model is presented to stabilize the DOC by manipulation of air flow rate. The NARIMAX model is built by an improved recursive least-squares support vector machine, which is trained by an in-place computation scheme and avoids the computation of the inverse of a large matrix and memory reallocation. The proposed nonlinear GPC algorithm requires little preliminary knowledge of the fermentation process, and directly obtains the nonlinear model in matrix form by using iterative multiple modeling instead of linearization at each sampling period. By application of an on-line bioreactor control, experimental results demonstrate the robustness, effectiveness and advantages of the new controller.     

基于IGA和Hammerstein模型的非线性系统广义预测控制

针对非线性程度较高的系统,设计了一种广义预测控制器。该设计基于Hammerstein模型的动静态可分离特性,首先利用具有全局搜索能力的免疫遗传算法（IGA,Immune Genetic Algorithm）在线辨识模型的一些关键参数,然后运用广义预测控制策略实现对该系统的预测控制。仿真试验结果表明,该设计能够准确预测,而且稳定性好、稳态误差小。     

基于Hammerstein-Wiener模型的连续搅拌反应釜神经网络预测控制

针对化工过程中广泛使用的连续搅拌反应釜(CSTR),提出一种基于神经网络的模型预测控制策略,采用分段最小二乘支持向量机辨识Hammerstein-Wiener模型系数的方法,在此基础上建立线性自回归模式〖DK〗(ARX)结构和高斯径向基神经网络串联的非线性预测控制器。利用BP神经网络训练预测控制输入序列和拟牛顿算法求解非线性预测控制律,从而实现一种基于支持向量机Hammerstein-Wiener辨识模型的非线性神经网络预测控制算法。对CSTR的仿真结果表明,该方法能够更有效地跟踪控制反应物浓度。     

一类化工过程多变量系统的自适应非线性预测控制

针对化工过程的一类多变量非线性系统,提出了一种自适应非线性预测控制(ANMPC)算法。在采用递归最小二乘法进行预测模型参数在线辨识的基础上,将系统的静态非线性关系用一个反向传播(BP)神经网络稳态模型来表示,通过稳态模型求得的动态增益来进一步校正预测模型的参数。详述了ANMPC控制器设计步骤,通过在一个多变量pH中和过程中的仿真验证了本算法的可行性和有效性。     

Feedback linearizing control of a fluidized bed reactor

The design of an adaptive nonlinear controller for the control of a fluidized bed reactor is derived by using exact linearization techniques. Reset action and parameter adaptation are used to make more robust the precise compensation of nonlinear terms, which is called for in the linearization technique. A nonlinear antiwindup mechanism is introduced to handle reset windup problem and to provide fast response without large overshoot. Simulation results show that the proposed adaptive controller guarantees good setpoint tracking. The developed estimation algorithm allows accurate estimation of the parameters for which the regressor component is not zero.     

Adaptive and Predictive Control of Liquid‐Liquid Extractors Using Neural‐Based Instantaneous Linearization Technique

Nonlinearity of the extraction process is addressed via the application of instantaneous linearization to control the extract and raffinate concentrations. Two feed‐forward neural networks with delayed inputs and outputs were trained and validated to capture the dynamics of the extraction process. These nonlinear models were then adopted in an instantaneous linearization algorithm into two control algorithms. The self‐tuning adaptive control strategy was compared to an approximate model predictive control in terms of set point tracking capability, efficiency and stability. For the case of large, abrupt set point changes, the performance of the self‐tuning algorithm was poor, especially for the raffinate control. The approximate model predictive control strategy was superior to the self‐tuning control in terms of its ability to force the output to following the set point trajectory efficiently with smooth controller moves.     

Aspen Plus Dynamics软件在多变量模型预测控制中的应用

多变量模型预测控制是一种能够处理大滞后、强耦合和非线性等问题的先进控制算法,核心是多输入、多输出的预测模型。工业应用中通过对实际装置进行测试来回归模型参数,需要较长的实施周期。介绍了Aspen Plus Dynamics软件在搭建预测模型中的应用。     

基于多核支持向量机的非线性模型预测控制

Multi-kernel-based support vector machine （SVM） model structure of nonlinear systems and its specific identification method is proposed, which is composed of a SVM with linear kernel function followed in series by a SVM with spline kernel function. With the help of this model, nonlinear model predictive control can be transformed to linear model predictive control, and consequently a unified analytical solution of optimal input of multi-step-ahead predictive control is possible to derive. This algorithm does not require online iterative optimization in order to be suitable for real-time control with less calculation. The simulation results of pH neutralization process and CSTR reactor show the effectiveness and advantages of the presented algorithm.