连续搅拌反应釜的多模型自适应控制方法及系统的制作方法
【技术领域】
[0001] 本发明涉及一种控制方法及系统，尤其涉及一种连续搅拌反应釜的多模型自适应 控制方法及系统。
【背景技术】
[0002] 随着我国工业化过程的不断发展，工业系统逐渐由较少设备组成的简单控制系统 向以多阶段多设备为特点的大型复杂系统转变。这种大规模的非线性系统往往存在强非线 性，多平衡点，参数变化范围大，参数有跳变等情况，不能简单的利用单一的线性模型来描 述。所以，针对线性系统设计的经典控制理论不能得到令人满意的控制效果。
[0003] 连续搅拌反应釜是化工、制药等工业生产过程中必不可少的生产工具，其操作状 况的好坏直接影响生产质量和效率。反应釜控制的任务就是在保证系统稳定的条件下，通 过优化操作条件和方式，改善产品质量，提高产品数量。在实际过程中，连续搅拌反应釜 经常受到外部和内部因素的影响，如反应物浓度变化、副反应、温度和汽液相位不均、外扰 等，并且系统本身具有强非线性。
【发明内容】
[0004] 本发明的目的在于提供一种连续搅拌反应釜的多模型自适应控制方法及系统，解 决控制过程中由于辨识速度低而造成过大的暂态误差或者系统不稳定的问题。
[0005] 为了解决上述问题，本发明涉及了一种连续搅拌反应釜的多模型自适应控制方 法，对一连续搅拌反应釜系统进行控制，包括以下步骤：
[0006] S1 :设置线性鲁棒间接自适应控制器由线性模型和线性控制器构成；设置神经网 络非线性间接自适应控制器由神经网络非线性模型和非线性控制器构成；设置k= 0时刻， 连续搅拌反应釜的温度的输出设为零；当k> 0时刻，连续搅拌反应釜的温度的输出设为 实际温度值，对所述连续搅拌反应釜建立一表示该系统温度的输入与输出的增长量关系的 非线性增量模型，对所述非线性增量模型设置线性极点配置控制器；初始化线性辨识参数 4⑷、非线性辨识参数和神经网络的权值w(k);
[0007]S2:由连续搅拌反应釜参考输入yjk)和系统的实际输出温度y(k)得 出系统的控制误差％(k) =yni(k)-y(k);线性辨识误差和非线性辨识误差分别为
Ψ(k)是由系 统输入输出组成的回归向量，为神经网络的系数多项式；
[0008]S3:利用线性辨识参数设定线性鲁棒间接自适应控制器，由系统的控制误差 e。计算线性鲁棒间接自适应控制器的输出值ui(k);
[0009] 利用非线性辨识参数今(/〇设定神经网络非线性间接自适应控制器，由系统的控 制误差e。计算神经网络非线性间接自适应控制器的输出值u2(k);
[0010] S4:根据线性辨识误差ei(k)和非线性辨识误差e2(k)，线性正则化的模型辨识误 差h和非线性正则化的模型辨识误差ε2来计算线性鲁棒间接自适应控制器的性能指标ΛΟΟ和神经网络非线性间接自适应控制器的性能指标J2(k):
[0012] 1 >Γ\> 〇，1彡Cc> 〇μ是连续搅拌反应釜系统的非线性项的增长率的上界，
[0013]m2⑴=1+||ψ⑴ ||w+nd(l),nd(k+l) =p0nd(k) + |Su(k)|2+|y(k)|2,0=^ρ0 <l，k是大于等于1的整数；
[0014]S5 :选择S4中得出的性能指标值较小的控制器在S3中产生的输出值，据此确定所 述连续搅拌反应釜的控制输入流速u(k);
[0015]S6 :利用线性辨识误差ei(k)和非线性辨识误差e2(k)分别更新下一时刻的线性辨 识参数、非线性辨识参数和神经网络的权值；
[0016]S7:重复S2-S6。
[0017] 较佳地，所述连续搅拌反应釜在平衡点附近利用泰勒展开成线性部分和非线性部 分，非线性部分由一个增长率有界的高阶非线性函数构成，该系统的零动态不具有全局渐 近稳定性。
[0018] 较佳地，所述非线性增量模型描述为=BQ1) Su(k)+Sf(k)，其中y(k)为所述非最小相位非线性系统的输出，
δ=Ι-q1是一个差分算子，Sf(k)= ?·(φ00)-?·(Φ(k-i))〇
[0019] 较佳地，通过& (/f^寻出使线性极点配置控制器为：
[0020] 〇"1&1)1^(11)3 11(1〇=-?((11)[7(101111(10]，式中1^(1 1)，？（(11)满足
[0021] LCq^Q^q1)δA(q+P(qB(q=A^q1)
[0022] 多项式UqlPQ1)的阶次分别为m_l，n+nq，其中Uq1)是首一的，AYq1)是基 于闭环极点的特性期望多项式，Qjq4，B(q4为通过^ (M构造的阶次为M的多项式。
[0023]较佳地，在每一个时刻，?(幻要经过个带正则化的投影的辨识算法进行更新；
[0027] m2(k) = 1+1 I Ψ (k) I |2+nd(k)
[0028] nd(k+l) = P〇nd(k) + | | δ u (k) 12+1 y (k) |2
[0029] 式中冷〇)是Θ在k时刻的估计值，
[0030]
Ω是一个 已知的紧集，且
η为系统阶次的上界，且η>m;
[0032] 在S2中，在每一个系统时刻k，由线性模型的参数么⑷来得线性鲁棒间接自适应 控制器为：
[0033]
[0034] 式中，Ψ(k)是由系统输入输出组成的回归向量。
[0035] 较佳地，<(々)可以构造δΑ^1)和BQ1)的估计：
[0036]
[0037]A(分1 = 1 +…+ ;其中礼…<"+^u 为线性模型对连续搅拌反 应釜系统线性部分未知参数的辨识。
[0038]较佳地，利用§2{k)构造 = + 皂…+4』--'其中"为非线性模型对连续搅拌反应釜线 性部分未知参数的辨识；
[0039] 并通过4(5 ')aG lUyj+Ak ')4(，）一')解出非线性控制器的系 统多项式4b ')，得到神经网络非线性间接自适应控制器为：
[0040]
[0041] 非线性正则化辨识误差ε2(k)和非线性辨识误差e2(k)为：
[0042]
[0043] e2 (k) = ε 2 (k) m2 (k)
[0044]式中六卜―1)和(? (f1)满足β", (f1) t (f1) 4 (《―1) + 4 (《-1)片(g-1) =
[0045] 较佳地，神经网络设置为三层结构，网络包括三层神经元，分别为输入层、隐含层 和输出层，各层神经元之间不连通，两层神经元之间全连通，隐层神经元个数通常设为6-10 个。
[0046] 为了实现上述目的，本发明还涉及一种连续搅拌反应釜系统的多模型自适应控制 系统，对一连续搅拌反应釜系统进行控制，所述连续搅拌反应釜系统的多模型自适应控制 系统包括：
[0047] 初始化单元，设置线性鲁棒间接自适应控制器由线性模型和线性控制器构成；设 置神经网络非线性间接自适应控制器由神经网络非线性模型和非线性控制器构成；设置k =0时刻，连续搅拌反应釜的温度的的输出设为零；当k> 0时刻，连续搅拌反应釜的温度 的输出设为实际温度值，对所述连续搅拌反应釜系统建立一表示该系统输入与输出的增长 量关系的非线性增量模型，对所述非线性增量模型设置线性极点配置控制器；初始化线性 辨识参数4(幻 > 非线性辨识参数$奶和神经网络的权值W(k);
[0048] 误差计算单元，由非最小相位非线性系统参考输入yjk)和系统的实际输出 y(k)得出系统的控制误差％(k) =yni(k)-y(k);线性辨识误差和非线性辨识误差分别为 q (/r) = v (々)-? (A - I) WA}和A (々)=>(々)-4 (々-1)V' ⑷-G ^ 统输入输出组成的回归向量，(? 是神经网络的系数多项式；
[0049] 控制器设定单元，利用线性辨识参数g(/c)设定线性鲁棒间接自适应控制器，由系 统的控制误差e。(k)计算线性鲁棒间接自适应控制器的输出值+ (k);
[0050] 利用非线性辨识参数成⑷设定神经网络非线性间接自适应控制器，由系统的控 制误差e。计算神经网络非线性间接自适应控制器的输出值u2(k);
[0051] 性能指标计算单元，根据线性辨识误差ei(k)和非线性辨识误差e2(k)，线性正则 化的模型辨识误差h和非线性正则化的模型辨识误差ε2来计算线性鲁棒间接自适应控 制器的性能指标10〇和神经网络非线性间接自适应控制器的性能指标J2(k):
[0053] 1>1\>〇，1彡％彡(^是连续搅拌反应釜的非线性项的增长率的上界，
[0054] m2⑴=1+||ψ⑴ ||2+nd(l),nd(k+l) =p0nd(k) + |Su(k)|2+|y(k)|2,0；^p0 <l，k是大于等于1的整数；
[0055] 切换单元，选择性能指标计算单元中得出的性能指标值较小的控制器在控制器设 定单元中产生的输出值，据此确定所述连续搅拌反应釜系统的控制输入进料流速u(k);以 及
[0056] 参数更新单元，利用线性辨识误差ei (k)和非线性辨识误差e2 (k)分别更新下一时 刻的线性辨识参数、非线性辨识参数和神经网络的权值，并输出给误差计算单元和控制器 设定单元。
[0057] 较佳地，所述连续搅拌反应釜系统在平衡点附近利用泰勒展开成线性部分和非线 性部分，非线性部分由一个增长率有界的高阶非线性函数构成，该系统的零动态不具有全 局渐近稳定性。
[0058] 本发明由于采用以上技术方案，与现有技术相比，具有以下的优点和积极效果：
[0059] 1)本发明通过引入线性极点配置控制器，多模型自适应控制器可以获得对连续搅 拌反应釜良好的控制效果并可以通过线性自适应控制器来保证系统的稳定性；