間歇過(guò)程的核學(xué)習(xí)自適應(yīng)建模與控制研究及工業(yè)應(yīng)用.pdf

1、生物化工和精細(xì)化工等以間歇生產(chǎn)方式為主的技術(shù)密集型產(chǎn)業(yè)，在國(guó)民經(jīng)濟(jì)中占有重要地位。間歇過(guò)程的建模和控制困難、質(zhì)量波動(dòng)大等亟待解決的關(guān)鍵問(wèn)題制約了化學(xué)工業(yè)的精細(xì)化進(jìn)程。本文以發(fā)酵和煉膠這兩類(lèi)典型的間歇過(guò)程為例，對(duì)其建模和控制方面存在的問(wèn)題進(jìn)行研究，采用遞推核學(xué)習(xí)(Recursive KernelLearning，RKL)理論開(kāi)發(fā)簡(jiǎn)單、有效、適合工業(yè)應(yīng)用的建模與控制方法，旨在促進(jìn)自動(dòng)化和信息技術(shù)在間歇過(guò)程中的應(yīng)用。
　　 本文主要的

2、創(chuàng)新性研究工作包括：
　　 (1)提出一種適合非線性MIMO過(guò)程的在線建模方法：選擇性遞推核學(xué)習(xí)(Selective RKL，SRKL)。它能有效結(jié)合過(guò)程先驗(yàn)知識(shí)控制模型的復(fù)雜度；采用在線遞推算法進(jìn)行節(jié)點(diǎn)增加和刪減以減小計(jì)算量；研究了節(jié)點(diǎn)刪減和模型推廣性能的內(nèi)在聯(lián)系，保證模型在節(jié)點(diǎn)刪減時(shí)的推廣性能。SRKL有效克服了普通遞推KL方法無(wú)稀疏性和隨意刪減樣本兩大缺點(diǎn)。在青霉素和鏈激酶等發(fā)酵過(guò)程在線建模的研究結(jié)果表明，SRKL能快速、

3、準(zhǔn)確的預(yù)報(bào)菌體等關(guān)鍵變量濃度，性能優(yōu)于傳統(tǒng)神經(jīng)網(wǎng)絡(luò)、遞推偏最小二乘和普通KL方法；同時(shí)模型能適應(yīng)工況的變化，隨發(fā)酵批次的增加，精度逐漸提高。
　　 (2)提出一種適合MIMO過(guò)程的基于自適應(yīng)局部KL在線建模方法?？紤]樣本間的距離和角度信息以獲得更全面合理的相似樣本集，推導(dǎo)了采用快速留—交叉驗(yàn)證法在線優(yōu)化模型參數(shù)的準(zhǔn)則，并給出了間歇過(guò)程在線自適應(yīng)模型選擇的策略。通過(guò)鏈激酶流加發(fā)酵過(guò)程菌體和產(chǎn)物濃度的在線預(yù)報(bào)為例，驗(yàn)證了該方法從過(guò)程

4、的第2批次開(kāi)始能自適應(yīng)的建立準(zhǔn)確的預(yù)報(bào)模型，較普通的全局和局部KL具有更高的預(yù)報(bào)精度和自適應(yīng)性。
　　 (3)提出并系統(tǒng)研究了稀疏核學(xué)習(xí)辨識(shí)模型的單步預(yù)測(cè)控制框架(Sparse KLOne—step—ahead Predictive Control，SKL—OPC)，主要設(shè)計(jì)了SKL—PKR(PolynomialKernel&Root)和SKL—ATL(Adaptive Taylor Linearization)兩類(lèi)控制器。

5、r>　　 (3A)SKL—PKR是一類(lèi)特殊的適用多項(xiàng)式核的直接控制器，在求取最優(yōu)控制律時(shí)可將調(diào)節(jié)變量從目標(biāo)函數(shù)分離出來(lái)，并最終轉(zhuǎn)化為求解—奇數(shù)次代數(shù)方程根的問(wèn)題。PKR方法較為巧妙，無(wú)需復(fù)雜的非線性?xún)?yōu)化技術(shù)，為其它核函數(shù)控制器的設(shè)計(jì)提供有效的參考。通過(guò)—Benchmark控制問(wèn)題和一非線性釜式反應(yīng)器驗(yàn)證該方法簡(jiǎn)單和有效，比傳統(tǒng)PID等控制器具有更好的性能。
　　 (3B)SKL—ATL是適用所有核函數(shù)的自適應(yīng)控制器，利用Tay

6、lor線性化方法獲得解析的控制律，并以一自適應(yīng)校正項(xiàng)提高控制性能。采用中值定理證明了控制律收斂的存在性，同時(shí)獲得自適應(yīng)調(diào)整策略。ATL具有很好的魯棒性和自適應(yīng)能力，有效克服了其它方法需調(diào)整控制器參數(shù)的缺點(diǎn)，綜合控制性能最好。通過(guò)兩個(gè)Benchmark控制問(wèn)題和一非線性釜式反應(yīng)器驗(yàn)證了該控制器簡(jiǎn)單有效且具有自適應(yīng)調(diào)整能力，比傳統(tǒng)PID等控制器具有更好的性能。
　　 (4)以SKL—ATL控制器為例，將SKL—OPC框架拓展為節(jié)點(diǎn)增

7、長(zhǎng)和刪減均可在線遞推更新且復(fù)雜度可控的控制器，以更好學(xué)習(xí)和適應(yīng)過(guò)程的變化，提高控制器的性能。在非線性液位系統(tǒng)和發(fā)酵過(guò)程的仿真研究表明了通過(guò)在線更新的ATL控制器較優(yōu)化整定的PID和無(wú)在線更新的控制器等具有更好的控制性能，對(duì)噪聲、擾動(dòng)和系統(tǒng)的時(shí)變等有更好的魯棒性和自適應(yīng)性。
　　 (5)門(mén)尼粘度對(duì)混煉膠的質(zhì)量起著重要的作用，實(shí)時(shí)測(cè)取混煉膠門(mén)尼粘度，最終獲得合格的、均一性能好的膠料是橡膠和輪胎廠十分關(guān)心和亟待解決的問(wèn)題?；谀Ｐ涂勺?/p>

8、適應(yīng)選擇的RKL建模和控制方法，研發(fā)了先進(jìn)密煉信息集成與控制系統(tǒng)，在國(guó)內(nèi)多家大型橡膠和輪胎廠上線應(yīng)用，取得了很好的工業(yè)應(yīng)用效果，對(duì)橡膠混煉過(guò)程具有重要的現(xiàn)實(shí)和經(jīng)濟(jì)意義：
　　 (5A)在線預(yù)報(bào)門(mén)尼粘度能提供產(chǎn)品的終端質(zhì)量和批次間的過(guò)程信息，減輕各階段質(zhì)檢工作強(qiáng)度和壓力，減少對(duì)質(zhì)量檢測(cè)設(shè)備的投入，降低企業(yè)成本。
　　 (5B)實(shí)現(xiàn)門(mén)尼粘度的先進(jìn)排膠控制，提高了門(mén)尼的合格率和均一性，保證煉膠質(zhì)量，減少煉膠時(shí)間，節(jié)能減排，提高