无穷时域优化的间歇过程2D约束容错控制方法技术

本发明专利技术属于自动化技术的先进控制领域，尤其是涉及无穷时域优化的间歇过程2D约束容错控制方法。针对干扰的约束故障控制系统模型设计迭代学习控制律，引入状态误差和输出误差，用Roesser模型将原系统的动态模型转化为一个以预测形式表示的闭环系统模型，将设计约束迭代学习控制律转化为确定约束更新律；根据所设计的无穷优化性能指标和2D系统Lyapunov稳定性理论，以线性矩阵不等式（LMI）约束形式给出确保闭环系统鲁棒渐近稳定的更新律实时在线设计。本发明专利技术解决了控制性能无法随着批次的递增而得到完善，以及初值不确定的间歇过程的控制问题，最终达到节能减耗、降低成本、降低危害人身安全事故的发生。

2D constrained fault-tolerant control for batch processes with infinite horizon optimization

The invention belongs to the advanced control field of automation technology, in particular to the 2D constrained fault tolerant control method for the batch process with infinite time optimization. An iterative learning control law is designed for the model of the interference control system. The state error and the output error are introduced. The dynamic model of the original system is transformed into a closed loop system model expressed in the form of prediction by the Roesser model. The design constraint iterative learning control law is converted to the constraint renewal law. The infinite optimization performance index and the Lyapunov stability theory of 2D system are used to give real-time online design of updating law to ensure robust asymptotic stability of closed loop system by linear matrix inequalities (LMI) constraints. The invention solves the control problem that the control performance can not be improved with the increasing of batch, and the control problem of the batch process with uncertain initial value. Finally, it can save energy, reduce cost and reduce the accident of personal safety.

【技术实现步骤摘要】
无穷时域优化的间歇过程2D约束容错控制方法
本专利技术属于自动化技术的先进控制领域，尤其是涉及一种无穷时域优化的间歇过程2D约束容错控制方法。
技术介绍
间歇过程已成为现代制造业最为重要的生产方式之一，随着生产规模的增大，以及生产步骤复杂程度的增加，实际生产中存在的不确定性日益凸显，不仅影响到了系统的高效平稳运行，甚至威胁到了产品的质量。而且这些复杂的操作条件，相应的增加了系统故障出现的机率。其中，执行器故障是一种常见的故障，会影响工艺过程的操作和降低控制性能，甚至危害人身安全。虽然批次处理过程中出现了诸如迭代学习可靠容错控制等控制方法，能很好地解决了发生执行器故障时系统依然稳定运行的控制问题。但对于具有高精密程度的设备来说，故障发生的可能极低，若不管有没有故障，均使用可靠控制将会造成资源的浪费，长此以往，成本也会增加，显然并不符合节能减排的环保理念。在发生严重故障时可靠控制律可能完全失去控制作用，这种情况下极有可能导致系统崩溃，造成重大的财产损失和人员伤亡。此外，现阶段采用的鲁棒迭代学习可靠控制策略虽然可以有效地抵制生产环节中的不确定性及故障所带来的影响，保证系统的稳定性，维持系统的控制性能，但该控制律是基于整个生产过程而求解得出，在控制效果上属于覆盖全局的优化控制，即自始至终使用同一控制律。然而，在实际运行时，尤其约束系统(所谓约束系统是指其操作变量和被控变量都需满足物理约束)在干扰及故障影响下，系统状态不可能完全按照所求得的控制律作用而变化；若当前时刻的系统状态与设定值发生一定的偏离时，仍继续采用同一控制律，随着时间的推移，系统状态的偏离会愈发增大，而现行的鲁棒迭代学习可靠控制方法无法解决系统状态偏离的问题，这势必会对系统的稳定运行和控制性能产生不良的影响。模型预测控制(MPC)能够很好地满足控制律实时更新修正的需要，通过“滚动优化”和“反馈校正”的方式获得每一时刻的最优控制律，确保系统状态能够尽可能地沿着设定的轨迹运行。然而，现有技术大多采用的是一维形式的无限时域的控制律，批次间缺少“学习”的过程，控制效果并未随着批次的递增而得到改善；还有一种只考虑批次间“学习”的过程，这种方法不能实现初值不确定的间歇过程的控制问题。很显然，针对具有不确定性及故障的约束系统无穷时域优化问题的讨论有待于继续深入。因而急需提出一种新的控制方法来弥补现有方法的不足，以实现批次生产过程中节能减耗、降低成本甚至降低危害人身安全事故发生等目标。现行的预测控制技术大多在一维方向上设计控制律，只考虑时间方向或批次方向，只考虑时间方向使得每一批次只是单纯的重复，控制性能无法随着批次的递增而得到完善；只考虑批次方向不能实现初值不确定的间歇过程的控制问题。
技术实现思路
为了解决上述存在的技术问题，本专利技术提供了一种无穷时域优化的间歇过程2D约束容错控制方法，有效地解决了控制性能无法随着批次的递增而得到完善，以及初值不确定的间歇过程的控制问题，实现了系统不管有没有故障，在变量约束范围内均能实时优化，最终达到节能减耗、降低成本、降低危害人身安全事故发生等目标。本专利技术采用的技术方案如下：无穷时域优化的间歇过程2D约束容错控制方法，包括以下步骤：A、构建具有干扰及执行器故障的间歇过程模型，所述具有干扰及执行器故障的间歇过程模型(1)由(1a)和(1b)表示：且其输入、输出约束满足：其中，t表示时间，k表示批次，中是系统的状态，是系统的输入,是系统的实际输出，分别是输入、实际输出的上界约束值，是系统外部未知干扰，并且ΔA是未知不确定系统摄动矩阵，ΔA(t,k)＝DΔ(t,k)E，Δ(t,k)ΔT(t,k)≤I，{A,B2,C2}是适当维数的系统矩阵，{D,E}是适当维数的常数矩阵,I是适当维数的单位矩阵；定义不同的α值表示执行器不同的故障类型，当α＞0时，表示部分失效故障；当α＝0时，表示完全失效故障，不涉及最优控制器的问题；对于执行器部分失效，α＞0需满足如下形式：式中α(α≤1)，和是已知的常数；B、将具有干扰及执行器故障的间歇过程动态模型转化为一个以预测值形式表示的闭环系统模型，对于模型(1)，引入下面迭代学习控制律：u(t,k)＝u(t,k-1)+r(t,k),u(0,k)＝0,t＝0,1,2,…T(3)其中，u(0,k)是迭代的初值，通常被设置为0，迭代学习更新律；定义批次方向上的状态误差及输出误差如下：δk(f(t,k))＝f(t,k)-f(t,k-1)(4a)由模型(1)和迭代学习控制律(3)得到：其中，则扩维的误差模型用Roesser模型写成以下形式：其中：C3＝[00I]，并假设分适维向量的水平和垂直状态分量，Z(t,k)是系统的被控输出；C、对具有干扰及执行器故障的间歇过程模型设计出迭代学习控制律，对于上述模型(6)设计2D预测容错控制器，达到在最大干扰及最大故障下的最小优化控制，即使模型(6)达到稳态且在每一时刻满足下面的鲁棒性能指标：限制：并且Q(Q＞0)和R(R＞0)是适当维数的加权矩阵，r(t+i|t,k)是时刻t对t+i时刻输入的预测值，并且r(t,k)＝r(t|t,k)，代表输入增量；定义状态反馈控制律，使系统达到二次稳定，选取的更新律为：则(6)的闭环预测模型表示为利用2DLyapunov函数证明系统的稳定，定义Lyapunov函数为：其中模型(6)在故障允许范围内依然能平稳运行，必须满足：(1)2D李亚普诺夫函数不等式约束：(2)存在适当维数的矩阵Mj,H,Y和适当维数的非奇异矩阵G，任意标量ε＞0,θ＞0,γj＞0可使得下面的矩阵不等式成立：且且其中，T1＝-(G+GT-Mj),此时最优性能指标满足J∞(t,k)≤θ；鲁棒更新律增益为K(t,k)＝YG-1；因此，进一步更新律表示为：将其带入u(t,k)＝u(t,k-1)+r(t,k)，便可得到2D约束迭代学习控制律设计u(t,k)，在下一时刻，不断重复(11a)-(11b)继续求解新的控制量u(t,k)，并依次循环。调节矩阵Q(Q＞0)和R(R＞0)，给定初值x(t|t,k)，求解式(11a)-(11d)，找到θ最小时的Y,G，不同时刻x(t|t,k)会不同，K(t,k)也会随时间不断改变；若系统没发生故障，将利用正常系统控制器；故障不同，K(t,k)值也会不同，若α＝0，则有不等式(11a)β＝β0＝0，此时(11a)式可能不满足小于零条件，体现在实际过程中就是控制器不在起作用，系统不稳，状态很快偏离原有轨迹。此时就应该检查设备，甚至停机处理。从这一点来说，降低危害人身安全事故发生。与现有技术相比，本专利技术的有益效果为：本专利技术的优点和有益效果是在干扰的故障控制系统模型基础上设计出迭代学习控制律，引入状态误差和输出误差，用Roesser模型将原系统的动态模型转化为一个以预测形式表示的闭环系统模型，将设计迭代学习控制律转化为确定更新律；根据所设计的无穷优化性能指标和2D系统Lyapunov稳定性理论，以线性矩阵不等式(LMI)约束形式给出确保闭环系统鲁棒渐近稳定的更新律实时在线设计，有效地解决了控制性能无法随着批次的递增而得到完善，以及初值不确定的间歇过程的控制问题，实现系统不管有没有故障，在变量约束范围内均能实时优化。最终达到节能减耗、降低成本、降本文档来自技高网...

【技术保护点】
无穷时域优化的间歇过程2D约束容错控制方法，其特征在于：包括以下步骤：A、构建具有干扰及执行器故障的约束间歇过程模型，所述具有干扰及执行器故障的间歇过程模型(1)由(1a)和(1b)表示：

【技术特征摘要】
1.无穷时域优化的间歇过程2D约束容错控制方法，其特征在于：包括以下步骤：A、构建具有干扰及执行器故障的约束间歇过程模型，所述具有干扰及执行器故障的间歇过程模型(1)由(1a)和(1b)表示：且其输入、输出约束满足：其中，t表示时间，k表示批次，中是系统的状态，是系统的输入,是系统的实际输出，分别是输入、实际输出的上界约束值，是系统外部未知干扰，并且ΔA是未知不确定系统摄动矩阵，ΔA(t,k)＝DΔ(t,k)E，Δ(t,k)ΔT(t,k)≤I，{A,B2,C2}是适当维数的系统矩阵，{D,E}是适当维数的常数矩阵,I是适当维数的单位矩阵；定义不同的α值表示执行器不同的故障类型，当α＞0时，表示部分失效故障；当α＝0时，表示完全失效故障，不涉及最优控制器的问题；对于执行器部分失效，α＞0需满足如下形式：式中和是已知的常数；B、将具有干扰及执行器故障的间歇过程动态模型转化为一个以预测值形式表示的闭环系统模型，对于模型(1)，引入下面迭代学习控制律：u(t,k)＝u(t,k-1)+r(t,k),u(0,k)＝0,t＝0,1,2,…T(3)其中，u(0,k)是迭代的初值，通常被设置为0，迭代学习更新律；定义批次方向上的状态误差及输出误差如下：δk(f(t,k))＝f(t,k)-f(t,k-1)(4a)由模型(1)和迭代学习控制律(3)得到：其中，则扩维的误差模型用Roesser模型写成以下形式：其中：C3＝[00I]，并假设分适维向量的水平和垂直状态分量，Z(t,k)是系统的被控输出；C、对具有干扰及执行器故障的间歇过程模型设计出迭代学习控制律，对于上述模型(6)设计2D预测容错控制器，达到在最大干扰及最大故障下的最小优化控制，即使模型(6)达到稳态且在每一时刻满足下面的鲁棒性能指标：

【专利技术属性】
技术研发人员：王立敏，罗卫平，余维燕，王鹏，
申请(专利权)人：海南师范大学，
类型：发明
国别省市：海南,46