面向具有不确定因素的间歇过程迭代学习控制

摘要

随着现代工业的快速发展，间歇过程由于具有高附加值、精度高的特点而越来越受到人们的关注。但是与传统的连续而过程相比，间歇过程的反应机理涉及到更多的因素，过程更为复杂，更容易受到外界的干扰。另外，间歇过程的工艺精度有更高的要求，因此间歇过程的控制逐渐受到越来越多的研究学者的关注。本文主要针对具有不确定性因素的间歇过程，探讨迭代学习控制算法的设计方法以及应用。
　　本文对于线性的具有不确定性因素的间歇过程，提出了一种基于二自由度的鲁棒迭代学习控制算法。通过分析系统的不确定性部分的幅频响应，采用鲁棒建模的方法获得系统的整体描述。在获得系统的鲁棒模型后，利用系统的标称模型设计前馈控制器，而反馈控制器由鲁棒控制算法得到。迭代学习控制器直接由鲁棒控制部分的性能权重函数构造，给系统的实施带来了很大的方便。从数学证明和仿真结果可以看出，本文提出的控制算法不但保证了首个批次的鲁棒稳定性，而且跟踪误差在几个批次后能够收敛到足够小的值。而对于非线性的间歇过程，难以用传统的建模和控制方法进行分析。本文从数据驱动的角度出发，采用高斯过程模型强大的非线性拟合能力对系统进行建模，通过多步预测的方法对间歇过程的被控变量终点值进行预测，构造Batch to Batch控制。通过迭代轴数据移窗的方法随着迭代轴不断调整高斯过程模型，使得系统存在参数漂移的情况下也能得到良好的控制。

目录

声明

摘要

第一章 绪论

1．1 课题的研究背景与意义

1．2 间歇过程的研究现状

1．3 迭代学习控制算法研究现状

1．4 间歇过程的不确定性因素以及应对策略

1．5 本文结构

第二章 迭代学习控制算法与鲁棒控制简介

2．1 引言

2．2 迭代学习控制算法基本原理

2．2．1 模型描述

2．2．2 迭代学习控制算法

2．3 鲁棒控制算法

2．3．1 不确定性对象的鲁棒描述

2．3．2 鲁棒控制器的设计方法

2．4 本章小结

第三章 基于二自由度的鲁棒迭代学习控制算法

3．1 引言

3．2 二自由度的鲁棒控制器设计

3．2．1 鲁棒反馈控制器的设计

3．2．2 前馈控制器的实现

3．3 鲁棒迭代学习控制算法的实现与数学证明

3．4 基于数学模型的仿真研究

3．4．1 模型描述

3．4．2 控制效果与分析

3．5 基于间歇过程控制仿真与分析

3．5．1 间歇过程模型描述

3．5．2 鲁棒模型的建立

3．5．3 控制效果与分析

3．6 本章小结

第四章 基于高斯过程的Batch to Batch控制算法

4．1 引言

4．2 高斯过程模型

4．3 基于高斯过程的动态模型

4．4 Batch to Batch算法的实现

4．5 仿真结果与分析

4．5．1 间歇过程的高斯过程建模

4．5．2 Batch to Batch仿真结果

4．6 本章小结

第五章 结论与展望

5．1 结论

5．2 展望

参考文献

致谢

研究成果及发表的学术论文

作者简介