槽式反应器基于支持向量机的非线性模型预测控制方法技术

本发明专利技术公开了一种槽式反应器基于支持向量机的非线性模型预测控制方法，属于工业自动控制领域，该控制方法由支持向量机开环辨识回路以及闭环控制回路组成。主要包括支持向量机及其黑箱辨识器、控制对象槽式反应器、内部预测模型、反馈校正与闭环输出、非线性控制器设计、参考轨迹。支持向量机根据学习数据辨识出槽式反应器的非参数内部预测模型，利用过去和未来的输入输出信息，根据内部模型，预测系统未来的输出状态，用模型输出误差进行反馈校正得到闭环输出以后，再与参考输入轨迹进行比较，应用二次型性能指标进行滚动优化，计算得到当前时刻应加于系统的单步或多步预测解析控制律，使反应器温度控制到设定值附近，完成整个控制循环。

A nonlinear model predictive control method based on support vector machines for a tank reactor

The invention discloses a tank reactor nonlinear model of support vector machine based on predictive control method, belonging to the field of industrial automatic control, the control method by the support vector machine open-loop identification circuit and closed-loop control circuit. It mainly includes support vector machines and their black box identifier, control object, slot reactor, internal prediction model, feedback correction and closed-loop output, nonlinear controller design and reference trajectory. Support vector machine learning according to the data to identify the non parametric prediction model of internal tank reactor, the past and future of the input and output information, according to the internal model, the future output prediction system, after using the model output error feedback correction by closed-loop output, and then compared with the reference input trajectory, using two times of performance the index of rolling optimization, calculated at the current time step should be added to a system or multi step predictive analytical control law, the reactor temperature control to the set value, to complete the control cycle.

【技术实现步骤摘要】

本专利技术涉及工业自动控制领域，尤其是涉及一种。
技术介绍
槽式反应器(CSTR)是一典型的化工过程，由于它固有的非线性特性，经常用来作为一个典型的严重非线性对象来对设计的各种控制方法进行检验。CSTR的原理示意简图见图1。一单级不可逆放热反应A→B(A代表进入反应器的化学物质，B代表反应后的产物)在反应器中进行，通过流经冷却夹套的传热流体(C代表传热流体的进入，D代表传热流体的流出)来控制整个化学反应的特性。整个过程可用如下一组非线性微分方程来描述VdAdt=λqA0+q(1-λ)A(t-α)-qA(t)-VK0expA(t)---(1)]]>VCaηdAdt=qCaη+V(-ΔH)K0expA(t)-U(T(t)-Tw)---(2)]]>式中当t∈，有A(t)＝1(t)，T(t)＝2(t)。其中A(t)是化学物质A的浓度，T(t)是温度，其余参数α，λ，q，A0，V，K0，-e/R，Ca，η，(-ΔH)，U，Tw都是正的。利用归一化技术x1(t)=A0-A(t)A0,x2(t)=T(t)-T0T0(-ERT(t))]]> tnew=tv,v=Vqλ,τ=αv,γ0=ERT(t)]]>β=UvVCaη,Da=K0vexp(-γ0)]]> H=(-ΔH)A0ECaηT02R,u(t)=T0-TwT0(-ERT(t))]]>则式(1)和(2)为x·1(t)=-1λx1(t)+Da(1-x1(t))exp(x2(t)1+x2(t)/γ0)+(1λ-1)x1(t-τ)---(3)]]>x·2(t)=-(1λ+β)x2(t)+HDa(1-x1(t))exp(x2(t)1+x2(t)/γ0)+(1λ-1)x2(t-τ)+βu(t)---(4)]]>x1(t)＝θ1(t)t∈，i＝1，2. x1(t)＝0t≤-τ，i＝1，2. 状态变量x1(t)对应于反应物的无量纲浓度，有0≤x1(t)≤1，x2(t)是无量纲温度，控制变量u(t)是流经冷却夹套的传热流体的无量纲速率。假设这过程中只有温度可以被直接测量y(t)=01x1(t)x2(t)]]>则整个系统输入为u(t)，输出为x2(t)。最早应用于槽式反应器(CSTR)的模型预测控制算法(可以分为两类，一是基于非参数模型的预测控制算法，主要有Richalet和Mehra等提出的建立在脉冲响应基础上的模型预测启发控制(MPHC)，或称模型算法控制(MAC)，以及Culter等提出的建立在阶跃响应基础上的动态矩阵控制(DMC)。另一类是基于参数模型的预测控制算法，主要有Clarke的广义预测控制(GPC)，Lelic的广义预测极点配置控制(GPP)。模型预测控制算法的基本组成为(1)内部预测模型，(2)参考轨迹，(3)滚动优化策略，(4)反馈校正与闭环输出。模型预测控制的一般步骤是在当前时刻，利用过去和未来的输入输出信息，根据内部预测模型，预测系统未来的输出状态，经过用模型输出误差进行反馈校正以后，再与参考输入轨迹进行比较，应用二次型性能指标进行滚动优化，然后计算当前时刻应加于系统的控制动作，完成整个控制循环。其基本思想就是先预测后控制，效果明显优于先有信息反馈，再产生控制动作的经典反馈控制系统。槽式反应器(CSTR)过程是本质非线性的，而传统的模型预测控制算法都是建立在线性的预测模型基础上的，预测模型误差大，控制效果不是很好，严重的非线性使得这些预测控制技术达不到理想的效果，另外，从理论上来说，研究非线性模型预测控制技术具有重要的实际意义，象CSTR这类复杂的化学工程设备必须要使用非线性模型预测控制技术才能达到比较好的控制效果。然而，非线性模型预测控制的发展远不如人意，主要是因为非线性预测控制存在的几个难点，也就是非线性预测控制当前急需要解决的问题是模型(1)对象精确的非线性模型很难获取，通常通过传递函数或状态空间法获取的模型很难用于控制之用。(2)非线性滚动优化的解很难解析获取，一般只能通过数值寻优获取，不能保证是全局最优。当前，非线性模型预测控制技术主要使用神经网络理论和模糊控制理论。利用神经网络或模糊理论建立非线性对象的近似模型，然后利用数值寻优或模糊规则表获取控制律的次优解。在这方面，虽然取得了一定的研究成果，但也存在着很多的问题。神经网络虽然能无限逼近非线性对象，但几何拓扑难以确定，学习速度慢，容易陷入局部最小以及产生过学习现象，推广泛化能力差。另外，采用梯度下降等数值寻优的方法获取控制律，不仅速度慢，而且不是最优的。模糊控制理论，利用隶属函数和规则表确立对象模型以及获取控制律，不仅不能动态的反应系统的特性，而且需要大量的先验知识，带有人的主观因素。因此，有必要寻找一种新的方法来完成非线性模型预测问题，解决上述提到的两大难点，即建立较为精确的非线性预测模型并获取滚动时域目标函数下的最优控制律。
技术实现思路
本专利技术的目的在于提供一种。本专利技术解决其技术问题所采用的技术方案是1.一种，该预测控制方法包括1)基于支持向量机的非线性系统模型黑箱辨识器，该辨识器能够利用学习数据得到槽式反应器的输入输出非参数内部非线性预测模型；2)在当前时刻k，根据预测模型需要，利用过去和未来的输入输出信息，通过基于支持向量机内部非线性预测模型，预测系统未来的输出状态ym，根据系统在时刻k的误差e，进行反馈校正以后得到预测闭环输出yp，然后与原先设定的参考轨迹yr进行比较，应用二次型性能指标的控制器进行滚动优化，计算当前时刻应加于系统的控制动作u，使系统下一步输出，即槽式反应器的温度接近并最终到达设定值ysp，完成整个控制循环。2.所述的基于支持向量机内部非线性预测模型是通过2次核函数的支持向量机根据学习数据由黑箱辨识获得的，是非参数形式的，只和槽式反应器的输入与输出有关系。3.所述的支持向量机由支持向量，支持向量系数以及非线性核函数等构成的，而支持向量及其系数是由支持向量机凸优化问题得到的，是全局最优的。4.所述的控制器能执行单步或多步预测，控制律不是通过数值寻优获取的，而是解析获得的。5.所述的控制器采用滚动时域下的二次型目标函数，并且控制律是此目标函数下全局最优的。本专利技术具有的有益的效果是1.无需使用经验知识，也无需深入了解控制对象槽式反应器的机理特性，只需使用输入和输出的数据就可实现非线性对象的黑箱辨识，辨识过程简单，可调参数少，学习速度快，非线性拟合精度高，推广泛化能力强，无过学习现象和陷入局部解的困惑；2.充分利用传统模型预测控制技术的优点，引入参考轨迹，反馈校正和滚动优化技本文档来自技高网...

【技术保护点】
一种槽式反应器基于支持向量机的非线性模型预测控制方法，其特征在于该预测控制方法包括：　１）基于支持向量机的非线性系统模型黑箱辨识器，该辨识器能够利用学习数据得到槽式反应器的输入输出非参数内部非线性预测模型；２）在当前时刻ｋ， 根据预测模型需要，利用过去和未来的输入输出信息，通过基于支持向量机内部非线性预测模型，预测系统未来的输出状态ｙ↓［ｍ］，根据系统在时刻ｋ的误差ｅ，进行反馈校正以后得到预测闭环输出ｙ↓［ｐ］，然后与原先设定的参考轨迹ｙ↓［ｒ］进行比较，应用二次型性能指标的控制器进行滚动优化，计算当前时刻应加于系统的控制动作ｕ，使系统下一步输出，即槽式反应器的温度接近并最终到达设定值ｙ↓［ｓｐ］，完成整个控制循环。

【技术特征摘要】

【专利技术属性】
技术研发人员：皮道映，钟伟民，孙优贤，
申请(专利权)人：浙江大学，
类型：发明
国别省市：86[中国|杭州]