基于迭代学习控制的磨浆过程输出纤维形态随机分布控制研究

摘要

化学机械制浆生产过程中，磨浆过程是极为重要的生产单元，其运行性能和输出纤维形态分布直接影响到后续造纸环节的能耗和纸张质量。由于木片等富含纤维的原料在磨浆过程中经过磨盘揉搓挤压等一系列复杂工序，导致输出纤维形态分布（如纤维长度分布）不具有高斯分布的特性，所以也就无法通过控制纤维形态的均值和方差来对整个纤维形态分布进行准确控制。随机分布控制理论作为一种解决动态随机系统输出具有非高斯分布特性的有效方法，其核心是对系统输出纤维形态分布的概率密度曲线进行建模和控制。本文针对上述实际工程问题，依托国家自然科学基金重点项目(61333007)和国家自然科学基金面上项目(614730646)，开展了基于迭代学习控制的磨浆过程输出纤维形态随机分布控制研究。本文主要工作如下: (1)在建模方面，本文对比了高斯基函数和B样条基函数在模型逼近上的优缺点，选择高斯基函数对输出纤维形态分布的概率密度曲线进行逼近和权值解耦。基于纤维形态分布的均方根高斯基函数模型，即把纤维形态分布的概率密度曲线的平方根用高斯基函数和对应的权值表示，以此把对输出纤维形态分布概率密度曲线的控制，转化为对高斯基函数权值的控制。 (2)在控制方面，为了达到对目标纤维形态分布概率密度曲线的控制，一方面需要保证所选取的高斯基函数对目标曲线的完美逼近和权值解耦，另一方面还要保证对解耦的权值无误差跟踪，为此，研究了基于磨浆过程输出纤维形态分布的双闭环迭代控制算法，其中内环是根据迭代学习控制方法完成对高斯基函数模型的参数调整，外环是利用内环已经得到高斯基函数模型，对输出纤维形态分布概率密度曲线进行权值解耦，利用子空间辨识，获得磨浆过程主要输入变量和输出权值的状态空间模型，然后利用外环迭代学习控制算法对输出权值进行控制，进而达到对输出纤维形态分布概率密度曲线的控制。最后通过仿真实验验证了该控制算法的有效性。 (3)为提高迭代学习控制算法的快速收敛性和更广的适用性，本文在不对输入变量和输出权值进行建模的基础上，利用输入变量和输出权值误差等先验知识，在几何分析基础上提出一种几何分析的迭代学习控制算法，改善了整个双闭环迭代学习控制算法，并通过仿真结果，验证该算法的有效性。

目录

声明

摘要

第1章绪论

1．1课题背景及研究意义

1．2磨浆过程及其动态特性分析

1．2．1化学机械制浆过程工艺流程

1．2．2磨浆过程介绍

1．2．3磨浆过程动态特性分析

1．3磨浆过程控制输出纤维形态分布的重要性及研究现状

1．3．1磨浆过程控制输出纤维形态分布的重要性

1．3．2磨浆过程控制输出纤维形态分布的研究现状

1．4本文研究内容和结构安排

第2章磨浆过程输出纤维形态分布概率密度曲线逼近和权值解耦

2．1引言

2．2随机分布控制理论简介

2．2．1 B样条建模基础

2．2．2高斯基函数与B样条对比

2．2．3输出概率密度曲线的逼近原理

2．2．4随机分布控制的高斯基函数动态模型和相互间关系

2．3基于高斯基函数的磨浆过程输出纤维形态分布概率密度曲线逼近

2．4输出纤维形态分布概率密度曲线模型权值动态解耦

2．5本章小结

第3章基于双闭环迭代控制的磨浆过程输出纤维形态随机分布控制

3．1引言

3．2迭代学习控制简介

3．3迭代学习控制在随机分布控制领域的应用

3．4基于双闭环迭代控制的磨浆过程输出纤维形态随机分布控制算法

3．4．1内环迭代学习控制算法

3．4．2外环迭代学习控制算法

3．5仿真实验

3．6本章小结

第4章基于双闭环几何迭代控制的磨浆过程输出纤维形态随机分布控制

4．1引言

4．2几何迭代学习控制的简介

4．3基于双闭环几何迭代控制的磨浆过程输出纤维形态随机分布控制算法

4．3．1内环迭代学习控制算法

4．3．2外环迭代学习控制算法

4．4仿真实验

4．5本章小结

5．1本文工作

5．2工作展望

参考文献

致谢

硕士期间主要工作