一种连续反应釜的模糊自适应迭代学习控制方法和装置制造方法及图纸

本申请属于工业过程控制技术领域，公开了一种连续反应釜的模糊自适应迭代学习控制方法和装置，其方法包括：建立CSTR系统状态空间模型；获取CSTR系统的当前运行批次的状态信息；构建模糊自适应迭代学习控制器的控制信号方程，得到当前运行批次的控制信号；将控制信号进行修正并输入到系统执行器，得到系统执行器的输出信号，将输出信号作用于CSTR反应系统，得到CSTR反应系统的实际输出结果；根据实际输出结果和目标输出结果，得到跟踪误差，基于跟踪误差修正模糊自适应迭代学习控制器控制信号方程的参数及其自适应项，更新下一运行批次的控制信号；经过多次迭代更新，直至达到预设控制精度，停止迭代学习。提升了反应釜系统的抗干扰能力，提高了控制精度。提高了控制精度。提高了控制精度。

【技术实现步骤摘要】
一种连续反应釜的模糊自适应迭代学习控制方法和装置


[0001]本申请涉及工业过程控制
，尤其涉及一种连续反应釜的模糊自适应迭代学习控制方法和装置。

技术介绍

[0002]连续搅拌反应釜(Continuous Stirred Tank Reactor，CSTR)在现代工业生产中起着重要的作用，绝大部分的行业例如化学工业、医药工业、生物燃料等的生产和制造也都会使用到连续反应釜这种生产设备。但是由于反应时超温超压、机器磨损、元件老化等问题，导致控制系统的执行器故障，这是行业最常见的、危害性也比较大的一种现象，不仅会降低系统的控制性能，甚至会发生生产安全事故，造成重大损失。由于连续反应釜是一个重复运动的系统，具有重复性，每一批产品进来之后都会以同样的方法进行加工反应，但由于环境不同、产品不同，反应的初始条件也不同，进而导致理想的反应物浓度曲线不同。这些不利条件使得反应物不能在理想状态下进行反应，导致反应产能不高，精度不高，影响产品的质量。目前使用的PID控制在复杂的非线性CSTR反应系统中，当CSTR反应系统受到外部干扰时，现有技术无法应对干扰，使得系统容易偏离既定工作点，不能自行作出相应的措施，控制精度低。

技术实现思路

[0003]为此，本申请的实施例提供了一种连续反应釜的模糊自适应迭代学习控制方法和装置，实现了提高反应釜系统的抗干扰能力，提高了控制精度。
[0004]第一方面，本申请提供一种连续反应釜的模糊自适应迭代学习控制方法。
[0005]本申请是通过以下技术方案得以实现的：<br/>[0006]一种连续反应釜的模糊自适应迭代学习控制方法，所述方法包括：
[0007]S10：建立连续反应釜系统的状态空间模型，基于所述状态空间模型，获取所述连续反应釜系统的当前运行批次的状态信息；
[0008]S20：在模糊控制器基础上添加自适应项，构建模糊自适应迭代学习控制器的控制信号方程；
[0009]S30：基于当前运行批次的状态信息和上一运行批次的跟踪误差，通过所述模糊自适应迭代学习控制器的控制信号方程，得到当前运行批次的控制信号；
[0010]S40：将所述控制信号输入到系统执行器，并根据所述系统执行器的故障，对所述控制信号进行修正，得到所述系统执行器的输出信号，将所述输出信号作用于所述连续反应釜系统，得到所述连续反应釜系统的实际输出结果；
[0011]S50：根据所述连续反应釜系统的实际输出结果和目标输出结果，得到所述连续反应釜系统的跟踪误差，基于所述跟踪误差修正所述模糊自适应迭代学习控制器的控制信号方程的参数及其自适应项，更新下一运行批次的控制信号；
[0012]S60：重复执行S30至S50，经过多次迭代更新，直至达到预设控制精度，停止迭代学
习，输出最终控制信号。
[0013]在本申请一较佳的示例中可以进一步设置为基于系统执行器故障，根据所述系统执行器的故障，对所述控制信号进行修正，得到所述系统执行器的输出信号的步骤具体为：
[0014]基于系统执行器的乘性故障和加性故障，对所述控制信号进行修正：u(t,k)＝U(τ(t,k),t)＝M(t)τ(t,k)+N(t)，
[0015]其中，M(t)表示乘性故障，N(t)表示加性故障，τ(t,k)表示系统执行器的控制信号，u(t,k)表示系统执行器的输出信号。
[0016]在本申请一较佳的示例中可以进一步设置为，所述乘性故障具体为：
[0017]M(t)＝0.2sint+0.8。
[0018]在本申请一较佳的示例中可以进一步设置为，所述加性故障具体为：
[0019]N(t)＝0.2sint。
[0020]在本申请一较佳的示例中可以进一步设置为，所述在模糊控制器基础上添加自适应项，构建模糊自适应迭代学习控制器的控制信号方程的步骤为：
[0021]通过模糊规则，根据所述状态信息和目标输出结果得到模糊参数向量的估计值，将所述模糊参数向量的估计值乘以模糊基函数向量，再加上与系统执行器故障有关的自适应项得到模糊自适应迭代学习控制器的控制信号方程。
[0022]在本申请一较佳的示例中可以进一步设置为，所述与系统执行器故障有关的自适应项的表达式具体为：
[0023][0024]其中，θ表示设计参数，表示t时刻第k批次的自适应项，表示t时刻第k
‑
1批次的自适应项，v(t,k)表示离散序列，G(v(t,k))表示离散Nussbaum增益，κ(t,k)表示开关信号，B(t,k)表示系统增强辅助信号，A(t,k)表示增强误差。
[0025]在本申请一较佳的示例中可以进一步设置为，所述模糊自适应迭代学习控制器的控制信号方程：
[0026][0027]其中，τ(t,k)表示t时刻第k运行批次的控制信号，是与系统执行器故障有关的自适应项，表示模糊参数向量的估计值，表示模糊基函数向量。
[0028]在本申请一较佳的示例中可以进一步设置为，所述基于所述跟踪误差修正所述模糊自适应迭代学习控制器的参数及其自适应项的步骤，还包括：
[0029]基于所述跟踪误差得到增强误差，将所述增强误差的绝对值与预设阈值进行比对，当所述增强误差的绝对值大于或等于预设阈值时，对所述模糊自适应迭代学习控制器参数及其自适应项进行修正；
[0030]当所述增强误差的绝对值小于预设阈值时，停止对所述模糊自适应迭代学习控制器参数及其自适应项进行修正。
[0031]第二方面，本申请提供一种连续反应釜的模糊自适应迭代学习控制装置。
[0032]本申请是通过以下技术方案得以实现的：
[0033]一种连续反应釜的模糊自适应迭代学习控制装置，所述装置包括：
[0034]模型构建模块，用于建立连续反应釜系统的状态空间模型，并基于所述状态空间模型，获取所述连续反应釜系统的当前运行批次的状态信息；
[0035]控制器模块，在模糊控制器基础上添加自适应项，构建模糊自适应迭代学习控制器的控制信号方程，基于当前运行批次的状态信息和上一运行批次的跟踪误差，通过所述模糊自适应迭代学习控制器的控制信号方程，得到当前运行批次的控制信号；
[0036]执行器模块，将所述控制信号输入到系统执行器，并根据所述系统执行器的故障，对所述控制信号进行修正，得到所述系统执行器的输出信号，将所述输出信号作用于所述连续反应釜系统，得到所述连续反应釜系统的实际输出结果；
[0037]更新模块，根据所述连续反应釜系统的实际输出结果和目标输出结果，得到所述连续反应釜系统的跟踪误差，基于所述跟踪误差修正所述模糊自适应迭代学习控制器的控制信号方程的参数及其自适应项，更新下一运行批次的控制信号；经过多次迭代更新，直至达到预设控制精度，停止迭代学习。
[0038]第三方面，本申请提供一种计算机可读存储介质。
[0039]本申请是通过以下技术方案得以实现的：
[0040]一种计算机可读存储介质，所述计算机可读存储介质本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种连续反应釜的模糊自适应迭代学习控制方法，其特征在于，所述方法包括：S10：建立连续反应釜系统的状态空间模型，基于所述状态空间模型，获取所述连续反应釜系统的当前运行批次的状态信息；S20：在模糊控制器基础上添加自适应项，构建模糊自适应迭代学习控制器的控制信号方程；S30：基于当前运行批次的状态信息和上一运行批次的跟踪误差，通过所述模糊自适应迭代学习控制器的控制信号方程，得到当前运行批次的控制信号；S40：将所述控制信号输入到系统执行器，并根据所述系统执行器的故障，对所述控制信号进行修正，得到所述系统执行器的输出信号，将所述输出信号作用于所述连续反应釜系统，得到所述连续反应釜系统的实际输出结果；S50：根据所述连续反应釜系统的实际输出结果和目标输出结果，得到所述连续反应釜系统的跟踪误差，基于所述跟踪误差修正所述模糊自适应迭代学习控制器的控制信号方程的参数及其自适应项，更新下一运行批次的控制信号；S60：重复执行S30至S50，经过多次迭代更新，直至达到预设控制精度，停止迭代学习，输出最终控制信号。2.根据权利要求1所述的连续反应釜的模糊自适应迭代学习控制方法，其特征在于，所述并根据所述系统执行器的故障，对所述控制信号进行修正，得到所述系统执行器的输出信号的步骤具体为：基于系统执行器的乘性故障和加性故障，对所述控制信号进行修正：u(t,k)＝U(τ(t,k),t)＝M(t)τ(t,k)+N(t)，其中，M(t)表示乘性故障，N(t)表示加性故障，τ(t,k)表示系统执行器的控制信号，u(t,k)表示系统执行器的输出信号。3.根据权利要求2所述的连续反应釜的模糊自适应迭代学习控制方法，其特征在于，所述乘性故障具体为：M(t)＝0.2sint+0.8。4.根据权利要求2所述的连续反应釜的模糊自适应迭代学习控制方法，其特征在于，所述加性故障具体为：N(t)＝0.2sint。5.根据权利要求1所述的连续反应釜的模糊自适应迭代学习控制方法，其特征在于，所述在模糊控制器基础上添加自适应项，构建模糊自适应迭代学习控制器的控制信号方程的步骤为：通过模糊规则，根据所述状态信息和目标输出结果得到模糊参数向量的估计值，将所述模糊参数向量的估计值乘以模糊基函数向量，再加上与系统执行器故障有关的自适应项得到模糊自适应迭代学习控制器的控制信号方程。6.根据权利要求5所述的连续反应釜的模糊自适应迭代学习控制方法，其特征在于，所述与系统执行器...

【专利技术属性】
技术研发人员：许清媛，郑创涛，蒲彦丰，麦庆全，韦蕴珊，
申请(专利权)人：广东技术师范大学，
类型：发明
国别省市：