论文部分内容阅读
随着科技发展,工业过程系统日趋复杂,建立过程系统准确的机理模型也变得越来越困难,但这些过程每天都产生并存储着大量的数据信息,因此数据驱动方法应运而生,并得到了广泛的关注,而数据驱动控制也成为控制学术界和工业界研究热点,所谓数据驱动控制,简单地讲,就是直接从数据到控制器设计的控制理论和方法。模型预测控制(MPC)在控制理论领域被广泛关注,成为现代控制主流方法之一,随着计算能力的提高,MPC已经成为工业控制领域比较常见的控制策略之一。MPC最典型的特征包括:可处理多变量控制问题,可处理输入输出物理约束,可适应结构变化。子空间辨识方法是一类状态空间模型的系统辨识方法,该方法彻底将控制工作者从繁琐的机理建模中解脱出来,只要具有足够多的过程输入输出数据就可以通过辨识方法得到过程较为准确的状态空间模型。而更具吸引力的是,子空间辨识过程中得到的子空间预估器可直接作为预测控制器的预测模型输出,形成数据驱动预测控制方法,并在实际工业过程中得到了应用,取得了良好的效益。本论文的主要工作包括: ①介绍了子空间辨识方法的基础知识,并提供了一种适用于工业过程的子空间辨识算法——PO-MOESP(past output-multivariable output error state space),该算法以子空间辨识基本算法为基础推导而来,既包含了系统的随机性部分,也包含了系统的确定性部分。通过某电厂的负压仿真实例验证了算法的有效性。 ②提出了一种在闭环条件下实现自适应过程的数据驱动预测控制方法,该方法可以应用于闭环条件下较长时域的工业非线性、时变系统,不需要获得系统准确模型,可以降低复杂性。因预测模型输出为设计预测控制器的关键,从闭环子空间辨识算法得到子空间预估器矩阵,进而可利用子空间预估器构造预测模型输出。通过变换系统模型形式,推导出闭环子空间辨识算法。结合滚动窗口和递推方法的优点,实施在线更新子空间矩阵的自适应策略。利用滚动窗口方法中的固定数据集大小,通过递推方法来求取子空间预估器矩阵,这样既可以降低递推方法中旧数据对系统的影响,也可以减小滚动窗口方法中的计算量。与此同时,引入数据检查策略以消除不良数据对系统的影响。所提方法重点解决了两个问题:消除因为不充分激励而形成的不良数据和闭环条件下实现自适应策略。仿真实例验证了所提方法的有效性。 ③针对连续时间、LPV和连续时间LPV系统,将辨识问题延伸到控制问题,求取了用于设计数据驱动预测控制器的关键子空间预估器矩阵,使得该控制器在实际工业过程方面更具吸引力。 1)连续时间系统的数据驱动预测控制方法。首先,利用拉格朗日滤波器对连续时间系统模型进行转换,得到子空间预测输出。然后,对构造的输入输出和拉格朗日矩阵进行QR分解得到子空间预估器,将子空间预估器用于构造增量型未来预测输出值,进而设计出连续子空间预测控制器。最后,通过工业蒸发器系统过程控制仿真试验,验证了所提出控制方法的有效性。 2) LPV系统的数据驱动预测控制方法。首先通过子空间辨识算法获得LPV系统的子空间预测输出。然后,对构造的输入输出矩阵进行QR分解得到子空间预估器,将子空间预估器用于设计模型预测控制器。该控制器包含了积分作用,可消除稳态误差。最后,通过风机扑翼动力学系统的仿真实验,证明了控制器的有效性。 3)连续时间LPV系统的数据驱动预测控制方法。首先,利用拉格朗日滤波器获取连续时间LPV系统的子空间预测输出,然后,利用输入输出数据,对构造的输入输出和拉格朗日矩阵进行QR分解得到子空间预估器,并用于预测控制器的设计。所提方法的亮点在于面对连续时间LPV系统时可以达到良好的控制性能。通过风机的仿真试验验证了所提方法的有效性。 ④针对开环和闭环Hammerstein-Wiener系统,提出一种基于子空间辨识的数据驱动预测控制方法。该方法的主要特点在于: 1)不需要辨识出系统状态空间模型(A,B,C,D),只需要存储在系统中的输入输出数据即可求取预测控制作用。 2)通过递归变换,开环和闭环系统转换为统一的形式来获取子空间预测输出,因此适用于开环和闭环系统。 3)算法推导中仅依赖一些简单的代数计算工具,如利用QR分解得出子空间预估器矩阵,使得方法更为简单有效。 4)设计包含子空间预估器的增量型非线性代价函数,获取控制输入,大大降低了计算量。 该方法分别基于开环和闭环,通过递归变换从Hankel矩阵中获取子空间预测输出。因输出非线性函数由多项式表示,子空间预估器矩阵需要通过QR分解和其他代数工具求解,进而将子空间预估器用于包含积分作用的预测控制器的设计。通过一个四阶非线性模型验证了 Hammerstein-Wiener辨识模型的准确性;将此控制方法应用于生物发酵反应器过程控制的仿真试验,仿真结果说明了该方法的优越性。 上述三种数据驱动预测控制方法都是要得到关键的子空间预估器,但系统模型不同,构造的Hankel矩阵不同,推导得到子空间预估器的方法也是不同的。在②中,只需要对输入输出矩阵进行QR分解得到子空间预估器。在③中,需从构造的输入输出和拉格朗日矩阵中推导得到子空间预估器。在④中,需从非线性函数矩阵中推导得到子空间预估器。