【技术实现步骤摘要】
本申请涉及流程工业的自适应深度学习预测控制，具体而言，涉及一种适用于流程工业的自适应深度学习预测控制方法、装置、计算机可读存储介质与电子设备。
技术介绍
1、模型预测控制（mpc）是一种高效的控制方法，在工业过程领域得到广泛应用，尤其在石化、化工等流程行业已充分彰显其有效性。其通过构建被控对象的预测模型，结合实时状态反馈与未来时域内的滚动优化，在保证安全约束的前提下，能够有效协调温度、压力、流量等多变量间的动态平衡，极大提升了装置的运行效率与稳定性。然而，如同诸多先进技术一样，mpc 并非尽善尽美，在实际应用中也暴露出一些局限性。由于流程控制行业（如化工、石油、炼化、制药等）中的生产装置通常具有复杂的物理、化学及热力学过程。例如，化工反应器中反应速率的阿伦尼乌斯方程呈现指数依赖温度的非线性关系；精馏塔的分离效率与进料组分、回流比之间呈现强耦合非线性。此外，不同的生产指标，如生产负荷和市场需求，可能会导致现场装置呈现多种工况切换使用。这使得依赖模型的预测控制，难以实现精准的优化控制，基于机理的模型建模复杂且缺乏试验数据，实际施工过程中，往...
【技术保护点】
1.一种适用于流程工业的自适应深度学习预测控制方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，基于阈值的自适应分段算法，对所述全工况动态模型的变化增益曲线分段处理，得到分段线性增益模型，包括：
3.根据权利要求1所述的方法，其特征在于，确定所述分段线性增益模型的分段线性变量约束，包括：
4.根据权利要求1所述的方法，其特征在于，根据所述阶跃响应序列和所述优化目标预测所述目标控制变量的未来控制执行序列，包括：
5.根据权利要求1所述的方法，其特征在于，在根据所述阶跃响应序列和所述优化目标预测所述目标控制...
【技术特征摘要】
1.一种适用于流程工业的自适应深度学习预测控制方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，基于阈值的自适应分段算法，对所述全工况动态模型的变化增益曲线分段处理，得到分段线性增益模型，包括：
3.根据权利要求1所述的方法，其特征在于，确定所述分段线性增益模型的分段线性变量约束，包括：
4.根据权利要求1所述的方法，其特征在于，根据所述阶跃响应序列和所述优化目标预测所述目标控制变量的未来控制执行序列，包括：
5.根据权利要求1所述的方法，其特征在于，在根据所述阶跃响应序列和所述优化目标预测所述目标控制变量的未来控制执行序列之后，所述方法还包括：
6.根据权利要求1所述的方法，其特征在于，在根据流程工业的历史控制信息，基于深度学习技术构建目标控制变量的全工况动态模...
【专利技术属性】
技术研发人员：胡舒杰，冯凯，王宇清，王家栋，
申请(专利权)人：中控技术股份有限公司，
类型：发明
国别省市：
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。