欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2018101067115
申请人: 杭州电子科技大学
专利类型:发明专利
专利状态:已下证
专利领域: 控制;调节
更新日期:2024-11-06
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种批次过程二维预测函数控制方法,其特征在于该方法具体:步骤1建立批次过程中被控对象的状态控制模型,具体是:

1.1对于具有重复性的典型批处理过程,引入状态控制模型并进行处理,可得如下形式:Δtxm(t+1,k)=AΔtxm(t,k)+BΔtu(t,k)Δtym(t+1,k)=CΔtxm(t+1,k)其中Δt是时间后向差分算子;xm(t+1,k)是第k个周期t+1时刻的模型状态;xm(t,k)是第k个周期t时刻的模型状态;u(t,k)是第k个周期t时刻的模型输入;ym(t+1,k)是第k个周期t+1时刻的模型输出;A,B,C是相应的系数矩阵;

1.2定义参考轨迹形式如下:

yr(t+i,k)=wiy(t,k)+(1-wi)c(t+i)其中,yr(t+i,k)是第k周期t+i时刻的参考轨迹;i=0,…,P-1;P是预测时域;y(t,k)是第k个周期t时刻的时间输出;c(t+i)是在t+i时刻的设定值;w是平滑因子;

1.3由步骤1.2可得未校正的跟踪误差为:et(t,k)=ym(t,k)-yr(t,k)其中,et(t,k)是第k个周期t时刻的未经校正的跟踪误差;ym(t,k)是第k个周期t时刻的模型输出;yr(t,k)是第k个周期t时刻的参考轨迹;

1.4由步骤1.1到步骤1.3可得:

et(t+1,k)=et(t,k)+Δtym(t+1,k)-Δtyr(t+1,k)=et(t,k)+CAΔtxm(t,k)+CBΔtu(t,k)-Δtyr(t+1,k)其中,et(t+1,k)是第k个周期t+1时刻未经校正的跟踪误差;yr(t+1,k)是第k个周期t+1时刻的参考轨迹;

1.5选取扩展的状态向量

得到相关的结构型扩展模型如下:

z(t+1,k)=Aez(t,k)+BeΔtu(t,k)+CeΔtyr(t+1,k)其中,z(t+1,k)是第k周期t+1时刻的结构扩展模型; 矩阵Ae和Ce中的0表示具有一定维数的零矩阵;

1.6对跟踪误差预测进行校正:

etc(t+i,k)=et(t+i,k)+e(t,k)e(t,k)=y(t,k)-ym(t,k)其中,etc(t+i,k)是第k个周期t+i时刻的校正的跟踪误差预测;et(t+i,k)是第k周期t+i时刻未经校正的跟踪误差;e(t,k)是第k个周期t时刻实际过程输出和模型输出之间的误差;

1.7根据步骤1.5的结构型扩展模型可得状态预测形式如下:Z(k)=θz(t,k)+ψΔtU(k)+ξΔtYr(k)其中,

z(t+1,k),z(t+2,k)...z(t+P,k)分别是第k个周期t+1时刻,t+2时刻…t+P时刻结构扩展模型;u(t,k),u(t+1,k)...u(t+P-1,k)是第k个周期t时刻,t+1时刻…t+P-1时刻模型输入;yr(t+1,k),yr(t+2,k)…yr(t+P,k)是第k个周期t+1时刻,t+2时刻…t+P时刻的参考轨迹;

1.8将状态预测校正为以下形式:

Zc(k)=Z(k)+E(k)

其中,

ev(t,k)中的0表示具有一定维数的零向量;zc(t+1,k),zc(t+2,k)...zc(t+P,k)分别是第k个周期t+1时刻,t+2时刻…t+P时刻经校正的状态预测;

1.9为了提高控制性能,进一步考虑跟踪误差,并引入误差补偿:Zc(k)=Z(k)+E(k)+τEc(k-1)其中,

er(t+i,j)=y(t+i,j)-yr(t+i,j);

ec(t+i,k-1)中的0表示具有一定维数的零向量;τ是累积跟踪误差的加权系数;ec(t+1,k-1),ec(t+2,k-1)…ec(t+P,k-1)是第k-1个周期t+1时刻,t+2时刻,t+P时刻经校正后的误差;

步骤2设计被控对象的批次过程控制器,具体是:

2.1选取预测函数控制律的结构形式如下:u(t+i,k)=μ1+μ2i+μ3i2+μ4i3+…μNiN-1其中,1,i,i2,…,iN-1是基函数;μ1,μ2…μN是线性系数;N是大于1的整数;

2.2结合步骤1.7和步骤2.1,状态预测进一步修改为:Z(k)=θz(t,k)+χW(k)+ξΔtYr(k)-θuu(t-1,k)其中,

2.3选取性能指标形式如下

其中minJ是代价函数的最小化;γ(i),λ(i),β(i)是相对应的加权矩阵或系数;Δk是周期上的后向差分算子;

2.4结合步骤2.1到步骤2.3,代价函数可进一步写成如下形式:minJ=γZc(k)2+λ(GW(k))2+β(HW(k)-U(k-1))2其中,

2.5通过最小化步骤2.4中的代价函数可得到基函数的最佳线性系数:W(k)=-(χTγχ+GTλG+HTβH)-1(χTγ(θz(t,k)+ξΔtYr(k)-θuu(t-1,k)+E(k)+τEc(k))-HTβU(k-1))

2.6由步骤2.5可得最优控制律u(t,k)=μ1作用于被控对象。