本发明涉及一种工业数据优化控制方法,特别是涉及一种复杂工业过程数据驱动全厂级性能优化控制方法。
背景技术:
目前复杂工业应用设计研究引起普遍重视,特别在运行优化控制方面需要解决的难题包括:
a)生产指标动态呈非线性特征,且存在系统动态不能精确建模,存在未知有界干扰;
b)如何求解多目标性能优化问题。
在该部分设计中,存在着复杂工业过程全厂级生产指标动态不能精确建模、多生产指标和多单元过程耦合及多时间尺度问题。分析设计的最优运行指标保证实现纳什均衡的条件,以及生产指标零稳态跟踪误差的条件,设计的最优运行指标要求生产指标动态信息已知,但是对于复杂工业过程,全厂级生产指标动态很难精确建模。在这一阶段需要解决的问题包括:
a)不依赖生产指标生成轨迹;
b)生产指标生成轨迹受外界干扰;
c)理想生产指标非零情况下,近似最优运行指标设计算法;
d)分析算法的收敛性及运行指标生成轨迹的稳定性。
技术实现要素:
本发明的目的在于提供一种复杂工业过程数据驱动全厂级性能优化控制方法,本发明采取理论分析、模拟仿真实验和实验室物理实验相结合的技术路线,使得该项目既具有较强的理论科学意义,又保持很强的实用性。
本发明的目的是通过以下技术方案实现的:
一种复杂工业过程数据驱动全厂级性能优化控制方法,所述方法包括以下过程:
a、多目标多约束全厂级性能优化控制
包括:a)目标函数构建,以实现全厂级生产指标以近似最优方式跟踪理想值为目标,目标函数由跟踪误差和运行指标的二次型构成;b)约束条件描述,以生产指标动态,生产指标受限、运行指标受限和干扰输入受限为约束条件;c)多目标多约束优化控制,根据前两部分工作,得到多目标多约束优化控制问题;
b、基于非零和博弈的最优运行指标设计
采用非零和博弈理论,给出最优运行指标设计方案,实现全厂级生产指标纳什均衡,这一部分工作为多智能体非零和博弈和全局纳什均衡和稳定性分析两个阶段;
c、基于adp的最优运行指标设计估计算法设计
在adp框架下,有机融合dp、rl和h∞控制方法,提出一种不依赖生产指标动态的不依赖策略(off-plicy)rl算法,得到近似最优运行指标;
d、仿真和物理实验验证
采用仿真软件、半实物仿真平台和物理实验平台,联合验证理论方法和结果的有效性;根据仿真和物理实验结果,对理论方法和控制技术做相应调整。
所述的一种复杂工业过程数据驱动全厂级性能优化控制方法,所述多目标多约束优化控制问题为:
约束条件:
其中,
所述的一种复杂工业过程数据驱动全厂级性能优化控制方法,所述多智能体非零和博弈,在第一阶段,采用非零和博弈理论,设计最优运行指标,实现全厂级生产指标纳什均衡。
所述的一种复杂工业过程数据驱动全厂级性能优化控制方法,所述全局纳什均衡和稳定性分析,在第二阶段,根据生产指标设计李雅普诺夫函数,基于李雅普诺夫稳定性理论和纳什均衡理论,进行稳定性和全局纳什均衡分析。
所述的一种复杂工业过程数据驱动全厂级性能优化控制方法,所述仿真和物理实验验证,采用污水处理物理实验平台,执行近似最优设定值设计算法和底层控制环近似最优控制器设计算法,验证出水水质和能量使用是否控制在理想范围内。
本发明的优点与效果是:
1.本发明针对以上具有非线性被控过程和非线性运行指标生成轨迹的运行优化控制问题,采用构建多目标多约束最优性能优化控制方案,在第二阶段,分析设计最优运行指标保证实现纳什均衡的条件,以及生产指标零稳态跟踪误差的条件。
2.本发明将基于上一部分中得到的最优运行指标,设计策略迭代算法,得到最优运行指标估计;其次,采用off-policy策略,并结合值函数泰勒展开理论,得到新的bellman方程;然后,引入变量矩阵,基于最小二次方法,估计最优运行指标;
3.本发明采用向量同构拓扑变换,使得在最优运行指标估计中不需要外界干扰信息;
4.本发明在生产指标优化目标函数中引入折扣因子。
5.本发明基于李雅普诺夫(lyapuov)稳定性理论,最优控制理论,分析算法的收敛性及生产指标生成轨迹稳定性的条件。
附图说明
图1为本发明基于非零和博弈的最优运行指标图;
图2为本发明近似最优跟踪控制器图;
图3为本发明技术路线图。
具体实施方式
下面结合实施例对本发明进行详细说明。
本发明的实施过程如下:
一、多目标多约束全厂级性能优化控制
本发明采用构建多目标多约束最优性能优化控制,包括:a)目标函数构建,以实现全厂级生产指标以近似最优方式跟踪理想值为目标,目标函数由跟踪误差和运行指标的二次型构成。在这一阶段,需要解决的科学难题为不同时间尺度下最优跟踪问题描述。运行指标变化是一个快过程,生产指标变化是一个慢过程;b)约束条件描述,以生产指标动态,生产指标受限、运行指标受限和干扰输入受限为约束条件;c)多目标多约束优化控制,根据前两部分工作,得到形多目标多约束优化控制问题:
约束条件:
其中,
二、基于非零和博弈的最优运行指标设计
为求解阐述的多目标多约束优化控制问题,需要设计最优运行指标,实现全厂级生产指标以最优方式跟踪理想值。鉴于优化问题为多目标耦合问题,存在多个决策变量(单元过程运行指标),在该部分,采用非零和博弈理论,给出最优运行指标设计方案,实现全厂级生产指标纳什均衡,如图1所示。这一部分的工作为以下两个阶段:
多智能体非零和博弈:
在第一阶段,将多目标多约束优化控制问题转化为多智能体博弈问题,采用非零和博弈理论,设计最优运行指标,实现全厂级生产指标纳什均衡。需要解决的科学难题包括:a)生产指标动态呈非线性特征,且存在未知有界干扰;b)如何将求解多目标多约束问题转化为多智能体博弈问题。为解决问题a),假设刻画生产指标的非线性函数二阶连续可微,然后利用taylor展开式,得到具有有界干扰项的线性时不变系统方程;为解决问题b),将每个单元过程作为智能体,每个生产指标的优化取决于智能体的最优响应(设计最优运行指标),有机融合纳什均衡理论和最优控制理论,得到最优运行指标,最终实现纳什均衡。在解决问题b)中,还涉及到有界未知干扰项的处理,融合h∞控制和lqt技术,并采用拓扑变换的方法。
全局纳什均衡和稳定性分析:
在第二阶段,拟解决的科学难题为分析设计的最优运行指标保证实现纳什均衡的条件,以及生产指标零稳态跟踪误差的条件。为解决此问题,将根据生产指标设计李雅普诺夫函数,基于李雅普诺夫稳定性理论和纳什均衡理论,进行稳定性和全局纳什均衡分析。
三、基于adp的最优运行指标设计估计算法设计
在上一部分设计的最优运行指标要求生产指标动态信息已知,但是对于复杂工业过程,全厂级生产指标动态很难精确建模。因此,在这一阶段,拟在adp框架下,有机融合dp、rl和h∞控制等方法,提出一种不依赖生产指标动态的不依赖策略(off-plicy)rl算法,得到近似最优运行指标。如图2所示。
在这一阶段需要解决的科学难题包括:a)不依赖生产指标生成轨迹;b)生产指标生成轨迹受外界干扰;c)理想生产指标非零情况下,近似最优运行指标设计算法;d)分析算法的收敛性及运行指标生成轨迹的稳定性。为解决问题a),将基于上一部分中得到的最优运行指标,设计策略迭代算法,得到最优运行指标估计;其次,采用off-policy策略,并结合值函数泰勒展开理论,得到新的bellman方程;然后,引入变量矩阵,基于最小二次方法,估计最优运行指标;为解决问题b),采用向量同构拓扑变换,使得在最优运行指标估计中不需要外界干扰信息;为解决问题c),在生产指标优化目标函数中引入折扣因子。为解决问题d),基于李雅普诺夫(lyapuov)稳定性理论,最优控制理论,分析算法的收敛性及生产指标生成轨迹稳定性的条件。
四、仿真和物理实验验证
如图3所示,本发明采用仿真软件、半实物仿真平台和物理实验平台,联合验证理论方法和结果的有效性。根据仿真和物理实验结果,对理论方法和控制技术做相应调整。
模拟仿真采用java,matlab软件,编译程序,仿真验证运行优化控制算法。
采用污水处理物理实验平台,执行近似最优设定值设计算法和底层控制环近似最优控制器设计算法,验证出水水质和能量使用是否控制在理想范围内。