一种闭环模型预测控制系统的过程模型失配检测方法与流程

本发明属于模型预测控制监控领域，更具体地，涉及一种闭环模型预测控制系统的过程模型失配检测方法。
背景技术：
：模型预测控制(modelpredictivecontrol，mpc)属于先进控制技术的领域，mpc控制器具有建模简单方便、动态控制效果快、鲁棒性强等特点，它广泛应用于实际的工业过程控制中。近年来，工业过程对mpc的性能要求越来越高，mpc性能监控技术成为了先进控制技术研究中的热点。过程模型不匹配问题是mpc性能退化的一个重要原因，近二十年来，大量学者在检测过程模型不匹配问题的研究中做出了贡献。目前，模型失配检测的方法可以分为四大类：(1)基于鲁棒控制的方法：badwe等人利用模型不确定性的概念，根据设计敏感函数和相对敏感函数计算了失配影响的边界范围。这种方法保守性较大，且通过范数形式表示，不能反映控制性能变化的方向；(2)基于变量间关系的方法：stanfelj等通过变量和残差间的相关关系来检测失配与否，它不需要辨识失配的部分。badwe等又提出用偏相关关系来定位失配通道的方法。基于变量间关系的方法在量化失配大小、评估失配的影响等方面仍存在不足，需要借助其他方法；(3)基于系统辨识的方法：qin等根据模型的自相关函数阶次来区分模型，sun等根据闭环数据估计了余差模型的最小方差基准并由此评价模型质量。基于系统辨识的方法以具体的模型为基础，便于量化失配的严重程度，只需要用到闭环输入输出数据，它的缺点就是系统辨识通常需要有充分的激励，但这种方法在流程工业中仍然使用普遍；(4)非直接的方法：这种方法主要用于处理非线性模型的失配问题，通过建立非线性状态空间模型和带外部输入的非线性arma的模型，利用激励信号和模型余差的互信息检测模型失配。这种方法需要的约束较多，研究很少。通过上面的阐述，可以发现，现有的模型失配检测方法在工业实际过程中仍存在难检测、需要激励、成本高、安全性低等技术问题。技术实现要素：本发明提供一种闭环模型预测控制系统的过程模型失配检测方法，用以解决现有模型失配检测方法因所需数据复杂、检测不充分而存在无法精确确定控制系统中的具体失配模型的技术问题。本发明解决上述技术问题的技术方案如下：一种闭环模型预测控制系统的过程模型失配检测方法，包括：基于闭环模型预测控制系统的输入数据和输出数据以及所述控制系统内的各传递函数，计算该控制系统的系统残差值和干扰更新序列；计算所述系统残差值和所述干扰更新序列的方差比值，作为控制系统中的实际过程模型的质量指标值，基于该指标值判断是否存在模型失配，若模型失配，则采用子空间辨识法辨识所述控制系统的所有子空间矩阵；对状态变量对应的所述子空间矩阵进行奇异值分解，并计算分解得到的最大、最小奇异值的比值，基于该比值及其阈值，判断所述实际过程模型是否失配，完成失配检测。上述技术方案的基础上，本发明还可以做如下改进。进一步，所述输入数据和所述输出数据的采集方法为：设定所述控制系统的设定输入初始数据并输入所述控制系统；采集所述实际过程模型的输出初始数据，并基于所述设定输入初始数据计算所述控制系统中的预测过程模型的输出初始数据；分别对所述设定输入初始数据和两个所述输出初始数据进行中心化处理，得到处理后的输入数据和输出数据。进一步，所述控制系统的系统残差e(t)表示为：e(t)＝(ho)-1[y(t)-gou(t)]其中，ho为所述控制系统中预测过程模型对应的预测过程干扰模型的传递函数，go为所述预测过程模型的传递函数，y(t)∈rn为过程输出数据，u(t)∈rn为过程输入数据，n表示矩阵的维数，t为当前时刻。进一步，所述干扰更新序列的计算具体为采用正交投影法进行评估得到。进一步，所述干扰更新序列的计算包括：分别建立控制系统的系统残差和设定输入数据的扩展矩阵，并构建由两个所述扩展矩阵合并得到的总扩展矩阵，其中，所述系统残差为关于控制系统输入数据和输出数据的函数；基于所述系统残差的扩展矩阵以及所述总扩展矩阵，采用正交投影法，求解得到干扰更新序列。进一步，所述干扰更新序列表示为：其中，ep(t)表示t时刻对应的所述总扩展矩阵，表示ep(t)在其正交子空间上的投影，表示所估计的p×1维的干扰更新序列，p为所述扩展矩阵的窗口大小，为估计的t时刻控制系统外部干扰值。进一步，所述基于该指标值判断是否存在模型失配，具体为：根据所述实际过程模型质量指标值的大小，若所述实际过程模型质量指标值的大小大于0.95±0.05，则不存在模型失配，否则，存在模型失配。进一步，所述状态变量对应的所述子空间矩阵为：γnlz；γn＝[c′c′a′…c′a′n-1]′；lz＝[(an-1kan-2k…k),(an-1ban-2b…b)]；其中，a、b、c和k分别为所述控制系统基于状态空间的表达式中的状态空间矩阵，n表示预测时域。进一步，所述阈值具体为：基于多次无失配条件下的控制操作，获取过程模型辨识指标的分布，并将所述分布控制限的上限作为所述阈值；则所述判断所述实际过程模型是否失配，具体为：若所述比值小于所述阈值，则不存在失配，否则，存在失配。本发明还提供一种存储介质，所述存储介质中存储有指令，当计算机读取所述指令时，使所述计算机执行如上述任一种闭环模型预测控制系统的过程模型失配检测方法。总体而言，通过本发明所构思的以上技术方案，能够取得以下有益效果：(1)本发明在正常工况下采集闭环输入输出数据，仅利用闭环数据可以获取过程模型质量指标，以此检测模型预测控制系统是否存在模型不匹配的问题。由于只需用到闭环操作数据，不需要用到具体控制模型参数，实验数据方法采集，本发明提供的方法具有操作简单、不影响工业实际过程、实用性强等特点。(2)本发明在建立过程模型质量指标的时候，利用了过程模型残差和估计的干扰更新序列之间的关系。其它的控制性能指标在检测控制性能退化时只能检测出性能退化的结果，不能分离出多种因素的影响，本发明提出的过程模型质量指标是专门针对系统模型进行的检测过程，它可以有效地分离控制器参数改变等其它控制性能退化的因素，从而只检测模型预测控制系统是否存在模型失配的情形。(3)本发明在检测出模型存在失配情形时，提出了一种基于子空间辨识的检测方法，这种方法针对辨识得到的只与控制变量相关的子空间矩阵，只研究了与过程模型相关的失配影响，它可以区分过程模型失配和干扰模型失配。相较于子空间辨识方法，其它辨识的方法，如预测误差算法(pem)、辅助变量法(ivm)等都存在需要迭代优化等缺陷，而本子空间辨识方法只需要辨识出过程模型系统，判断过程模型是否失配，此方法不需要迭代优化，只需要进行一次最小二乘法估计过程，同时也不会对初始条件敏感，减少了工业过程监控中的操作，节约了生产成本。附图说明图1为本发明实施例提供的一种闭环模型预测控制系统的过程模型失配检测方法的流程框图；图2为本发明实施例提供的一种闭环模型预测控制系统的过程模型失配检测方法的流程图；图3为本发明实施例提供的闭环模型预测控制系统的结构原理图；图4为本发明实施例提供的闭环模型预测控制系统中实际过程控制系统结构原理图；图5为本发明实施例提供的闭环模型预测控制系统中预测过程控制系统结构原理图；图6为本发明实施例提供的wood-berry二元精馏塔原理图。具体实施方式为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。实施例一一种闭环模型预测控制系统的过程模型失配检测方法100，如图1所示，包括：步骤110、基于闭环模型预测控制系统的输入数据和输出数据以及控制系统内的各传递函数，计算该控制系统的系统残差值和干扰更新序列；步骤120、计算系统残差值和干扰更新序列的方差比值，作为控制系统中的实际过程模型的质量指标值，基于该指标值判断是否存在模型失配，若模型失配，则采用子空间辨识法辨识控制系统的所有子空间矩阵；步骤130、对状态变量对应的子空间矩阵进行奇异值分解，并计算分解得到的最大、最小奇异值的比值，基于该比值及其阈值，判断实际过程模型是否失配，完成失配检测。本方法采集工业过程中所获得的闭环输入输出数据，并对该数据进行分析，获取过程模型质量指标来检测模型是否存在失配的情形；根据定义，过程模型质量指标的值介于0到1之间，并且不受控制器调节参数变化的影响；若是过程模型质量指标接近于1，则认为模型是匹配的；若过程模型质量指标是远小于1的，则认为模型是不匹配的，对于不匹配的模型，则利用子空间辨识的方法区分实际过程模型失配还是该模型对应的干扰模型失配。该方法采用子空间辨识的方法可以从多种影响控制性能的因素中有效地分辨模型失配的影响，并且可以分离出干扰模型失配对检测过程的影响，实现检测过程模型失配的问题，流程如图2所示。本方法针对的控制模型为模型预测控制系统，仅用到工业过程中的输入输出数据，即可检测模型是否存在失配，不需要影响系统的内部结构，既有效地降低了控制过程成本，也提高了控制过程的安全性。优选的，上述输入数据和输出数据的采集方法为：设定控制系统的设定输入初始数据并输入控制系统；采集实际过程模型的输出初始数据，并基于设定输入初始数据计算控制系统中的预测过程模型的输出初始数据；分别对设定输入初始数据和两个输出初始数据进行中心化处理，得到处理后的输入数据和输出数据。对输入数据和输出数据进行中心化处理的具体公式如下：其中，t表示总采样次数，t为当前时刻，u0(t)和y0(t)分别为采集的t时刻系统输入、输出值，u(t)和y(t)分别为中心化后的t时刻系统输入、输出值进一步，控制系统的系统残差e(t)表示为：e(t)＝(ho)-1[y(t)-gou(t)]其中，ho为控制系统中预测过程模型对应的预测过程干扰模型的传递函数，go为预测过程模型的传递函数，y(t)∈rn为过程输出数据，u(t)∈rn为过程输入数据，n表示矩阵的维数。t为当前时刻。进一步，干扰更新序列的计算具体为采用正交投影法进行评估得到。优选的，干扰更新序列的计算包括：分别建立控制系统的系统残差和设定输入数据的扩展矩阵，并构建由两个所述扩展矩阵合并得到的总扩展矩阵，其中，系统残差为关于控制系统输入数据和输出数据的函数；基于系统残差的扩展矩阵以及总扩展矩阵，采用正交投影法，求解得到干扰更新序列。根据系统残差e(t)和设定输入数据r(t)，建立如下的扩展数据矩阵：ep(t)＝[e(t-1)e(t-2)…e(t-p)]，rp(t)＝[r(t-1)r(t-2)…r(t-p)]，ep(t)＝[e′p(t-1),e′p(t-2),…,e′p(t-l),rp′(t-1),rp′(t-2),…,rp′(t-m)]′，其中，p为扩展矩阵和窗口的大小，则ep(t)表示模型残差值构成的p×1维矩阵，rp(t)表示中心化处理后的过程输出由设定值构成的p×1维矩阵，ep(t)表示构成的由ep(t)和rp(t)构成的(l+m)×p维矩阵；*′表示矩阵*的转置。结合系统残差的扩展矩阵和总扩展矩阵，利用正交投影的方法，估计过程模型的干扰更新序列，其表达式为：其中，表示ep(t)在其正交子空间上的投影，表示所估计的p×1维的干扰更新序列，p为所述扩展矩阵的窗口大小，为估计的t时刻控制系统外部干扰值。具体的，估计过程模型的干扰更新序列的方法，具体包括：根据ep(t)e′p(t)的值的奇异特性，对矩阵作qr分解，即根据qr分解的正交特性，获取对角矩阵r11与r22、行向量r21及正交矩阵[q′1q′2]′；根据[q′1q′2]′是正交矩阵的特点，可以将矩阵ep(t)e′p(t)和矩阵ep(t)e′p(t)分别表示为：ep(t)e′p(t)＝r21r′11；ep(t)e′p(t)＝r11r′11；根据矩阵ep(t)e′p(t)和矩阵ep(t)e′p(t)的表达式，过程干扰更新序列可表示为：优选的，基于该指标值判断是否存在模型失配，具体为：根据实际过程模型质量指标值的大小，若实际过程模型质量指标值的大小大于0.95±0.05，则不存在模型失配，否则，存在模型失配。具体根据系统残差与干扰更新序列，用两者方差值的比值来表示过程模型质量指标ηmdi，即ηmdi表示为：其中，ep(t)表示模型残差值构成的扩展矩阵；表示所估计干扰更新序列；q为输出的权重矩阵，在模型预测控制器设计的阶段就已经确定；t表示总采样次数。根据上述ep(t)和的关系，过程模型质量指标ηmdi的实际值的取值范围为：ηmdi∈(0,1]；若实际过程模型质量指标值的大小大于0.95±0.05，则不存在模型失配，否则，存在模型失配。优选的，状态变量对应的子空间矩阵为：γnlz；γn＝[c′c′a′…c′a′n-1]′；lz＝[(an-1kan-2k…k),(an-1ban-2b…b)]；其中，a、b、c和k分别为所述控制系统基于状态空间的表达式中的状态空间矩阵，n表示预测时域。具体的，根据闭环模型预测控制系统基于状态空间的表达式：其中x(t)∈rn、u(t)∈rm、y(t)∈rr和v(t)∈rr分别表示t时刻控制系统的状态变量、输入变量、输出变量和白噪声，a、b、c、d和k为控制系统对应的状态空间矩阵，n、m和r表示矩阵的维数；建立控制系统基于子空间矩阵的矩阵方程，其表示为：yf＝γnxf+hnuf+gnyf+vf，其中，n表示预测时域，f表示将来，p表示过去，矩阵xf∈rnn×l、yf∈rrn×l、uf∈rmn×l、vf∈rrn×l为由状态变量x(t)、输出变量y(t)、输入变量u(t)、白噪声v(t)分别构成hankel矩阵，l＝t-p-f+1，t表示总采样次数，γn、hn、gn为子空间矩阵，其定义形式分别为：γn＝[c′c′a′…c′a′n-1]′，根据状态变量x(t)的特性，xf表示为：xf＝anxp+lnzp，其中，ln＝[(an-1kan-2k…k),(an-1ban-2b…b)]，zp＝[yp′,up′]′，yp∈rrp×l、up∈rmp×l分别为输出变量y(t)、输入变量u(t)构成的hankel矩阵；由于矩阵an为赫尔维茨矩阵，那么当n足够大时，我们可以忽略anxp，即子空间矩阵方程可近似为：yf≈γnlnzp+hnuf+gnyf+vf根据上述的子空间矩阵方程，利用最小二乘法估计其中的子空间矩阵[(γnln),hn,gn]，具体计算形式为：其中，||*||f表示求矩阵*的f范数。优选的，上述阈值具体为：基于多次无失配条件下的控制操作，获取过程模型辨识指标的分布，并将所述分布控制限的上限作为上述阈值；则上述判断实际过程模型是否失配，具体为：若上述比值小于上述阈值，则不存在失配，否则，存在失配。根据上述所获得的子空间矩阵[(γnln),hn,gn]，利用带权矩阵的奇异值分解方法分析(γnln)，分解的过程可表示为：w1(γnln)w2＝usvt其中，权矩阵根据带权矩阵的奇异值分解方法的计算特性，矩阵s对角线上不为0的元素构成矩阵(γnlz)的奇异值，以降序排列为σ1,…,σg，其中g为奇异值的个数。则过程模型辨识指标ηssi的计算表达式为：根据子空间辨识方法的特性，可以由过程模型辨识指标ηssi的值判断过程模型是否存在失配，其具体过程可表述为：取一个可调整的正整数β，若过程模型辨识指标ηssi的值均小于β，则过程模型不存在失配，仅存在干扰模型失配；若过程模型辨识指标ηssi的值存在大于β，则模型失配的情形也包括过程模型失配。为了更好的说明本发明，现给出具体示例如下：如图3所示，是本示例所采用的模型预测控制系统结构图，其中，q(q)表示模型预测控制器的传递函数，g(q)和g(q)分别表示实际过程模型和预测过程模型的传递函数，h(q)表示干扰过程模型的传递函数；而u(t)、y(t)分别表示闭环过程t时刻的控制输入和控制输出，r(t)表示闭环过程t时刻的设定输入值，ε(t)表示闭环控制系统t时刻的白噪声。闭环控制系统中的过程控制模型的结构原理图如图4所示，而其中的预测过程控制模型结构如图5所示。ε(t)和e(t)分别表示闭环系统模型t时刻的白噪声和过程模型t时刻的残差。下面以wood-berry二元精馏塔工业过程为实例，进行仿真设计。wood-berry精馏塔过程如图6所示，它是一个典型的具有滞后的两输入两输出系统，其中的两个输出量分别为塔顶馏出物浓度yt和塔底液相浓度yb，两者受到塔顶回流量r和塔底再沸器蒸汽量s两个输入量的控制，建立过程模型的传递函数矩阵为：其中，s为拉普拉斯算子，操纵变量塔顶回流量r的速率为1b/m；操纵变量蒸汽流量s的速率为1b/m；输出量为塔顶馏出物浓度yt和塔底液相浓度yb，其单位均为mol％。建立干扰模型，取如下的对角矩阵：其中，θ1和θ2表示干扰模型的干扰参数，实施例中，它们分别取值为0.5和0.7。mpc控制器在设计参数时，取预测时域p＝100，控制时域m＝10，权重矩阵q＝diag{1,100}。控制器过程设定值为：r(k)＝[90mol％5mol％]。下面利用本发明提供的一种检测闭环模型预测控制系统的过程模型不匹配问题的方法，对实施例中的wood-berry二元精馏塔过程进行实验。假设实际模型传递函数为过程模型传递函数为其中，k和ko分别为系统实际模型和系统过程模型传递函数的增益系数，d和do分别为系统实际模型和系统过程模型传递函数的时间滞后因子，t和to分别为系统实际模型和系统过程模型传递函数的增益系数。把模型失配的过程分为四类，分别为：(1)过程增益改变：(2)时间常数改变：(3)时间滞后因子改变：(4)干扰模型改变：进一步地，具体过程如下：(1)采集闭环模型预测控制系统的输入数据和输出数据。在mpc控制过程中，设定采样时间一分钟，采集的闭环输入数据样本数为5000组，首先将这5000组数据进行中心化处理，计算的公式为：然后，操作mpc控制过程，得到5000组对应的控制输出数据，同样进行中心化：(2)计算控制过程的模型残差值。根据控制过程模型残差值的计算表达式：e(t)＝(q(q))-1[y(t)-yo(t)]，其中，q(q)为模型预测控制过程中控制器的传递函数，y(t)∈rn为t时刻实际系统输出值，yo(t)∈rn为t时刻过程模型的输出值，t为当前时刻，n表示矩阵的维数。已知mpc过程中的操作数据和过程模型，可以直接计算中控制过程的系统残差值e(t)。随后，对系统残差值e(t)也进行中心化处理。(3)估计过程模型的干扰更新序列。结合系统残差值，利用正交投影的方法估计干扰更新的公式为：其中，表示ep(k)在其正交子空间上的投影，表示所估计的p×1维的干扰更新序列，p为所述扩展矩阵的窗口大小，为估计的t时刻控制系统外部干扰值。进一步地：(3.1)建立如下扩展矩阵：ep(t)＝[e(t-1)e(t-2)…e(t-p)]，rp(t)＝[r(t-1)r(t-2)…r(t-p)]，结合两者，得到：ep(t)＝[e′p(t-1),e′p(t-2),…,e′p(t-l),rp′(t-1),rp′(t-2),…,rp′(t-m)]′此例中，k取值为5000，p取值为4950，l和m取值为50。(3.2)由于ep(t)e′p(t)的值的奇异特性，计算存在难度，需要对矩阵作qr分解，进一步地：(3.2.1)令获取对角矩阵r11与r22、行向量r21及正交矩阵[q′1q′2]′；(3.2.2)利用下式分别求矩阵ep(t)e′p(t)和矩阵ep(t)e′p(t)：ep(t)e′p(t)＝r21r′11；ep(t)e′p(t)＝r11r′11；(3.2.3)过程干扰更新序列可表示为：根据上式，可以获得估计干扰更新序列(4)根据过程模型质量指标的值检测模型是否存在失配。根据所述的干扰更新序列与所述模型残差值，计算过程模型质量指标ηmdi，的表达式为：其中，ep(t)表示模型残差值构成的扩展矩阵；表示所估计干扰更新序列；q为输出的权重矩阵，在模型预测控制器设计的阶段就已经确定；t表示总采样次数。由此，模型质量指标的值就可以根据ep(t)和的获取，值得说明的是，过程模型质量指标ηmdi的实际值的取值范围为：ηmdi∈(0,1]。进一步地，判断模型是否存在失配的过程为：若所述实际过程模型质量指标值的大小大于0.95±0.05，则不存在模型失配，否则，存在模型失配。表1中给出了在不同模型失配情形下的过程模型质量指标ηmdi。表1不同模型失配情形的检测结果情形参数变化情况ηmdi判断s0无变化0.9885模型正常s1δk＝0.50.8249模型失配s2δt＝0.50.6991模型失配s3δd＝0.50.4470模型失配d1δk1＝0.50.9332模型失配d2δk1＝0.20.8774模型失配由表1中可知，s0情形下，过程模型质量指标ηmdi的值为0.9885，这个值大于0.95，判定模型是正常的；而s1、s2、s3情形分别表示过程模型传递函数中的增益、时间常数、滞后因子存在失配的情形，在这三种情形下，过程模型质量指标ηmdi的值小于0.95的，可以判定存在模型失配；d1和d2情形是改变了干扰模型的参数，在这两种情形下过程模型质量指标ηmdi的值分别为0.9332和0.8774，这两个值与1接近，但是和0.95之间还是有一定差距，这是因为过程模型质量指标ηmdi会受到干扰模型失配的影响，但是影响效果不大，所以具体结果还需要进一步分析。(5)若模型是失配的，则利用子空间辨识的方法辨识出整个过程模型，具体包括：(5.1)根据闭环模型预测控制系统的结构，建立控制系统基于子空间矩阵的矩阵方程，其表示为：yf＝γnxf+hnuf+gnyf+vf其中，n表示预测时域，f表示将来，p表示过去，矩阵xf∈rnn×l、yf∈rrn×l、uf∈rmn×l、vf∈rrn×l为由状态变量x∈rn、输入变量u∈rm、输出变量y∈rr、白噪声v∈rr分别构成hankel矩阵，l＝t-p-f+1，t表示总采样次数，n、m和r表示矩阵的维数，γn、hn、gn为子空间矩阵，定义形式分别为γn＝[c′c′a′…c′a′n-1]′，(5.2)根据状态变量x(t)的特性，xf表示为：xf＝anxp+lnzp其中，ln＝[(an-1kan-2k…k),(an-1ban-2b…b)]zp＝[yp′,up′]′；由于矩阵an为赫尔维茨矩阵，那么当n足够大时，可忽略anxp，则子空间矩阵方程可近似为：yf≈γnlnzp+hnuf+gnyf+vf(5.3)根据(5.2)所述的子空间矩阵方程，利用最小二乘法估计其中的子空间矩阵[(γnln),hn,gn]，具体计算形式为：(6)获得过程模型辨识指标ηssi并判断过程模型是否存在失配。进一步地，步骤(6)包括：(6.1)根据步骤(5.3)中所获得的子空间矩阵[(γnln),hn,gn]，利用带权矩阵的奇异值分解方法分析(γnln)，分解的过程可表示为：w1(γnln)w2＝usvt其中，权矩阵(6.2)根据带权矩阵的奇异值分解方法的计算特性，矩阵s对角线上不为0的元素构成矩阵(γnlz)的奇异值，以降序排列为σ1,…,σ4，通过计算获取过程模型辨识指标ηssi的值，计算过程表达式为：(6.3)根据子空间辨识方法的特性，可以由过程模型辨识指标ηssi的值判断过程模型是否存在失配，其具体过程可表述为：基于多次无失配条件下的控制操作，获取过程模型辨识指标的分布，并将所述分布控制限的上限作为所述阈值(本例中将阈值β取为10)；则基于该比值及其阈值判断实际过程模型是否失配，具体为：若过程模型辨识指标ηssi的值均小于β，则过程模型阶数nu等于0，不存在失配，仅存在干扰模型失配；若过程模型辨识指标ηssi的值存在大于β，则过程模型阶数nu不等于0，模型失配的情形也包括过程模型失配。表2给出了在已知模型失配的情形下，区分过程模型失配和干扰模型失配的结果。表2区分过程模型失配和干扰模型失配情形ηssinu判断d12.5575＝0仅干扰模型失配d22.5962＝0仅干扰模型失配s1+d116.0026>0存在过程模型失配s2+d112.6205>0存在过程模型失配s3+d1408.7128>0存在过程模型失配在表2中，首先分析了过程模型失配d1和d2情形下过程模型辨识指标ηssi的值，分别为2.5575和2.5962，可以看出的是这两个值都是远小于10的；接着，引入了过程模型失配的情形，得到的过程模型辨识指标ηssi的值都是大于0的，因此，根据ηssi的判定方式，选择β为10，后面三种情形可以确定一定存在过程模型失配的情形，实现了过程模型失配的检测过程实施例二一种存储介质，所述存储介质中存储有指令，当计算机读取所述指令时，使所述计算机执行如上述任一种闭环模型预测控制系统的过程模型失配检测方法。相关技术方案同实施例一，在此不再赘述。本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。当前第1页12