一類連續(xù)化工生產(chǎn)過程的模型辨識及非線性預(yù)測控制研究.pdf

1、化工過程的建模和控制是過程控制領(lǐng)域的研究熱點(diǎn)和難點(diǎn)，由于化工過程通常存在很強(qiáng)的時(shí)變性和非線性，很難建立準(zhǔn)確的機(jī)理模型，而對過程的溫度、濃度、平均分子量等指標(biāo)的精確控制影響著產(chǎn)品的產(chǎn)量和質(zhì)量，具有很強(qiáng)的理論及實(shí)際研究價(jià)值。預(yù)測控制作為一種在實(shí)際生產(chǎn)中發(fā)展起來的控制方法，已得到了廣泛的應(yīng)用。但傳統(tǒng)的預(yù)測控制方法都是基于線性模型實(shí)現(xiàn)的，而對于具有強(qiáng)非線性的化工過程，線性模型預(yù)測控制難以取得滿意的控制效果，因此需要進(jìn)一步研究基于非線性模型的預(yù)測

2、控制方法。
　　本文以典型的連續(xù)化工生產(chǎn)過程如一階連續(xù)攪拌反應(yīng)釜、pH中和過程、MMA聚合反應(yīng)、生物反應(yīng)器等為對象，依據(jù)過程的輸入輸出數(shù)據(jù)建立辨識模型來描述系統(tǒng)的動(dòng)態(tài)特性，并基于所得模型設(shè)計(jì)非線性預(yù)測控制器。同時(shí)，結(jié)合智能優(yōu)化算法研究有約束非線性預(yù)測控制的控制律求解問題。論文的研究內(nèi)容主要包括以下幾個(gè)方面：
　　1.以一階連續(xù)攪拌反應(yīng)釜為研究對象，分析其模型的階躍響應(yīng)特性和穩(wěn)定性。將 CSTR的機(jī)理模型辨識成為 LSSVM-

3、ARX結(jié)構(gòu)的Hammerstein模型，并與采用多項(xiàng)式函數(shù)結(jié)構(gòu)的Hammerstein模型比較辨識效果?；诒孀R所得模型，提出相應(yīng)的非線性預(yù)測控制算法，給出了預(yù)測控制律的求解及非線性環(huán)節(jié)逆模型的構(gòu)造方法。將該方法用于CSTR的反應(yīng)物濃度控制中，并與基于多項(xiàng)式函數(shù)的Hammerstein模型預(yù)測控制以及 PI控制器仿真比較其效果。
　　2.提出了一種辨識Wiener模型的新方法，采用Laguerre正交函數(shù)描述模型的線性環(huán)節(jié)，采用最

4、小二乘支持向量機(jī)描述其非線性環(huán)節(jié)。給出了模型的結(jié)構(gòu)和辨識的具體步驟，并將該方法推廣到多輸入多輸出Wiener模型的辨識中。將所提方法分別針對SISO和MIMO情況進(jìn)行仿真驗(yàn)證，并與基于多項(xiàng)式函數(shù)的Laguerre-Wiener模型比較辨識效果。
　　3.將線性環(huán)節(jié)為Laguerre函數(shù)的Wiener模型用于pH中和過程的辨識及預(yù)測控制。將過程的機(jī)理模型分別辨識為Laguerre-LSSVM結(jié)構(gòu)的Wiener模型、Laguerre-

5、SVR結(jié)構(gòu)的Wiener模型、Laguerre-多項(xiàng)式結(jié)構(gòu)的Wiener模型和線性Laguerre模型，比較各模型的辨識效果，分別基于得到的四種模型對pH中和過程實(shí)施有約束預(yù)測控制，利用SQP算法求解控制律。
　　4.以 MMA聚合反應(yīng)為對象，研究基于高斯過程的模型辨識及非線性預(yù)測控制。分別針對不同的模型延遲分析高斯過程的動(dòng)態(tài)建模效果，比較其計(jì)算時(shí)間和預(yù)測性能，選擇最為合適的延遲建立最終的高斯模型，輸出其模型預(yù)測結(jié)果。將辨識得到的

6、高斯過程模型作為預(yù)測模型，構(gòu)建非線性預(yù)測控制算法，并用于MMA聚合過程數(shù)均分子量的跟蹤控制。
　　5.針對基本粒子群算法容易出現(xiàn)“早熟”收斂的缺點(diǎn)，提出一種改進(jìn)的混合遺傳粒子群算法，在基本算法的迭代中引入淘汰機(jī)制，將滿足淘汰條件的粒子與適應(yīng)度最優(yōu)的粒子進(jìn)行多后代擇優(yōu)交叉和一定概率的變異，以期得到適應(yīng)度更優(yōu)的新粒子代替被淘汰粒子，從而提高算法的全局尋優(yōu)能力。將混合遺傳粒子群算法用于有約束線性廣義預(yù)測控制的控制律求解中，仿真驗(yàn)證其有效