復(fù)雜環(huán)境下數(shù)據(jù)驅(qū)動(dòng)的MPC性能監(jiān)控.pdf

1、控制器的性能監(jiān)控，是保證控制器及整個(gè)工業(yè)過(guò)程平穩(wěn)正常運(yùn)行的一種常用手段。由于工業(yè)過(guò)程日趨復(fù)雜，傳統(tǒng)的數(shù)據(jù)驅(qū)動(dòng)的預(yù)測(cè)控制器(Model Predictive Control，MPC)的性能監(jiān)控方法已經(jīng)無(wú)法滿足當(dāng)前的需求，本文針對(duì)基于多工況和多誘因的復(fù)雜環(huán)境下的MPC性能監(jiān)控方法進(jìn)行研究，結(jié)合數(shù)據(jù)在多工況多誘因下的特點(diǎn)，提出了有效可行的數(shù)據(jù)驅(qū)動(dòng)的性能監(jiān)控的方法。多工況環(huán)境的性能監(jiān)控中，在進(jìn)行性能評(píng)估時(shí)，控制器的性能基準(zhǔn)會(huì)隨著工況的變化而變化

2、，因此在性能評(píng)估前需要通過(guò)確定實(shí)時(shí)數(shù)據(jù)所處的工況，以確定數(shù)據(jù)所在工況對(duì)應(yīng)的性能基準(zhǔn)。本文就此問(wèn)題提出了基于綜合相似因子的工況判定方法，利用改進(jìn)的主元分析(Principle Component Analysis，PCA)相似因子和巴氏距離(Bhattacharyya distance)相似因子，同時(shí)考慮了數(shù)據(jù)在主元方向上的變化以及在空間距離的變化，比較實(shí)時(shí)數(shù)據(jù)與歷史數(shù)據(jù)的相似程度，從而獲取實(shí)時(shí)數(shù)據(jù)所處的工況。在多誘因的性能監(jiān)控中，即同時(shí)

3、存在多種導(dǎo)致MPC性能下降的原因，若只考慮單一誘因，并不能完全診斷出導(dǎo)致MP C控制器性能下降的所有原因。而在多誘因的影響下，會(huì)使得不同情況下MP C的輸入/輸出數(shù)據(jù)特征相近，加大了性能監(jiān)控的難度。
　　本文對(duì)數(shù)據(jù)驅(qū)動(dòng)的多誘因影響的MP C性能監(jiān)控首先提出了一種基于巴氏距離相似因子的性能評(píng)估方法，該方法利用巴氏距離相似因子作為性能指標(biāo)，由于巴氏距離考慮到了數(shù)據(jù)方差的變化，通過(guò)比較實(shí)時(shí)數(shù)據(jù)與歷史數(shù)據(jù)的空間距離和方差差異，有效地放大了

4、數(shù)據(jù)的波動(dòng)變化，從而提高了性能評(píng)估的準(zhǔn)確性。在性能評(píng)估的基礎(chǔ)上，針對(duì)多誘因 MP C性能診斷問(wèn)題，本文提出了基于對(duì)支持向量機(jī)(Twin Support Vector Machine，TWSVM)和有向無(wú)環(huán)圖(Directed Acyclic Graph，DAG)相結(jié)合的分類(lèi)器算法。該算法考慮到了多誘因存在的影響，對(duì)性能診斷的過(guò)程進(jìn)行逐步分解，從而達(dá)到對(duì)多誘因的MPC性能診斷的目的。最后數(shù)據(jù)驅(qū)動(dòng)的MPC性能監(jiān)控仿真軟件平臺(tái)的建立，推廣了本