本发明属于自动化技术领域，涉及一种化工批次过程模糊迭代学习控制方法。
背景技术
在实际工业生产过程中，批次过程控制具有给定值最佳跟踪的优良性能，该性能保证了产品生产的一致性。但是批次过程实际上是动态过程，具有强非线性以及不确定性，一般的控制方法往往达不到满意的控制精度，如何实现批次过程的高精度有效控制仍然是一个待解决的问题。近几十年来，迭代学习控制已被广泛应用于批次处理过程中，作为一种开环前馈控制方案，迭代学习控制对不确定性和干扰很敏感，单一的迭代学习控制方案不能同时保证系统稳定性和控制精度，因此提出一种更加有效的处理批次过程的控制方法是有必要的。
技术实现要素：
本发明的目的是更好的处理批次过程的不确定性以及非线性问题，进而提出了一种新的批次过程模糊迭代学习控制方法。
本发明首先通过分析一个非线性批次过程的状态空间模型，建立一个简单的模糊模型；然后采用迭代学习控制策略并定义了系统状态误差和输出跟踪误差，通过结合误差补偿的技术，得到了一种基于跟踪误差的控制更新律，进而得到控制量作用于被控对象。
本发明方法的步骤包括：
步骤1、模糊模型的建立，具体步骤是：
1.1首先考虑连续形式的非线性批次过程，模型如下：
其中，t为时刻，k是批次，x(t,k),u(t,k),ω(t,k),y(t,k)分别表示第k批次t时刻的状态、输入、未知干扰和输出，
1.2将步骤1.1中的批次过程进一步处理成如下的模糊模型：
其中，
r表示为一个大于等于1的任意自然数，p表示为预测时域，j＝1,2...，p，mij表示为模糊集，ai,bi,ci分别表示在第i条规则之下系统的状态、输入和输出的对应的矩阵，x(t+1,k)表示第k批次t+1时刻的状态，z(t,k)表示第k批次t时刻的预测变量，z1(t,k),...,zp(t,k)分别表示第k批次t时刻在第1,...，p步的预测变量，mij(zj(t,k))表示zj(t,k)在模糊集mij作用下的一个重要过程参量。
步骤2、设计批次过程控制器，具体步骤是：
2.1对于一个模糊系统的描述，迭代学习控制律应具有以下一般形式：
r(t,k)表示第k批次t时刻的更新律，u(t,0)表示迭代的初始值，u(t,k-1)表示第k-1批次t时刻的输入。
2.2定义相邻批次过程中的系统状态误差和输出跟踪误差为：
δ(x(t,k))＝x(t,k)-x(t,k-1)
e(t+1,k)＝yr(t+1,k)-y(t+1,k)
δ(x(t,k))表示第k批次t时刻系统状态误差，e(t+1,k)表示第k批次t+1时刻的输出跟踪误差，x(t,k-1)表示第k-1批次t时刻状态，yr(t+1,k)表示第k批次t+1时刻预测输出，y(t+1,k)表示第k批次t+1时刻实际输出。
2.3根据步骤2.2，可以确定批次处理的扩展状态变量为：
其中，
2.4根据步骤2.3并且结合误差补偿的技术，得到一种基于跟踪误差的更新律：
其中，ki表示在规则i下的控制增益。
2.5根据步骤2.4，在规则i下得到一种化工批次过程模糊迭代学习控制的控制器的更新律：
2.6根据步骤2.1和步骤2.5，得到一种化工批次过程模糊迭代学习控制的控制量：
u(t,0)＝0
2.7根据步骤2.2到步骤2.6，依次循环求解基于一种化工批次过程模糊迭代学习控制的控制量u(t,k)，再将其作用于被控对象。
本发明的有益效果：本发明提出了一化工批次过程模糊迭代学习控制的控制方法，该方法将迭代学习控制与模糊控制相结合，有效的解决了工业生产过程中的不确定性以及非线性问题，并且系统的稳定性也有一定的提升。
具体实施方式
以实际过程中以一种非线性连续搅拌釜式反应器为例：
由非线性连续搅拌釜式反应器模型出发，通过调控模糊控制器的参数，从而实现对非线性连续搅拌釜式反应器温度的控制。
步骤1、非线性连续搅拌釜式反应器模型的模糊模型的建立，具体步骤：
1.1首先考虑连续形式的非线性连续搅拌釜式反应器，模型如下：
其中，t为时刻，k是批次，x(t,k),u(t,k),ω(t,k),y(t,k)分别表示第k批次t时刻的非线性连续搅拌釜式反应器的两种物料的浓度、阀门开度、未知干扰和温度输出，
1.2将步骤1.1中的非线性连续搅拌釜式反应器模型进一步处理成一个二维的模糊模型：
其中，
r表示为一个大于等于1的自然数，p表示为预测时域，j＝1,2...，p，mij表示为模糊集，ai,bi,ci分别表示在i规则之下非线性连续搅拌釜式反应器系统的状态、输入和输出的对应矩阵，x(t+1,k)表示第k批次t+1时刻的状态，z(t,k)表示第k批次t时刻的预测变量，z1(t,k),...,zp(t,k)分别表示第k批次t时刻在j＝1,...，p的预测变量，mij(zj(t,k))表示zj(t,k)在模糊集mij作用下的一个重要过程参量。
步骤2、设计非线性连续搅拌釜式反应器模型的控制器，具体步骤：
2.1对于一个二维的非线性连续搅拌釜式反应器模型的模糊系统的描述，迭代学习控制律应具有以下一般形式：
r(t,k)表示第k批次t时刻的更新律，u(t,0)表示阀门的初始开度，u(t,k-1)表示第k-1批次t时刻的阀门开度。
2.2定义相邻非线性连续搅拌釜式反应器模型批次过程中的系统状态误差和温度输出的跟踪误差为：
δ(x(t,k))＝x(t,k)-x(t,k-1)
e(t+1,k)＝yr(t+1,k)-y(t+1,k)
δ(x(t,k))表示第k批次t时刻非线性连续搅拌釜式反应器系统的状态误差，e(t+1,k)表示第k批次t+1时刻的温度输出的跟踪误差，x(t,k-1)表示第k-1批次t时刻非线性连续搅拌釜式反应器系统的状态，yr(t+1,k)表示第k批次t+1时刻预测的温度输出，y(t+1,k)表示第k批次t+1时刻实际的温度输出。
2.3根据步骤2.2可以确定批次处理非线性连续搅拌釜式反应器的扩展状态变量为：
其中，
2.4结合误差补偿的技术，得到一种基于跟踪误差的更新律：
其中，ki表示在规则i下的非线性连续搅拌釜式反应器的控制增益。
2.5根据步骤2.4，在规则i下得到一种化工批次过程模糊迭代学习控制的控制器的更新律：
2.6根据步骤2.1和步骤2.5，得到基于一种化工批次过程模糊迭代学习控制的控制器。
u(t,0)＝0
2.7依照2.2到2.6中的步骤依次循环求解基于一种化工批次过程模糊迭代学习控制的控制量u(t,k)，再将其作用于非线性连续搅拌釜式反应器。