分布参数系统融合空间影响度的分布式预测控制

It is difficult to obtain accurate mathematical models for practical distributed parameter industrial process, which brings more challenges to achieve good control performance under various existing system constraints. Although the advantages of predictive control conclude modeling with low requirements and its capacity of processing constraints, the objective function should be solved on line. This leads to the increasing computation with the complexity of system structure growing. The project aims to study the control theory for distributed parameter system to achieve real-timing in the framework of distributed predictive control. After analyzing the space influence graph of control source, the system is decomposed into multiple subsystems interacting with one another. On the basis of the input/output data from limited locations, spatiotemporal modeling method integrated with spatial influence graph is explored; with information exchange and intelligent coordination among subsystems fully considered, distributed predictive controller integrated with spatial information is studied to improve the whole performance of the system; the closed loop system analysis method of predictive control performance is proposed to analyze the stability and robustness of system. Taking the classical distributed parameter industrial process as examples, the project starts experimental research in order to propose systematical spatiotemporal modeling and optimization control theory that can meet the requirements of controlling practically.

实际分布参数工业过程，不仅难以获得精确的数学模型，还存在较多的系统约束，这为实现系统的优化控制增加了难度。预测控制具有对模型要求低，能处理约束的优点，但是其约束优化问题需要在线求解，随着系统结构复杂性的提高，计算量也随之增加。为保证控制系统的实时性，本项目针对分布参数系统，在分布式预测控制的框架下，通过分析控制源的空间影响度，将系统分解为多个相互关联的空间子系统，深入探讨分布参数系统融合分布式预测控制的理论与方法。基于有限位置的输入输出数据，研究融合局域空间影响度的时空建模方法；充分考虑子系统之间的信息交换和协调优化，研究融合空间信息的分布式预测控制器，提高系统的全局性能；建立分布式预测控制闭环系统的性能分析方法，研究系统的稳定性和鲁棒性，并以典型分布参数工业过程为例，开展实验研究，以期形成一种面向实际控制需要的、系统化的时空建模与优化控制理论方法。

分布参数系统的时空耦合、无穷维特性给系统的建模与控制带来了很大挑战，实际中存在的系统机理模型未知，更增加了此类系统控制问题的难度。本项目针对多输入多输出、时空耦合的分布参数系统，在预测控制的框架下，基于时空分离建模方法深入探讨分布参数系统控制理论与方法，具体从数据驱动的建模方法和模型预测控制两个方面展开研究。提出了基于时空分离策略的神经网络建模方法，提出了改进的群搜索算法提高神经网络的辨识精度；提出了一种新的移动窗局部离群概率算法，提出的算法可以处理复杂数据分布的问题。通过对全空间全工况的数据进行分析，实现系统工作区的划分；提出了基于移动窗策略的神经网络自适应建模方法，保证了当系统工况发生改变时模型的精确度。为了更好的获得表征系统非线性的动态模型，提出了基于非线性PCA方法的神经网络建模策略；在控制器设计方面，提出了基于多智能体协调的分布式预测控制方法，研究上层全局优化策略对子系统之间进行协调，提高系统的全局性能；基于时空分离方法，将空间控制目标转换为时序模型控制目标，提高控制的灵活性和精确性；建立预测控制闭环系统的性能分析方法，对控制系统的稳定性、鲁棒性进行分析。. 本项目的研究结果，不仅对预测控制算法的应用推广提供理论和技术基础，对丰富和发展分布参数系统的控制也提供了新的思路和方法。通过此项目的研究，一共发表论文8篇，其中SCI论文5篇，EI论文3篇。参加国内学术会议2次，国外学术会议一次，同时赴美国麻省理工学院访问交流一次。.

内容获取失败，请点击重试