Hammerstein非线性动态系统的建模及其连续搅拌反应器浓度控制技术方案

本发明专利技术提供一种Hammerstein非线性动态系统的建模及其连续搅拌反应器浓度控制，利用Hammerstein非线性动态系统建立连续搅拌反应器模型，利用三层BP神经网络逼近静态非线性模块，利用传递函数模型建立线性动态模块模型，在该方法中，首先根据二进制信号的输入输出数据，采用最小二乘方法估计模型中动态线性模块的参数；其次，基于随机信号的输入输出数据，通过含有动量因子的随机梯度下降寻优算法估计模型中静态非线性模块的参数；最后，利用Hammerstein非线性系统的特殊结构将连续搅拌反应器系统的反应物浓度控制问题转化为线性系统控制问题，简化了控制系统的设计，取得到较好的控制效果。较好的控制效果。较好的控制效果。

【技术实现步骤摘要】
Hammerstein非线性动态系统的建模及其连续搅拌反应器浓度控制


[0001]本专利技术属于过程工业领域，涉及一种Hammerstein非线性动态系统的建模及其连续搅拌反应器浓度控制，该方法适用化工、生物制药、石油生产等相关领域。

技术介绍

[0002]目前，在非线性动态系统的建模和控制研究领域中，一类新颖的块结构非线性动态系统成为当前研究的热点。在块结构非线性动态系统中，Hammerstein非线性动态系统是一类具有特定结构的典型非线性系统，同时结合了静态非线性模块和线性动态模块，该系统能较好地描述工业设备和过程，如发酵生物反应器系统、连续搅拌反应釜、中和过程、蒸馏塔等非线性过程。
[0003]Hammerstein非线性动态系统的建模研究主要分为静态非线性模块的建模和线性动态模块的建模，重点在于研究具有高精度、外延性的非线性模块的建模方法，如：基函数、多项式、样条函数、分段线性函数、支持向量机、神经网络、模糊系统等方法。这些方法具体可以分为两类：(1)假设非线性是一些已知非线性基的线性组合，如多项式、样条函数、分段线性函数以及支持向量机，但在研究多变量系统时，这种方法需要大量的参数和很高的阶；(2)基于数据的非线性模型，如神经网络、模糊系统，这类方法能够较好地逼近非线性系统，并且适用于非线性模型难于参数化的情况。
[0004]在建立Hammerstein系统各串联模块的模型后，再利用一系列的参数估计方法估计模型中的未知参数。在获得具体的模型后，利用静态非线性模块的可逆原理将Hammerstein非线性动态系统控制问题转化为线性系统控制问题，这对过程工业中非线性控制系统的设计具有重要的理论和实际意义。目前在非线性系统的建模及其控制方法研究中取得许多重要成果，形成了各具特色的理论方法，但依然存在以下几方面问题：
[0005]1.复杂工业过程具有强非线性和不确定性等特征导致难以建模问题，如何建立满足过程特性的Hammerstein非线性系统的数学模型是求解优化问题和实行有效控制的基础；
[0006]2.Hammerstein非线性系统的参数估计方面，现有的参数估计方法中往往含有系统参数的乘积项，需要采用分解技术实现参数的分离，增加了计算的复杂性和参数估计的难度。如何利用利用有效的参数估计方法降低计算复杂性，提高系统参数估计精度和鲁棒性；
[0007]3.在非线性系统的控制方面，现有的复合控制策略能够取得良好的控制效果，但仍存在计算量大，控制规律复杂的缺陷。如何运用更有效的控制方法降低计算量和控制规律的复杂度，实现对非线性系统的高效控制。

技术实现思路

[0008]为解决现有技术中存在的上述问题，本专利技术提供了一种Hammerstein非线性动态
系统的建模及其连续搅拌反应器浓度控制。
[0009]Hammerstein非线性系统由静态非线性模块和线性动态模块串联组成，利用三层BP神经网络逼近Hammerstein非线性系统的静态非线性模块，利用传递函数模型建立线性动态模块模型，在此基础上，运用二进制
‑
随机复合信号估计静态非线性模块和线性动态模块的参数，进一步利用获得的模型设计控制系统，并应用于连续搅拌反应器系统的反应物浓度控制。在该方法中，首先根据二进制信号的输入输出数据，采用最小二乘方法估计模型中动态线性模块的参数；其次，基于随机信号的输入输出数据，通过含有动量因子的随机梯度下降寻优算法估计模型中静态非线性模块的参数；最后，利用Hammerstein非线性系统的特殊结构将连续搅拌反应器系统的反应物浓度控制问题转化为线性系统控制问题，简化了控制系统的设计，取得到较好的控制效果。
[0010]首先对本专利技术中出现的技术名词作以下说明：
[0011]Hammerstein非线性动态系统：是一类具有特定结构的典型非线性系统，由了静态非线性模块和线性动态模块串联而成，能够有效描述一大类非线性工业过程。
[0012]静态非线性模块：指模块具有静态特性，即输入为不随时间变化的信号时，其输出量与输入量之间所具有的非线性关系。
[0013]线性动态模块：指模块具有动态特性，即输入为随时间变化的信号时，其输出量与输入量之间所具有的线性关系。
[0014]二进制
‑
随机复合信号：是由二进制信号和随机信号组合而成。
[0015]含有动量因子的随机梯度下降寻优算法：是基于随机信号的输入输出数据，利用误差反向传播算法学习神经网络的输入层至隐含层权值以及隐含层至输出层权值，为了使学习过程不发生振荡，加快收敛，在学习算法中加入动量因子。
[0016]连续搅拌反应器系统：是一种使发酵原料和微生物处于完全混合状态的厌氧处理技术，反应过程包括物料的物理和化学的变化，表征其特性的参数包括温度、浓度以及流速等。在该系统中，F表示流速，是系统的输入，C
B
表示反应物B的浓度，是系统的输出。该反应的目的是通过流速F控制浓度C
B
。
[0017]本专利技术具体采用如下技术方案：
[0018]步骤1：确定连续搅拌反应器系统的控制方程以及与反应物浓度有关的特征参数。
[0019]连续搅拌反应器系统是一类典型的非线性动态系统，由非线性微分方程和线性微分方程两部分组成，其特性可以利用下列数学表达式表示：
[0020][0021][0022]其中，C
A
表示反应器中反应物A的浓度，C
B
表示反应器中反应物B的浓度，F表示流速，k1、k2和k3为动力学参数，C
Af
表示反应物A的进料浓度，V是反应器的容积。反应物A到反应物B是一个动态反应。
[0023]在上述方程中，通过简化将反应物A的浓度C
A
消掉，得到流速F与反应物B的浓度C
B
之间的关系。因此，在系统建模时只需要考虑流速F与浓度C
B
之间的关系即可。
[0024]步骤2：根据步骤1中的控制方程和特征参数，利用Hammerstein非线性动态系统建
立连续搅拌反应器系统模型。
[0025]为了对连续搅拌反应器系统进行有效控制，利用Hammerstein非线性动态系统建立连续搅拌反应器模型，即利用Hammerstein系统的静态非线性模块拟合连续搅拌反应器系统非线性微分方程，利用Hammerstein系统的线性动态模块逼近连续搅拌反应器系统线性微分方程。在Hammerstein非线性动态系统中，本专利技术利用三层BP神经网络近似Hammerstein非线性系统的静态非线性模块，利用传递函数模型逼近线性动态模块模型。因此，Hammerstein非线性动态系统的数学表达式表示为：
[0026]v(k)＝f(F(k))
[0027][0028]其中，k表示采样时间；C
B
(k)为系统输出，即浓度，F(k)为系统输入，即流速；v(k)＝f(F(k))为静态非线性模块的表达式本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种Hammerstein非线性动态系统的建模及其连续搅拌反应器浓度控制，其特征在于：包括以下步骤：步骤1：确定连续搅拌反应器系统的控制方程以及与反应物浓度有关的特征参数；步骤2：根据步骤1中的控制方程和特征参数，利用Hammerstein非线性动态系统建立连续搅拌反应器系统模型；步骤3：将流速转化为二进制信号输入F(k)步骤2的连续搅拌反应器系统模型中，实现Hammerstein非线性动态系统中各串联模块参数辨识的分离；步骤4：在步骤2和步骤3的基础上，根据连续搅拌反应器系统的二进制输入F(k)和相应的浓度输出C
B
(k)，利用Lipschitz商准则确定传递函数模型的阶次，再采用标准最小二乘方法辨识Hammerstein非线性动态系统中线性动态模块的参数；步骤5：采用含有动量因子的随机梯度下降寻优算法求解Hammerstein非线性动态系统中静态非线性模块的参数；步骤6：根据步骤4和步骤5获得的Hammerstein非线性动态系统各串联模块的参数估计，建立了连续搅拌反应器系统，在此基础上利用Hammerstein非线性动态系统中的静态非线性模块的可逆原理将连续搅拌反应器系统的反应物浓度控制问题转化为线性系统控制问题，进而采用线性控制器对浓度进行控制。2.如权利要求1所述的Hammerstein非线性动态系统的建模及其连续搅拌反应器浓度控制，其特征在于：所述连续搅拌反应器系统的控制方程由非线性微分方程和线性微分方程两部分组成，其特性用下列数学表达式表示：非线性微分方程：线性微分方程：其中，C
A
表示反应器中反应物A的浓度，C
B
表示反应器中反应物B的浓度，F表示流速，k1、k2和k3为动力学参数，C
Af
表示反应物A的进料浓度，V是反应器的容积；反应物A到反应物B是一个动态反应；在上述方程中，通过简化将反应物A的浓度C
A
消掉，得到流速F与反应物B的浓度C
B
之间的关系。3.如权利要求2所述的Hammerstein非线性动态系统的建模及其连续搅拌反应器浓度控制，其特征在于：步骤2中的Hammerstein非线性动态系统包括静态非线性模块和线性动态模块，利用Hammerstein非线性动态系统的静态非线性模块拟合连续搅拌反应器系统非线性微分方程，利用Hammerstein非线性动态系统的线性动态模块逼近连续搅拌反应器系统线性微分方程。4.如权利要求3所述的Hammerstein非线性动态系统的建模及其连续搅拌反应器浓度控制，其特征在于：步骤2中在Hammerstein非线性动态系统中，利用三层BP神经网络近似Hammerstein非线性动态系统的静态非线性模块，利用传递函数模型逼近Hammerstein非线性动态系统的线性动态模块，因此，Hammerstein非线性...

【专利技术属性】
技术研发人员：李峰，郑天，王翔，陶为戈，王田虎，
申请(专利权)人：江苏理工学院，
类型：发明
国别省市：