一种数据驱动的时滞系统改进自适应广义预测控制方法技术方案

本发明专利技术公开了一种数据驱动的时滞系统改进自适应广义预测控制方法，包括：首先确定被控量与控制量，采集时滞系统输入输出数据构建历史数据库，处理异常数据，采用时变遗忘因子递推最小二乘法，建立时滞系统的带控制量的自回归积分滑动平均模型；根据期望值，设计参考轨迹，求解Diophantine方程，设计GPC控制律，构造优化性能指标；计算并实施最优控制量，同时采集输入输出数据，更新历史数据库。本发明专利技术能够使得系统的时滞问题能够得到有效解决，提高离线和在线输入输出测量数据的利用率，有效抑制输入输出干扰及异常数据对控制的影响，保证系统具有稳定性和很好的鲁棒性。系统具有稳定性和很好的鲁棒性。系统具有稳定性和很好的鲁棒性。

【技术实现步骤摘要】
一种数据驱动的时滞系统改进自适应广义预测控制方法


[0001]本专利技术涉及自适应控制
，具体为一种数据驱动的时滞系统改进自适应广义预测控制方法。

技术介绍

[0002]在客观世界和实际过程中，时滞是一种广泛存在的现象，在大型系统尤其是在工业过程控制中，绝大多数的被控对象都具有强时滞特性，例如火箭发送机燃烧室的燃烧过程、炼钢厂的融铁水过程以及精馏塔提馏级温度控制过程等等，这些都是实际控制中非常典型且具有时滞特性的系统。
[0003]在实际的控制过程中，大多数系统具有或多或少的非线性以及不确定性，使得系统受客观因素的影响呈现出不同程度的时滞，而时滞的存在会使得被控系统的控制品质下降，因此实际应用过程中常常希望减少甚至消除时滞对系统带来的影响，而且目前很多研究表明现在已有的无时滞控制方法很难推广应用到时滞系统上，因此需要研究新的控制方法克服甚至抵消时滞对控制效果带来的负面影响。
[0004]当被控系统中出现时滞时，加入系统的扰动不能够被控制器及时接收并作出相应的调节，往往需要滞后一定的时间，这样一来，无疑也会使得系统的调节时间加大、超调量增大，调节不够及时的话系统的稳定性就会下降，导致控制效果失效甚至引发安全问题。
[0005]在实际系统控制过程中，开关控制和PID控制是目前应用最多的控制方法，也有自适应控制、模糊控制、神经网络控制等方法。前者控制方式简单易于使用，但控制精度不高、波动大、能耗高；模糊控制则需要掌握大量的现场控制经验知识且缺乏自学习能力。而且这些控制方法都没有把系统的模型整合到控制器的设计当中，不能很准确地反映过程的实际特性。传统预测控算法将系统模型应用到控制器的设计中，并取得较好的控制结果，但是当面对较大干扰情况时，就不能很好的保持控制效果的稳定，因此为了改善传统预测控制算法的效果，针对实际过程中的很多系统中具有非线性、大时变、大滞后、干扰严重等特征，设计一种可以跟随控制环境变化而做出相应改变的自适应广义预测控制方法是十分有必要的。
[0006]基于此，本专利技术设计了一种数据驱动的时滞系统改进自适应广义预测控制方法，以解决上述提到的问题。

技术实现思路

[0007]本专利技术的目的在于提供一种数据驱动的时滞系统改进自适应广义预测控制方法，以解决上述提到的问题。
[0008]为实现上述目的，本专利技术提供如下技术方案：一种数据驱动的时滞系统改进自适应广义预测控制方法，包括：根据时滞系统历史数据库，采用数据驱动方法，利用改进的自适应广义预测控制器，建立基于广义预测控制算法的模型，实现过程控制参量的实时在线估计，具体包括以下几个步骤：
z-1
为差分算子，A(z-1
)、B(z-1
)、C(z-1
)为z-1的多项式，其中：
[0027][0028]式中，(a1,...,a
na
)，(b0,...,b
nb
)，(c1,...,c
nc
)分别为A(z-1
)、B(z-1
)、C(z-1
)多项式的系数，na、nb、nc分别为A(z-1
)、B(z-1
)、C(z-1
)多项式幂次；
[0029]将被控制对象(k+j)时刻的输出预测误差记为：
[0030]y
e
(k+j|k)＝y(k+j)-y
p
(k+j|k)，
[0031]式中y
e
(k+j|k)为(k+j)时刻输出预测误差，y(k+j)为(k+j)时刻实际输出值，y
p
(k+j|k)为(k+j)时刻输出预测值；
[0032]则使得方差最小的j步最优预测值满足如下方程：
[0033][0034]式中，(j＝0,1,2,...,p)，p为最大预测步长，T
j
(z-1
)，H(z-1
)为z-1的多项式，满足如下Diophantine方程的z-1的多项式：
[0035]C(z-1
)＝A(z-1
)(1-z-1
)F
j
(z-1
)+z-j
T
j
(z-1
)，
[0036]H
j
(z-1
)＝B(z-1
)F
j
(z-1
)，
[0037]式中，F
j
(z-1
)为z-1的多项式，这时的最优预测误差为：
[0038][0039]优选的，所述求解Diophantine方程采用递推算法在线求解多步Diophantine方程。
[0040]优选的，所述设计GPC控制律，计算并实施控制量包括通过将计算出来的控制量采用根据预测输出值与期望值误差计算贝叶斯概率，然后计算每个控制增量的权值，最终通过加权得到实际控制量，具体如下：
[0041]性能指标函数为：
[0042]J＝E{[Y
p-Y
r
]T
[Y
p-Y
r
]+ΔU
T
ΓΔU}，
[0043]式中，Y
p
为预测的未来时刻实际输出值向量，Y
r
为期望输出值向量，ΔU为控制增量向量，ΔU
T
为控制增量向量的转置，Γ为控制增量的权重向量，
[0044]优化形式如下：
[0045][0046]通过数学分析，可得控制增量向量为：
[0047][0048]其中，H1，H2为多项式H(z-1
)的系数矩阵向量，T为多项式T
j
(z-1
)的系数矩阵向量，
[0049]则当前时刻的控制量为：
[0050]u(k)＝u(k-1)+Φ(k)ΔU(k)，
[0051][0052][0053][0054]其中，u(k)、u(k-1)为k时刻和k-1时刻的控制量，Φ(k)为每个预测控制量的权值向量，p
t,k
为第t(t＝1，
…
，N
c
)个预测控制量在k时刻的贝叶斯概率，β
t,k
为第t(t＝1，
…
，N
c
)个控制量在k时刻的权值，ε
i,k
＝y
i,p
(k)-y
i,r
(k)为在k时刻第i(i＝1，
…
，N
c
)个预测输出值与其对应的期望值之间的差，L为收敛系数，c为p
i,k
＝ρ时对应的i，ρ为一个极小的正常数。
[0055]与现有技术相比，本专利技术的有益效果是：本专利技术提供了一种基于数据驱动的时滞系统改进自适应广义预测控制方法，能够使得系统的时滞问题能够得到有效解决，提高离线和在线输入输出测量数据的利用率，有效抑制输入输出干扰及异常数据对控制的影响，保证系统具有稳定性和很好本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据驱动的时滞系统改进自适应广义预测控制方法，其特征在于：包括：根据时滞系统历史数据库，采用数据驱动方法，利用改进的自适应广义预测控制器，建立基于广义预测控制算法的模型，实现过程控制参量的实时在线估计，具体包括以下步骤：步骤1：确定时滞系统被控变量和控制变量，采集时滞系统输入输出历史数据，建立历史数据库，对数据进行预处理、初始化；步骤2：进行预测模型建模，设置初值待估向量初值中间变量值P(0)、遗忘因子记忆长度m、遗忘因子参数σ(k)的均方差σ
τ
(k)；步骤3：通过时滞系统输入输出历史数据，采用时变遗忘因子递推最小二乘法，得到时滞系统带控制量的自回归积分滑动平均模型，通过所述自回归积分滑动平均模型预测控制算法求解控制变量；步骤4：对预测模型进行滚动优化控制，设置控制参数最小输出长度N1、预测长度N
p
、控制长度N
c
以及控制加权矩阵Γ，输出柔化系数α；求解Diophantine方程，设计GPC控制律，计算并实施控制量；步骤5：得到控制量后，作用于时滞系统，把当前时刻的控制量作为新的输入输出数据，同时作为历史值储存，采集新的输入输出数据，并返回步骤1，更新时滞系统的历史数据库。2.根据权利要求1所述的一种数据驱动的时滞系统改进自适应广义预测控制方法，其特征在于：所述输入输出数据由生产过程中被控变量和控制变量的历史数据分析获取。3.根据权利要求1所述的一种数据驱动的时滞系统改进自适应广义预测控制方法，其特征在于：所述建立历史数据库，对数据进行预处理、初始化，具体如下：构建历史数据库Ψ＝{(X
i
,Y
i
),i＝1,ggg,N
Ψ
}，其中，(X
i
,Y
i
)为历史输入输出数据，N
Ψ
为历史数据库的容量，然后对数据进行预处理，对于异常值采用替代，其中，异常值为高于历史数据中最大值的2倍或者值为零的变量。4.根据权利要求1所述的一种数据驱动的时滞系统改进自适应广义预测控制方法，其特征在于：所述采用时变遗忘因子递推最小二乘法，具体如下：特征在于：所述采用时变遗忘因子递推最小二乘法，具体如下：特征在于：所述采用时变遗忘因子递推最小二乘法，具体如下：特征在于：所述采用时变遗忘因子递推最小二乘法，具体如下：σ(k)＝mσ
τ
(k)，式中，为数据向量，为数据向量的转置，Δy(k)为输出的增量，θ
％
(k)为待估向量，θ
％
(k-1)为上一时刻的待估向量，γ(k)、P(k)、λ(k)为时变遗忘因子递推最小二乘算
法在k时刻中间变量，P(k-1)为时变遗忘因子递推最小二乘算法在k-1时刻的中间变量，σ(k)为时变遗忘因子，m为遗忘因子的记忆长度，σ
τ
(k)为σ(k)的均方差。5.根据权利要求1所述的一种数据驱动的时滞系统改进自适应广义预测控制方法，其特征在于：通过辨识得到自回归积分滑动平均模型，具体如下：A(z-1
)y(k)＝z-d
B(z-1
)u(k)+C(z-1
)ξ(k)/Δ，式中，y(k)，u(k),ξ(k)分别为系统输出、输入、白噪声，z-1表示后移算子，Δ＝1-z-1
为差分算子，A(z-1
)、B(z-1
)、C(z-1
)为z-1的多项式，其中：式中，(a1,...,a
na
)，(b0,...,b
nb
)，(c1,...,c
nc
)分别为...

【专利技术属性】
技术研发人员：康琦，包晗秋，张林，曲毅，
申请(专利权)人：江康上海科技有限公司，
类型：发明
国别省市：