基于递推非线性部分最小二乘模型的间歇过程批到批优化

针对间歇过程控制策略优化问题,提出一种基于递推非线性部分最小二乘(NLPLS)模型的批到批优化方法:首先采用非线性部分最小二乘方法建立软测量模型,根据过程的控制操作变量对最后的产品质量进行预测。然后基于该模型,计算出最优控制策略并在实际装置上实施。为了解决模型和对象失配并且存在未知扰动的问题,采用递推算法,在每个批次结束后根据新得到的数据和旧模型参数对原模型进行更新。然后,重新求解最优控制策略并在对象上实施。通常经过几个批次,控制策略将收敛到一个满意解。在一个间歇过程上进行仿真研究,同时与基于PLS模型的批到批优化算法进行对比,结果表明采用NLPLS模型取得了优于采用PLS模型的结果。     

间歇过程的批内自优化控制

针对间歇过程的实时优化问题, 提出了一种基于自优化控制的批内优化方法. 以测量变量的线性组合为被控变量, 在单批次内跟踪控制被控变量实现间歇过程的实时优化. 根据是否在间歇过程的不同阶段切换被控变量, 给出了两种自优化控制策略, 对每种策略又分别提出两种设定轨线选取方案. 为求解这些情形下的最优被控变量(组合矩阵), 以最小化平均经济损失为目标, 推导了组合矩阵和经济损失之间的函数关系, 分别将其描述为相应的非线性规划问题. 在此基础上, 进一步引入了扩张组合矩阵, 将这些非线性规划问题归纳为求解扩张组合矩阵的一致形式(扩张组合矩阵具有不同的结构约束), 并推导得到了其中一种方案的解析解计算方法. 以一个间歇反应器为研究对象, 验证了方法的有效性.     

基于软测量技术的间歇聚合过程质量控制

针对间歇聚合过程质量指标的控制问题,提出了一种基于软测量技术的质量控制方法。将混合核函数偏最小二乘法(K2PLS)与人工神经网络(ANN)相结合,构建一种软测量模型,用于预测工艺变量与质量指标之间的定量关系;利用软测量技术和非线性规划方法,求解得到符合质量指标约束的最佳操作变量;根据离线质量指标分析值,利用间歇过程批次间重复的相似性特性,提出了一种偏差修正策略,用于调整操作变量和指导批次间的生产操作。将上述方法应用于氯乙烯聚合过程的质量指标控制研究中,结果表明:基于K2PLS-ANN的软测量模型具有优秀的预测性能,提出的质量优化控制策略,实现了聚氯乙烯质量指标的平稳控制,有助于降低生产消耗,可用于指导实际生产过程。     

金氰化浸出过程的自优化控制

针对湿法冶金金氰化浸出过程的实时优化问题,提出一个自优化控制方案.基于系统的参数不确定模型,选择并求解输出变量的线性组合为被控变量,在反馈控制器作用下跟踪其恒定设定值,实现浸出过程在不确定性扰动下的自优化控制.仿真结果验证了该控制方案的有效性:扰动产生时,系统的经济指标在常规控制作用下得到改善,并最终运行于真实的最优点附近,提高了浸出过程的生产效益.     

基于分段线性化法的改进自主优化控制

现有自主优化控制方法(Self-optimizing control, SOC)均基于系统名义工作点的线性化模型,过程的非线性较强时, 由线性化误差导致的损失将显著影响控制系统的自主优化性能.提出了一种基于分段线性化模型的改进自主优化控制方法, 获取不同扰动工况下的分段线性化模型,分别应用线性化SOC方法并构造总的被控变量. 新方法能够在更大范围的操作空间内最小化平均损失,具有更加优异的自主优化效果. 对一个数值算例和一个放热反应过程的研究验证了提出方法的有效性.     

面向多领域优化的模型参数敏感性分析方法

针对多领域模型中的优化问题,提出了确定敏感参数及其取值区间的3种方法：参数扰动、参数扫动和蒙特卡洛分析法。其中：参数扰动可方便比较两个不同的参量值对输出变量的影响;参数扫动可同时观察输出变量的系列时序曲线;蒙特卡洛方法则可用随机函数生成参数的变动序列,如均匀分布、正态分布等模拟工程领域问题。本文以Modelica中的一个多学科模型为例,通过Mworks平台系统阐述了这3种方法,分析了实践效果．结果曲线与实际经验相符,为建模分析人员寻找敏感参数、缩小寻优区间提供了有效手段。     

台风最大风速预测的高斯过程回归模型

针对影响台风最大风速的输入变量较多以及输入变量与输出变量之间的非线性变化特点,首先计算各个输入变量与输出变量间的互信息,这些互信息间接地反映了各个输入变量与输出变量间的相关性;然后根据t检验法确定一个阈值,对于互信息小于阈值的输入变量作不相关变量处理,筛选出最佳的模型输入变量;最后采用高斯过程回归模型对筛选后的样本集进行拟合,在贝叶斯非参数建模的框架下,确定高斯过程回归模型的协方差函数.仿真结果表明,所得高斯过程模型能够满足绝对误差的预定要求,且具有较大的实用价值.     

一种间歇过程的综合预测迭代学习控制方法

为了提高迭代学习控制方法在间歇过程轨迹跟踪问题中的收敛速度,本文将批次间的比例型迭代学习控制与批次内的模型预测控制相结合,提出了一种综合应用方法.首先根据间歇过程的线性模型,预测出比例型迭代学习控制的系统输出,然后在批次内采用模型预测控制,通过极小化一个二次型目标函数来获得控制增量.该方法可使系统输出跟踪期望轨迹的速度比比例型迭代学习控制方法更快些.最后通过仿真实例验证了该方法的有效性.     

基于多模型混合最小方差控制的时变扰动控制系统性能评估

在实际工业过程中,控制系统经常会受到时变扰动的影响,致使针对单一扰动模型设计的最小方差控制准则不再适用于评估时变扰动控制系统的性能. 当多个扰动信号同时出现时,采用常规多模型切换方法会发生间歇切换进而产生较大的暂态误差,不能准确评估系统当前性能. 针对上述问题,本文提出了一种基于多模型混合最小方差控制准则的性能评估方法. 首先根据每个扰动模型分别制定最小方差控制器,组成多模型最小方差控制器,然后在每个时间点混合多模型最小方差控制器,并将在其作用下的输出方差作为最终的性能评估基准,该方法既 充分考虑到每个扰动的特性,又避免了常规多模型切换方法因间歇切换而产生的暂态误差对评估结果准确性带来的影响,实现了准确、可靠地评估时变扰动控制系统的性能. 通过仿真,验证了基于多模型混合最小方差控制准则的性能评估方法的有效性.     

草酸钴合成过程批次间自适应优化

本文以钴湿法冶金过程草酸钴合成为背景,研究基于多向偏最小二乘回归(MPLS)模型的草酸钴平均粒度批次间自适应优化策略.本文首先利用MPLS方法建立草酸钴平均粒度的数据模型;针对模型不确定性情况下难以获得最优操作变量的问题,提出利用批次间修正项自适应优化方法,使迭代优化结果逐渐趋向于实际最优值;本文还通过引入T2统计量软约束将优化结果限制在数据模型的有效区间之内.数值仿真表明该方法可以有效解决草酸钴合成过程的批次间自适应优化问题,且与传统两步方法和迭代学习控制相比具有更好的优化效果.     

Latent Variable Model Predictive Control (LV-MPC) for trajectory tracking in batch processes

Latent Variable Model Predictive Control (LV-MPC) algorithms are developed for trajectory tracking and disturbance rejection in batch processes. The algorithms are based on multi-phase PCA models developed using batch-wise unfolding of batch data arrays. Two LV-MPC formulations are presented, one based on optimization in the latent variable space and the other on direct optimization over a finite vector of future manipulated variables. In both cases prediction of the future trajectories is accomplished using statistical latent variable missing data imputation methods. The proposed LV-MPCs can handle constraints. Furthermore, due to the batch-wise unfolding approach selected in the modeling section, the nonlinear time-varying behavior of batch processes is captured by the linear LV models thereby yielding very simple and computationally fast nonlinear batch MPC. The methods are tested and compared on a simulated batch reactor case study.     

Disturbance rejection for the control of batch end-product quality using latent variable models

The control of batch end-product quality is an important issue in many high value-added manufacturing industries, particularly specialty chemicals and pharmaceuticals. An attractive approach for controlling such systems is to apply partial least squares (PLS) models, which can utilize the low-dimensional latent variable (or score) space with the corresponding control optimization performed on these few latent variables. The manipulated variable trajectories (MVTs) can then be reconstructed from the optimized scores. The existing PLS-based batch end-product quality control methodology does not incorporate the disturbance model in its formulation. As a result, it is demonstrated in this paper that these control formulations can be incapable of adequate disturbance rejection. To reject disturbances adequately, it is necessary to utilize feedback information and re-compute optimal control sequences at multiple instants during a batch run. However, this can lead to erratic control action, resulting in the deterioration of batch end-product quality. To resolve this issue, a revised PLS-based batch end-product quality controller is proposed in this paper that explicitly accounts for disturbance induced plant-model mismatch by including a simple disturbance model. Furthermore, the proposed controller formulation adds hard constraints to incremental changes of the re-computed control sequences to avoid erratic behavior in the case of multiple control decision points. The ability of the proposed control scheme to reject disturbances and obtain desirable MVTs is demonstrated using a benchmark simulation of a fed-batch fermentation process.     

Data-driven modeling of product crystal size distribution and optimal input design for batch cooling crystallization processes

In this paper, a novel data-driven model building method is proposed for predicting one-dimensional product crystal size distribution (CSD) or chord length distribution (CLD) of batch cooling crystallization processes, based on only batch run data. The proposed model relating the manipulated variable of cooling rate to the product CSD are constructed by two classes of basis functions, one is the wavelet basis function for reshaping the CSD and the other is the polynomial basis function for weighting the chosen wavelet basis functions to reflect the nonlinear relationship between the input and the density of individual crystal size among the product crystals. Correspondingly, a double-layer least-squares algorithm is established to estimate the model parameters, along with an adaptive strategy to determine the location and number of wavelet basis functions. By introducing an objective function that combines the information entropy of product CSD and the sample deviation of product crystals in each batch with respect to the target crystal size, the optimal input design of cooling rate for the desired product CSD is carried out by using a particle swarm optimization (PSO) algorithm to solve the non-convex optimization problem with the established CSD model. Simulation tests on the hen-egg-white lysozyme crystallization process along with experiments on the L-glutamic acid cooling crystallization process are performed to demonstrate the effectiveness and advantage of the proposed method.     

考虑订单组批特性的特种铝锭组炉优化

铝锭熔炼是特种铝合金生产的首道工序,直接影响后面工序的生产效率和产成品质量.针对熔炼过程中,由于产品种类多样以及批量大小不一导致的制定组炉计划效率低以及组炉结果不优等问题,本文考虑熔炼炉工艺、设备特点以及订单组批规则等约束条件,建立以最小炉次数和最大订单铸锭占用比例为目标的组炉优化模型.分析该模型的特点,采用以订单分配百分比为决策变量的实数编码规则.提出一种基于冯诺伊曼拓扑结构的粒子群算法对其进行求解,并融入局部聚性算子改善算法寻优能力.设计基于真实生产数据的仿真实验,实验结果说明该模型和所提出的求解算法能够有效地解决特种铝锭组炉优化问题,符合企业实际需求.     

基于SML特征检测的RPCA域多聚焦图像融合

针对多聚焦图像融合中难以有效检测聚焦点的问题,提出了一种基于鲁棒主成分分析（RPCA）和区域检测的多聚焦图像融合方法。将RPCA理论运用到多聚焦图像融合中,把源图像分解为稀疏图像和低秩图像;对稀疏矩阵采用区域检测的方法得到源图像的聚焦判决图;对聚焦判决图进行三方向一致性和区域生长法处理得到最终决策图;根据最终决策图对源图像进行融合。实验结果表明,在主观评价方面,所提出的方法在对比度、纹理清晰度、亮度等几方面都有显著的提高;在客观评价方面,用标准差、平均梯度、空间频率和互信息四项评价指标说明了该方法的有效性。     

基于聚类离散化和变精度邻域熵的属性约简

针对传感网采集数据的不完备性,利用数据本身特点,通过定义类簇指标,提出基于改进K-means聚类算法的数据离散化方法,以减小噪声、孤立点和不完备数据集对决策识别结果产生的影响;然后,通过引入互信息熵的属性重要度度量和变精度修正系数,提出基于互信息熵的变精度邻域粗糙集属性约简启发式算法,整合变精度和邻域粗糙集的优势,在减小约简算法计算复杂度的同时提高决策系统识别精度.仿真结果表明了算法在提高决策系统识别精度和降低其计算复杂度方面的有效性,模拟环境测试进一步验证了其工程适用性.     

气动-引力辅助轨道机动的拟谱法反馈制导律

气动-引力辅助轨道机动相对于独立的引力辅助轨道机动而言能实现更大更灵活的速度偏转角同时减少燃料消耗。利用拟谱法设计出开环最优轨迹。对于飞行过程中的制导问题,根据拟谱法实现速度快结果精确的优点,将飞行时间按照等距及变间距分段,对每个独立时段采用实时在线轨迹生成的方法得到这一时间范围的最优轨迹,通过不断的轨迹更新实现飞行中对参数扰动等因素的抑制作用,结果显示采用变间距节点对干扰抑制效果有所增强。同时采用预留时间裕度的方式,可以较好地解决制导过程中在线最优化轨迹生成所需少量计算时间导致的制导偏差问题。     

Pareto-optimal solutions based multi-objective particle swarm optimization control for batch processes

In order to maximize the amount of the final product while reducing the amount of the by-product in batch process, an improved multi-objective particle swarm optimization based on Pareto-optimal solutions is proposed in this paper. A novel diversity preservation strategy that combines the information of distance and angle into similarity judgment is employed to select global best and thus the convergence and diversity of the Pareto front is guaranteed. As a result, enough Pareto solutions are distributed evenly in the Pareto front. To test the effectiveness of the proposed algorithm, some benchmark functions are used and a comparison with its conventional counterparts is made. Furthermore, the algorithm is applied to two classical batch processes. The results show that the quality at the end of each batch can approximate the desire value sufficiently and the input trajectory converges, thus verify the efficiency and practicability of the proposed algorithm.     

基于动态参考规划的鲁棒Tube模型预测跟踪控制

为实现扰动和约束作用下对系统的最优鲁棒跟踪, 提出一种动态参考规划(DRP)方法, 设计鲁棒Tube模型预测控制器(RTMPC)将系统状态驱动到以最优跟踪点为中心的扰动不变集内. 基于DRP的RTMPC控制方法, 以多步参考为决策变量, 确保在线优化递归可行性的同时, 增加在线优化的自由度; 另外, 通过设定目标函数惩罚标称状态轨迹和参考稳态之间、以及最后一步参考稳态和设定点之间的加权欧式距离, 可实现最优鲁棒跟踪.     

Effect of upstream re-sequencing in controlling cycle time performance of batch processors

This paper demonstrates the effect of incorporating upstream sequence decisions in the cycle time control of batch processors. The focus is on dynamic control of a batch processor where near-future arrival information is available by predicting the process times on its upstream processor. In a particular decision point, the dynamic control task is to decide whether to start the batch process with one of the available product types immediately or to wait for future arrivals coming from the upstream processor. While considering a wait decision alternative, a re-sequencing approach at the upstream processor is proposed to shorten the arrival time of the desired product. Combining this architecture with a rolling horizon decision making, we propose a new look-ahead batch control strategy. A serial-batch processor system that is typical in wafer fabrication is modeled to demonstrate the approach. Simulation based benchmarking shows promising results.