基于协方差指标预测的MPC实时性能监控

为利用过程数据实时监控模型预测控制(Model predictive control, MPC)的性能, 提出一种基于协方差预测残差的性能监控方法.首先在分析模型预测控制器优 化函数和控制结构的基础上, 构造包含预测误差、控制量和过程输出的监控变量集, 然后利用滑动时间窗口建立基于协方差的实时性能评价 指标.针对协方差指标缺少控制限的问题, 建立实时协方差指标的时间序列模型, 根据协方差指标的预测残差检测模型预测控制性能下降.进 一步利用基于数据集相似度的性能诊断方法确定性能恶化源.最后通过Wood-Berry二元精馏塔上的仿真研究验证了所提方法的有效性.     

基于卷积非负矩阵分解的语音转换方法

为了在语音转换过程中充分考虑语音的帧间相关性,提出了一种基于卷积非负矩阵分解的语音转换方法.卷积非负矩阵分解得到的时频基可较好地保存语音信号中的个人特征信息及帧间相关性.利用这一特性,在训练阶段,通过卷积非负矩阵分解从训练数据中提取源说话人和目标说话人相匹配的时频基.在转换阶段,通过时频基替换实现对源说话人语音的转换.相对于传统方法,本方法能够更好地保存和转换语音帧间相关性.实验仿真及主、客观评价结果表明,与基于高斯混合模型、状态空间模型的语音转换方法相比,该方法具有更好的转换语音质量和转换相似度.     

一种间歇测量下产品质量轨迹跟踪控制方法

在间歇过程中,传统工艺缺少产品质量的在线传感器,因此很难直接跟踪产品质量轨迹。基于过程变量与产品质量之间的偏最小二乘(PLS)模型,提出一种间歇测量下产品质量轨迹跟踪控制方法。在批内设定时间窗口,首先利用缺失数据算法估计未知的过程变量,再根据过程变量预测产品质量,并采用迭代学习控制和模型预测控制(MPC)相结合的方法设计控制器,达到跟踪当前批次产品质量设定点的目的。该方法采用移动窗口实现MPC的滚动优化,克服了批间和批内的干扰,从而使输出轨迹能精确跟踪期望轨迹。最后,在连续搅拌反应釜(CSTR)上进行仿真研究,仿真结果说明了该方法的有效性。     

基于无源化方法的移动机器人轨迹跟踪控制

该文将无源化方法应用到机器人轨迹跟踪控制中,根据机器人的动力学模型,采用基于模型及其转换矩阵的时变误差反馈的控制策略,将机器人的动力学过程转变为一个无损系统和关于一个二维向量的无源性映射。构造一个严格输入无源反馈映射,则此闭环系统为严格输出无源的,即此二维向量输出属于L2^n空间。由无源系统输出与轨迹跟踪误差间的转换矩阵形式可知跟踪误差也属于L2^n空间,即轨迹跟踪系统是稳定的。仿真结果表明,此方法控制效果良好,可以无差跟踪任意轨迹。     

基于遗传算法的偏最小二乘法在预测含能材料爆轰性能中的应用

运用偏最小二乘(PLS)和遗传算法(GA)预测含能材料的爆炸性能。利用GA在"分子结构—爆炸性能(QSDR)"数据中选取较少的变量个数,以较少的变量个数包含较多的变量信息,再用PLS进行结构性能模型的建立和性能预测。将这种方法应用于呋咱和芳香类含能材料的性能预测当中,可以验证方法的有效性。     

基于ISTA-LSTM模型的间歇过程质量预测

为了考虑过程变量与质量变量的相关性,解决间歇过程的时序性和动态特性导致预测精度不高的问题,提出一种基于改进时空注意力-长短时记忆神经网络(improved spatial and temporal attention long short-term memory,ISTA-LSTM)的模型进行间歇过程质量预测.首先,对间歇过程的三维数据按变量方向展开成二维矩阵,对二维数据采用Min-max方法归一化;然后,使用偏最小二乘(PLS)方法对原始数据降维,提取数据的特征信息,基于时间注意力和空间注意力构建编码-解码器结构的双层LSTM网络,利用注意力机制自适应地学习神经网络参数,关注每一个过程变量对质量变量的重要性并分配相应的注意值,从而保留所有输入的必要信息,采用带交叉验证的网格搜索算法对预测模型进行超参数寻优,并建立预测模型;最后,在青霉素发酵仿真平台上进行实验验证,实验结果验证了所提模型对间歇过程质量预测的可行性和有效性.     

基于注意力LSTM的多阶段发酵过程集成质量预测

考虑到发酵过程的动态特征对阶段划分的影响,为提高模型预测精度,提出一种基于注意力LSTM的多阶段发酵过程质量预测方法.首先,将原始三维数据沿批次展开,对每个时间片矩阵进行偏最小二乘(PLS)分析得到表征过程变量的得分矩阵和表征质量变量的得分矩阵,采用仿射传播(AP)聚类算法将联合得分矩阵进行聚类,实现第1步划分;然后,...     

基于Block-RPLS模型自适应更新的质量预测方法

工业过程包含动态、时变等过程特性.传统的基于PLS方法的质量预测采用的是固定模型,难以实时修正和学习新的过程信息,从而导致建模效率和精度降低,针对该问题提出一种自适应的块式递推偏最小二乘法(Block-RPLS)模型质量预测方法,用于在线调整PLS模型的结构和参数.采用滑动窗方法确定更新的数据块,利用矩阵相似性理论分析窗内数据的结构特性,得到该滑动窗的特征矩阵.同时,引入局部离群因子(LOF)检测滑动窗内离散偏离程度较大的更新数据,通过交叉验证方法修正PLS模型参数自适应学习过程的时变信息.最后,通过数值仿真和青霉素发酵过程的质量预测实验验证所提出方法的有效性.     

全相关核偏最小二乘故障诊断方法及在抽油机上应用

针对油田抽油机生产数据存在强非线性和强耦合性, 导致故障诊断困难的问题, 本文提出一种全相关动态 核偏最小二乘(FCDKPLS)故障诊断方法. 首先, 构建抽油机生产数据自回归模型, 反映数据变量间的动态特性; 其 次, 分析了KPLS算法中输出变量与输入变量残差子空间的相关性, 为此, 在输出模型上构建一个辅助矩阵, 从而表 征输入变量与输出变量的全相关性, 建立输入变量和输出变量之间更直接的联系. 最后, 将提出的全相关动态偏最 小二乘方法应用于抽油机过程故障诊断, 实验结果表明本文提出方法的有效性.     

一种数据驱动的控制器性能在线监控策略

运用基于数据协方差基准的控制性能评估方法,并结合协方差矩阵的递推更新,本文提出了一种控制器性能的在线监控策略。首先给出一种协方差矩阵的递推更新算法,通过实时输出监控阶段数据相对于基准阶段数据的广义特征值及其构成的系统总体性能指标,在线监控系统性能的变化趋势。进一步使用统计推断方法得出每个时刻的特征值所对应的置信区间,得到优/劣子空间的性能指标实时变化趋势,从而判定控制器的性能变化。最后,将本方法应用在重油分馏塔预测控制的实时性能监控中,验证了本方法的有效性。     

Data‐Driven Performance Monitoring for Model Predictive Control Using a mahalanobis distance based overall index

This paper proposes a data‐driven approach for model predictive control (MPC) performance monitoring. It explores the I/O data of the MPC system. First, to evaluate the MPC performance and capture the fluctuation of the process variables, we present an overall performance index based on Mahalanobis distance (MDBI) with its deduced benchmark. The Mahalanobis distance can better characterize the change of the process variable in both principal component space and residual space. As the proper vectors of the two spaces are orthogonal, the MDBI eliminates the correlation between the process variables while considering the variables’ characteristics in both spaces simultaneously, which helps evaluate the MPC performance more effectively with fewer monitoring parameters. Furthermore, for the MPC performance diagnosis, we use the MDBI as inputs and construct a support vector machine (SVM) pattern classifier. The classifier can achieve a higher accuracy when recognizing four common performance degradation patterns and determine the root cause of performance degradation. The results of simulations on the Wood‐Berry distillation column process and experiments on NIAT multifunctional experiment platform illustrate the effectiveness of the proposed performance assessment/diagnosis strategies.     

Quis custodiet ipsos custodes?

The design of automated systems for monitoring the performance of large numbers of MPC controllers is presented. The linear-quadratic-Gaussian (LQG) system is treated first, and analytical closed-form probability densities are derived for all variables of interest. The MPC controller’s stage cost is chosen as the key performance index (KPI) to use for monitoring purposes. The stage cost is shown to have a generalized chi-squared distribution in the LQG case. The effects of nonzero, deterministic disturbances and plant/model mismatch on monitoring systems are briefly presented. The problem of determining the disturbance variances required for monitoring is briefly reviewed. Next the case of constrained, linear MPC and nonlinear MPC is discussed. In place of closed-form probability densities, online simulation is proposed as a general method for generating the statistics required for monitoring purposes. An overall conclusion of the paper is that the timing may be ideal for vendors to start offering monitoring products tailored to enhance their advanced MPC control product offerings.     

相异度导引的有监督鉴别分析方法

提出了相异度导引的有监督鉴别分析方法（D-SDA）。结合模式局部信息和全局信息,定义了类内散度权重矩阵[RW]和类间散度权重矩阵[RB],分别表示类内样本的相异度、类间样本的相异度。由[RW]、[RB]导出类内散度矩阵[SW]和类间散度矩阵[SB],根据Fisher鉴别准则函数确定最优变换矩阵。在YALE和AR人脸图像库上的实验验证了这一算法的有效性。     

A virtual metrology model based on recursive canonical variate analysis with applications to sputtering process

In data driven process monitoring, soft-sensor, or virtual metrology (VM) model is often employed to predict product's quality variables using sensor variables of the manufacturing process. Partial least squares (PLS) are commonly used to achieve this purpose. However, PLS seeks the direction of maximum co-variation between process variables and quality variables. Hence, a PLS model may include the directions representing variations in the process sensor variables that are irrelevant to predicting quality variables. In this case, when direction of sensor variables’ variations most influential to quality variables is nearly orthogonal to direction of largest process variations, a PLS model will lack generalization capability. In contrast to PLS, canonical variate analysis (CVA) identifies a set of basis vector pairs which would maximize the correlation between input and output. Thus, it may uncover complex relationships that reflect the structure between quality variables and process sensor variables. In this work, an adaptive VM based on recursive CVA (RCVA) is proposed. Case study on a numerical example demonstrates the capability of CVA-based VM model compared to PLS-based VM model. Superiority of the proposed model is also presented when it applied to an industrial sputtering process.     

基于SCADA参量关联互信息自编码的风电机组故障检测方法

针对风力发电机组数据采集与监视控制系统(supervisory control and data acquisition,SCADA)监测参量间的耦合关联性,提出基于多参数耦合关联互信息编码的风电机组故障检测方法.该方法构建了SCADA数据的耦合关联矩阵,采用互信息变分自编码器对关联矩阵进行编码重构;将SCADA参量关联矩阵的重构误差作为机组健康评估指标,结合指数加权移动平均模型的迭代更新,对机组实时故障阈值进行自适应设置.两个风场的风电机组SCADA数据分析结果表明,所提方法充分利用了SCADA数据的耦合关联结构信息,能有效提高风电机组故障检测的准确性及对环境工况的鲁棒性.     

基于改进偏最小二乘法的多模态过程故障检测方法

针对传统的数据驱动方法偏最小二乘法（PLS）中存在的多模态数据故障检测效果不佳的问题,提出了一种新的故障检测方法——基于局部近邻标准化（LNS）的PLS（LNS-PLS）。首先,利用LNS方法对原始数据进行高斯化处理,在此基础上建立PLS的监控模型,确定T²和平方预测误差（SPE）的控制限;其次,对测试数据同样进行LNS标准化处理,再计算出测试数据的PLS监控指标来进行过程监视及故障检测,解决了PLS中无法处理多模态的问题。将所提方法应用于数值例子和青霉素生产过程,并将其测试结果与主成分分析（PCA）、K最近邻（KNN）、PLS等方法进行对比分析。实验结果表明,所提方法的故障检测效果优于PLS、KNN、PCA,该方法在分类及多模态过程故障检测方面有较高的准确性。     

基于累积平方误差–总平方波动指标的模型预测控制器性能评价及自愈

本文针对模型预测控制器实际投运中遇到性能下降问题,提出了一种基于累积平方误差(ISE)–总平方波动(TSV)指标的模型预测控制器性能评价及自愈方法.先基于累积平方误差(ISE)和总平方波动(TSV)指标对模型预测控制器进行实时性能评价,再根据无限时域模型预测控制器(MPC)的逆特性,基于ISE–TSV指标的分析,提出了...     

基于核正交流形角不相似度的非线性动态过程监测方法

针对过程的非线性和动态特性,提出一种基于核正交流形角不相似度的监测方法.利用两个流形子空间正交向量求取内积矩阵的奇异值,构建基于核正交流形角的不相似度指标,量化评估标准集和测试集的流形子空间的统计量关系.首先,在多流形投影方法的基础上,利用非线性函数将原始过程数据投影到特征空间;其次,引入Gram-Schmidt方法正交化投影向量,形成流形子空间的基向量;再次,对两个流形子空间的内积进行特征值分解,获得核正交流形角,构建不相似度监测模型,该监测指标融合角度和距离度量,能够更好地触发故障警报;最后,通过在TE过程上的仿真实验验证了所提出算法的优越性.     

Constrained model predictive force control of an electrohydraulic actuator

An analytical MPC controller was designed for force control of a single-rod electrohydraulic actuator. The controller based on a difference equation uses short control horizon. The constraints on both input and output variables are taken into consideration by the controller. The mechanism of output constraints satisfaction uses output prediction and makes possible to constrain the output values many sampling instants ahead. Thus, it extends capabilities of the analytical MPC controllers to the field reserved so far for much more computationally expensive numerical MPC algorithms. Results of real life experiments illustrate efficiency of the proposed controller. The results also show that the MPC controller has better tracking performance than conventional P and PI controllers. The MPC controller with the constraint handling mechanisms, though relatively simple, offers very good performance. As the design process is detailed, it is possible to relatively easy adapt the proposed approach to other control plants.