數(shù)據(jù)驅(qū)動(dòng)的預(yù)測(cè)控制器設(shè)計(jì)與性能監(jiān)控.pdf

1、預(yù)測(cè)控制包括預(yù)測(cè)模型、滾動(dòng)優(yōu)化和反饋校正三個(gè)要素,在處理多變量系統(tǒng)的控制問(wèn)題以及處理系統(tǒng)存在的約束方面具有其獨(dú)到的優(yōu)勢(shì)。使得預(yù)測(cè)控制在許多復(fù)雜的工業(yè)生產(chǎn)過(guò)程中都取得了成功應(yīng)用。因此,對(duì)預(yù)測(cè)控制器的設(shè)計(jì)以及監(jiān)控的研究,對(duì)提升生產(chǎn)效益具有重要的理論和實(shí)際意義。
　　數(shù)據(jù)驅(qū)動(dòng)的概念最早來(lái)源于計(jì)算機(jī)科學(xué)領(lǐng)域,近些年被應(yīng)用到控制領(lǐng)域。在生產(chǎn)數(shù)據(jù)大量積累的今天,如何充分利用數(shù)據(jù)中包含的巨大信息,解決工業(yè)過(guò)程難以機(jī)理建模的困難并實(shí)施控制器性能監(jiān)

2、控以保證過(guò)程平穩(wěn)運(yùn)行,是研究數(shù)據(jù)驅(qū)動(dòng)方法的意義所在。本文從數(shù)據(jù)驅(qū)動(dòng)的角度出發(fā),研究了預(yù)測(cè)控制器設(shè)計(jì)及監(jiān)控的方法,以期所提出的方法能夠改善預(yù)測(cè)控制器的設(shè)計(jì)并提高預(yù)測(cè)控制器性能監(jiān)控的效果。
　　本文首先介紹了數(shù)據(jù)驅(qū)動(dòng)方法的研究背景以及意義,并分別對(duì)國(guó)內(nèi)外關(guān)于數(shù)據(jù)驅(qū)動(dòng)的控制方法以及數(shù)據(jù)驅(qū)動(dòng)的性能監(jiān)控方法進(jìn)行了綜述。在此基礎(chǔ)上,研究?jī)?nèi)容分為三個(gè)部分:數(shù)據(jù)驅(qū)動(dòng)的預(yù)測(cè)控制器設(shè)計(jì),數(shù)據(jù)驅(qū)動(dòng)的預(yù)測(cè)控制器性能評(píng)估和數(shù)據(jù)驅(qū)動(dòng)的預(yù)測(cè)控制器性能診斷。

3、r>　　針對(duì)數(shù)據(jù)驅(qū)動(dòng)的預(yù)測(cè)控制器設(shè)計(jì)部分,介紹了子空間辨識(shí)算法的框架與兩種常見(jiàn)的基于子空間辨識(shí)的預(yù)測(cè)控制器設(shè)計(jì)方法。并搭建了寧波東大的實(shí)驗(yàn)平臺(tái),分別設(shè)計(jì)了單變量和多變量?jī)深悓?shí)驗(yàn),驗(yàn)證了所述的基于子空間辨識(shí)的預(yù)測(cè)控制器設(shè)計(jì)方法,為本文之后研究?jī)?nèi)容,包括對(duì)預(yù)測(cè)控制器的性能評(píng)估與性能診斷的算法設(shè)計(jì),提供了實(shí)驗(yàn)驗(yàn)證的環(huán)境。
　　針對(duì)數(shù)據(jù)驅(qū)動(dòng)的預(yù)測(cè)控制器性能評(píng)估部分,基于子空間辨識(shí)框架,提出了一種新的利用子空間矩陣的秩特性來(lái)對(duì)預(yù)測(cè)控制器進(jìn)行

4、性能評(píng)估的方法?？紤]到子空間矩陣反應(yīng)了系統(tǒng)實(shí)時(shí)的動(dòng)態(tài)特性的變化,推導(dǎo)了子空間矩陣秩特性的性能指標(biāo),并通過(guò)Wood-Berry精餾塔模型的仿真,驗(yàn)證了所提方法有效性;隨后基于歷史性能指標(biāo)的預(yù)測(cè)控制器性能評(píng)估方法,提出了一種新的算法用于歷史數(shù)據(jù)集的選取,克服了以往方法依賴于專家知識(shí)的局限,可在大范圍的I/O數(shù)據(jù)中,基于用戶不同的需求,選擇系統(tǒng)可達(dá)且最佳的歷史數(shù)據(jù)集,提高了評(píng)估指標(biāo)的靈敏度和準(zhǔn)確性,在Wood-Berry精餾塔上的仿真驗(yàn)證了本

5、文所提方法的有效性。
　　針對(duì)數(shù)據(jù)驅(qū)動(dòng)的預(yù)測(cè)控制器性能診斷部分,提出了一種基于神經(jīng)網(wǎng)絡(luò)的MPC性能診斷方法。首先分析了可能導(dǎo)致預(yù)測(cè)控制器性能下降的四種常見(jiàn)故障,分別為模型失配、噪聲失配、輸入及輸出變量的約束飽和。選取過(guò)程回路中的過(guò)程變量作為分類特征(即分類器的輸入),利用神經(jīng)網(wǎng)絡(luò)離線訓(xùn)練分類器,用于四類性能模式的診斷與判別,并通過(guò)寧波東大實(shí)驗(yàn)平臺(tái)上的實(shí)驗(yàn)驗(yàn)證了所提方法的有效性;隨后考慮到在實(shí)際生產(chǎn)中, MPC性能的變化可能不僅僅是