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, ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。