一类间歇生产过程的迭代学习控制算法及其收敛性分析

化工学报 ›› 2010, Vol. 61 ›› Issue (1): 116-123.

一类间歇生产过程的迭代学习控制算法及其收敛性分析

贾立，施继平，邱铭森

上海大学机电工程与自动化学院自动化系，上海市电站自动化技术重点实验室; 新加坡国立大学工程学院

出版日期:2010-01-05 发布日期:2010-01-05

An iterative learning control algorithm with convergence analysis for batch processes

JIA Li，SHI Jiping，CHIU Minsen

Online:2010-01-05 Published:2010-01-05

摘要/Abstract

摘要：

针对基于迭代学习控制的间歇过程产品质量优化控制算法难以进行收敛性分析的难题，并且考虑到实际生产中存在外部干扰和不确定因素的影响，本文对间歇过程模型参数动态更新问题进行了分析，建立了间歇生产过程产品质量的神经模糊（NF）预测模型，提出了一种新颖的批次轴参数自适应调节算法。在此基础上，构造了一种基于数据驱动的间歇生产过程产品质量迭代学习控制算法，并对优化问题的收敛性给出了严格的数学证明。最后，将本文提出的算法用于一类典型的间歇过程终点质量控制研究，仿真结果验证了本文算法的有效性和实用价值，为间歇过程的优化控制提供了一条新途径。

关键词:

间歇过程, 迭代学习, 神经模糊模型, 优化算法

Abstract:

It is difficult to analyze the convergence of iterative learning optimal control for quality control of batch processes，and there exist the disturbance and uncertainties in practical processes.In this paper，a neural fuzzy (NF) model-based approach was used to predict the quality of product and an adaptive update algorithm in the direction of batch was also presented after analyzing the problem of parameters dynamic updating.On this basis，an iterative learning control algorithm with convergence analysis for batch processes was proposed.Moreover，the convergence of the proposed algorithm was analyzed and the rigorous proof was given.Lastly，to verify the efficiency of the proposed algorithm，the algorithm was applied to a classical batch process，and the simulation results showed the efficiency and practicability of the proposed method.Thus it provides a new way for the control of batch processes.

Key words:

间歇过程, 迭代学习, 神经模糊模型, 优化算法

贾立, 施继平, 邱铭森. 一类间歇生产过程的迭代学习控制算法及其收敛性分析 [J]. 化工学报, 2010, 61(1): 116-123.

JIA Li, SHI Jiping, CHIU Minsen. An iterative learning control algorithm with convergence analysis for batch processes[J]. CIESC Journal, 2010, 61(1): 116-123.

[1]	高学金, 黄梦丹, 齐咏生, 王普. PDPSO优化多阶段AR-PCA间歇过程监测方法[J]. 化工学报, 2018, 69(9): 3914-3923.
[2]	常鹏, 乔俊飞, 王普, 高学金, 李征. 基于MKECA的非高斯性和非线性共存的间歇过程监测[J]. 化工学报, 2018, 69(3): 1200-1206.
[3]	刘晓凤, 栾小丽, 刘飞. 基于隐变量空间载荷余弦相似度的间歇过程递推优化[J]. 化工学报, 2018, 69(3): 1167-1172.
[4]	刘伟旻, 王建林, 邱科鹏, 于涛, 赵利强. 基于多证据融合决策的间歇过程测量数据异常检测方法[J]. 化工学报, 2017, 68(8): 3183-3189.
[5]	仇力, 栾小丽, 刘飞. 基于主元相似度的间歇过程操作曲线递推优化[J]. 化工学报, 2017, 68(7): 2859-2865.
[6]	洪英东, 熊智华, 江永亨, 叶昊. 间歇过程点对点迭代学习控制的初始状态误差分析[J]. 化工学报, 2017, 68(7): 2826-2832.
[7]	王立敏, 杨继胜, 于晶贤, 李秉芸, 高福荣. 基于T-S模糊模型的间歇过程的迭代学习容错控制[J]. 化工学报, 2017, 68(3): 1081-1089.
[8]	刘伟旻, 王建林, 邱科鹏, 熊欢, 韩锐. 基于DHSC的多模态间歇过程测量数据异常检测方法[J]. 化工学报, 2017, 68(11): 4201-4207.
[9]	祁鹏程, 赵忠盖, 刘飞. 含时滞测量值下间歇过程的双维状态估计[J]. 化工学报, 2016, 67(9): 3784-3792.
[10]	胡永兵, 高学金, 李亚芬, 齐咏生, 王普. 基于仿射传播聚类子集主元分析的间歇过程监测方法[J]. 化工学报, 2016, 67(5): 1989-1997.
[11]	付钊, 贾立. 基于改进PDF技术的间歇过程NFM模型[J]. 化工学报, 2016, 67(3): 998-1007.
[12]	王志文, 刘毅, 高增梁. 时变间歇过程的2D-PID自适应控制方法[J]. 化工学报, 2016, 67(3): 991-997.
[13]	赵小强, 王涛. 基于TGNPE算法的间歇过程故障诊断[J]. 化工学报, 2016, 67(3): 1055-1062.
[14]	叶凌箭, 马修水, 宋执环. 基于输入轨迹参数化的间歇过程迭代学习控制[J]. 化工学报, 2016, 67(3): 743-750.
[15]	叶凌箭, 宋执环, 马修水. 间歇过程的批间自优化控制[J]. 化工学报, 2015, 66(7): 2573-2580.