多阶段间歇过程无穷时域优化线性二次容错控制

针对具有输入时滞的多阶段间歇过程,考虑执行器故障影响,提出了无穷时域优化混杂容错控制器设计方法。该方法首先将给定具有输入时滞的模型转化为新的无时滞的状态空间模型,接着再将此模型转换为包含状态变量误差和输出跟踪误差的扩展状态空间模型,并用切换系统模型表示,然后引入有限时域的二次目标函数,利用最优控制理论,设计出在无穷时域中容错控制器。为获得最小运行时间,针对不同阶段设计依赖于Lyapunov函数的驻留时间方法。创新之处在于,控制律设计简单,计算量小,且每一阶段时间求取不需要引用任何其他变量,简单易行。最后,以注塑成型过程为例,仿真结果证明所提出方法具有可行性和有效性。     

不确定性间歇过程的一种实时优化控制方法

针对不确定性间歇过程的实时优化问题,提出了一种集成批间和批内优化的新实时优化控制方法。首先求解标称模型得到最优输入轨迹的结构,然后将输入轨迹参数化为若干标量决策变量及子输入轨迹。对最优性条件中的终端约束部分,使用批间优化满足约束条件;对梯度轨迹部分,提出一种回归法近似最优输入轨迹,以解决不确定扰动的在线不可测问题,实现梯度轨迹的批内优化。对一个间歇反应器的仿真研究表明了新方法的有效性。     

不确定性间歇过程的一种实时优化控制方法

针对不确定性间歇过程的实时优化问题,提出了一种集成批间和批内优化的新实时优化控制方法。首先求解标称模型得到最优输入轨迹的结构,然后将输入轨迹参数化为若干标量决策变量及子输入轨迹。对最优性条件中的终端约束部分,使用批间优化满足约束条件;对梯度轨迹部分,提出一种回归法近似最优输入轨迹,以解决不确定扰动的在线不可测问题,实现梯度轨迹的批内优化。对一个间歇反应器的仿真研究表明了新方法的有效性。     

基于T-S模糊模型的间歇过程的迭代学习容错控制

间歇过程不仅具有强非线性,同时还会受到诸如执行器等故障影响,研究非线性间歇过程在具有故障的情况下依然稳定运行至关重要。针对执行器增益故障及系统所具有的强非线性,提出一种新的基于间歇过程的T-S模糊模型的复合迭代学习容错控制方法。首先根据间歇过程的非线性模型,利用扇区非线性方法建立其T-S模糊故障模型,再利用间歇过程的二维特性与重复特性,在2D系统理论框架内,设计2D复合ILC容错控制器,进而构建此T-S模糊模型的等价二维Rosser模型,接着利用Lyapunov方法给出系统稳定充分条件并求解控制器增益。针对强非线性的连续搅拌釜进行仿真,结果表明所提出方法具有可行性与有效性。     

间歇化工过程与计算机应用

首先指出间歇过程是一门独立的、有自身特点的、在化学工业中具有独特地位的学科。然后扼要回顾了计算机在间歇过程设计和生产调度中的应用，并介绍了几个典型的用于间歇过程的软件。最后简单介绍了由ＩＳＡ颁布的间歇控制标准ＳＰ８８，以便读者了解该领域的最新国际动态     

间歇过程的批间自优化控制

针对间歇过程的实时优化问题,提出了一种基于最优性条件近似法的批间自优化控制策略。首先获取标称工作点的最优输入轨迹形态,将其参数化为少量决策变量,简化问题复杂度。然后根据参数化后的决策变量得到批间优化的最优性条件,并建立批次终端可测变量和最优性条件之间的回归模型,将其作为被控变量进行批间跟踪控制。对一个间歇反应器进行了仿真研究,结果表明方法能有效实现间歇过程的批间自优化控制。     

间歇过程优化与先进控制综述

总结近年来间歇过程操作优化和设计优化中出现的各种新方法,以及在优化问题求解中使用的各种先进控制策略,反映间歇过程最优化和先进控制的最新研究方向。重点介绍间歇过程单元的操作优化和控制,兼顾在线稳态优化和动态优化。对新的研究方法提出展望。     

基于无约束迭代学习的间歇生产过程优化控制

针对基于迭代学习控制的间歇过程优化控制算法难以进行收敛性分析的难题,本文基于数据驱动的神经模糊模型提出一种新颖的间歇过程无约束迭代学习控制方法,通过调节因子的变化去除了约束条件,使控制轨迹在批次轴上收敛,并创新性地对优化问题的收敛性给出了严格的数学证明。在理论研究的基础上,将本文提出的算法用于间歇连续反应釜的终点质量控制研究,仿真结果验证了本文算法的有效性和实用价值,为间歇过程的优化控制提供了一条新途径。     

基于扩散距离的信息熵FCM多阶段LSTM-AE间歇过程故障监测

针对间歇过程中因忽略数据在阶段划分中的非线性,导致故障监测精度低的问题,提出一种基于扩散距离的信息熵模糊C均值(DDEFCM)多阶段长短期记忆网络的自动编码器(LSTM-AE)间歇过程故障监测方法。首先为了自动识别聚类个数,利用信息熵描述批处理后的二维时间片矩阵。再采用扩散距离对模糊C均值聚类(FCM)算法进行改进,解决欧式距离不能表征数据非线性的问题,有效划分间歇过程的稳定阶段,然后利用轮廓系数划分过渡阶段。最后建立多阶段LSTM-AE监测模型。利用青霉素发酵数据和大肠杆菌实际生产数据对该方法进行验证,结果表明所提方法不仅可以提升阶段划分性能,还能更加准确地进行故障监测。     

基于MPLS的间歇过程终点质量迭代优化控制

提出了多向偏最小二乘(MPLS)模型和迭代学习控制相结合的方法,实现间歇过程终点时刻产品质量指标的控制.利用间歇过程的重复特性,根据前一批次的终点质量偏差调整下-批次控制变量的轨迹,从而使质量指标逐步接近于理想指标.本文提出的方法可以有效地消除由于模型误差和未知扰动引起的质量偏差.在苯乙烯间歇聚合反应模型上进行了仿真分析,验证了该方法的有效性.     

Data‐driven model predictive quality control of batch processes

The problem of driving a batch process to a specified product quality using data‐driven model predictive control (MPC) is described. To address the problem of unavailability of online quality measurements, an inferential quality model, which relates the process conditions over the entire batch duration to the final quality, is required. The accuracy of this type of quality model, however, is sensitive to the prediction of the future batch behavior until batch termination. In this work, we handle this “missing data” problem by integrating a previously developed data‐driven modeling methodology, which combines multiple local linear models with an appropriate weighting function to describe nonlinearities, with the inferential model in a MPC framework. The key feature of this approach is that the causality and nonlinear relationships between the future inputs and outputs are accounted for in predicting the final quality and computing the manipulated input trajectory. The efficacy of the proposed predictive control design is illustrated via closed‐loop simulations of a nylon‐6,6 batch polymerization process with limited measurements. © 2013 American Institute of Chemical Engineers AIChE J, 59: 2852–2861, 2013     

间歇过程控制标准化

本文介绍了间歇过程控制标准ＳＰ８８，以便从事间歇过程的人员了解该领域的最新国际动态。ＳＰ８８强调间歇过程控制的体系和横模块化。它定义了适用于间歇过程控制的专业术语，控制功能和控制模型，这对于推动间歇过程控制自动化具有重要意义。     

化学工业两化融合发展与过程系统工程:挑战和前景(二)——两化融合发展对过程系统工程的挑战及前景

论述了化学工业两化融合发展,趋向精细化、服务化和可持续化,对过程系统工程(PSE)提出挑战.研究了过程系统工程应从产品工程/纳米过程系统工程、间歇过程系统工程、供应链的优化与协同、多尺度过程集成及绿色过程系统工程5个方面提供技术支撑的前景.