遺傳算法優(yōu)化的批次過程的線性二次容錯(cuò)控制方法
【專利摘要】本發(fā)明提出了一種遺傳算法優(yōu)化的批次過程的線性二次容錯(cuò)控制方法。本發(fā)明首先通過結(jié)合狀態(tài)變量和輸出跟蹤誤差，建立批次處理過程的擴(kuò)展?fàn)顟B(tài)空間模型來更好地處理批次生產(chǎn)過程中可能遇到的未知擾動(dòng)和執(zhí)行器故障的問題，接著利用遺傳算法來優(yōu)化目標(biāo)函數(shù)中的加權(quán)矩陣，最后設(shè)計(jì)線性二次容錯(cuò)控制器。本發(fā)明不僅保證了系統(tǒng)在未知擾動(dòng)和執(zhí)行器故障情況下有良好的跟蹤性能，同時(shí)也保證了形式簡單并滿足實(shí)際工業(yè)過程的需要。
【專利說明】遺傳算法優(yōu)化的批次過程的線性二次容錯(cuò)控制方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于工業(yè)自動(dòng)化【技術(shù)領(lǐng)域】，涉及一種遺傳算法優(yōu)化的批次過程的線性二次 容錯(cuò)控制方法。

【背景技術(shù)】
[0002] 近些年來，為了適應(yīng)多品種、多規(guī)格和高質(zhì)量的市場需求，批次生產(chǎn)過程越來越受 到人們的重視。然而在批次生產(chǎn)過程中，執(zhí)行器不可避免地會(huì)出現(xiàn)一些故障，這導(dǎo)致它很難 達(dá)到指定的位置。一旦有故障沒有被檢測并且立即被糾正，過程的控制性能就會(huì)惡化，甚至 會(huì)導(dǎo)致嚴(yán)重的安全問題。因此提出一種新的控制方法來解決執(zhí)行器在執(zhí)行過程中可能遇到 的故障從而保持系統(tǒng)的控制性能是十分必要的。


【發(fā)明內(nèi)容】

[0003] 本發(fā)明的目的是針對批次生產(chǎn)過程中可能遇到執(zhí)行器發(fā)生故障的問題，提出了一 種遺傳算法優(yōu)化的批次過程的線性二次容錯(cuò)控制方法。該方法首先通過結(jié)合狀態(tài)變量和輸 出跟蹤誤差，建立批次處理過程的擴(kuò)展?fàn)顟B(tài)空間模型來更好地處理批次生產(chǎn)過程中可能遇 到的未知擾動(dòng)和執(zhí)行器故障的問題，接著利用遺傳算法來優(yōu)化目標(biāo)函數(shù)中的加權(quán)矩陣，最 后設(shè)計(jì)線性二次容錯(cuò)控制器。該方法不僅保證了系統(tǒng)在未知擾動(dòng)和執(zhí)行器故障情況下有良 好的跟蹤性能，同時(shí)也保證了形式簡單并滿足實(shí)際工業(yè)過程的需要。
[0004] 本發(fā)明的技術(shù)方案是通過數(shù)據(jù)采集、模型建立、預(yù)測機(jī)理、優(yōu)化等手段，確立了一 種遺傳算法優(yōu)化的批次過程的線性二次容錯(cuò)控制方法，利用該方法可有效提高系統(tǒng)在未知 擾動(dòng)和執(zhí)行器故障情況下的控制性能。
[0005] 本發(fā)明方法的步驟包括：
[0006] 步驟（1).建立被控對象的擴(kuò)展?fàn)顟B(tài)空間模型，具體方法是：
[0007] a.利用實(shí)時(shí)數(shù)據(jù)驅(qū)動(dòng)的方法建立局部預(yù)測模型，具體方法是：建立批次過程的實(shí) 時(shí)運(yùn)行數(shù)據(jù)庫，通過數(shù)據(jù)采集裝置采集實(shí)時(shí)過程運(yùn)行數(shù)據(jù)，將采集的實(shí)時(shí)過程運(yùn)行數(shù)據(jù)作 為數(shù)據(jù)驅(qū)動(dòng)的樣本集合。其中，仍表示第i組工藝參數(shù)的輸入值，y(i)表示第i 組工藝參數(shù)的輸出值，N表示采樣總數(shù)；以該對象的實(shí)時(shí)過程運(yùn)行數(shù)據(jù)集合為基礎(chǔ)建立基 于最小二乘算法的離散差分方程形式的局部受控自回歸滑動(dòng)平均模型：

【權(quán)利要求】
1.遺傳算法優(yōu)化的批次過程的線性二次容錯(cuò)控制方法，其特征在于該方法的具體步驟 是： 步驟（1).建立被控對象的擴(kuò)展?fàn)顟B(tài)空間模型，具體是： a. 利用實(shí)時(shí)數(shù)據(jù)驅(qū)動(dòng)的方法建立局部預(yù)測模型：建立批次過程的實(shí)時(shí)運(yùn)行數(shù)據(jù)庫，通 過數(shù)據(jù)采集裝置采集實(shí)時(shí)過程運(yùn)行數(shù)據(jù)，將采集的實(shí)時(shí)過程運(yùn)行數(shù)據(jù)作為數(shù)據(jù)驅(qū)動(dòng)的樣本 集合{的,3；(/)}；!,;其中，仍表示第i組工藝參數(shù)的輸入值，y (i)表示第i組工藝參數(shù)的輸出 值，N表示采樣總數(shù)；以該對象的實(shí)時(shí)過程運(yùn)行數(shù)據(jù)集合為基礎(chǔ)建立基于最小二乘算法的 離散差分方程形式的局部受控自回歸滑動(dòng)平均模型：
其中，h(k)表示k時(shí)刻局部預(yù)測模型的工藝參數(shù)的輸出值，§表示通過辨識得到的 模型參數(shù)的集合，P表示局部預(yù)測模型的工藝參數(shù)的過去時(shí)刻的輸入和輸出數(shù)據(jù)的集合， u(k-d-l)表示k-d-Ι時(shí)刻工藝參數(shù)對應(yīng)的控制變量，d+Ι為實(shí)際過程的時(shí)滯，T為矩陣的 轉(zhuǎn)置符號； 采用的辨識手段為：
其中，κ和p為辨識中的兩個(gè)矩陣，p(o) = ^> ιο6),/(ο <7< 1)為遺忘因子，?為單位 矩陣； b. 利用a步驟中得到的系數(shù)，建立批次過程的差分方程模型，其形式為： Λ y (k) +H Λ y (k-1) = F Λ u (k-d-1) 其中，Λ是差分算子，F(xiàn)，H為a步驟中通過辯識得到的參數(shù)，d為時(shí)滯項(xiàng)； c. 根據(jù)b步驟中的差分方程，建立批次過程的狀態(tài)空間模型，形式如下： 其中，

Cm = (1 Ο 0 …0) 其中，Am為（d+1) X (d+1)階矩陣，Bm為（d+1) X 1階矩陣，Cm為1 X (d+1)階矩陣； d.將c步驟中得到的狀態(tài)空間模型轉(zhuǎn)換為包含狀態(tài)變量和輸出跟蹤誤差的擴(kuò)展?fàn)顟B(tài) 空間模型，形式如下：
式中，

其中，r(k)為k時(shí)刻的理想輸出值，e(k)為k時(shí)刻理想輸出值與實(shí)際輸出值之間的差 值； 步驟（2).利用遺傳算法確定目標(biāo)函數(shù)中的加權(quán)矩陣Q，具體是： a. 選取批次過程的目標(biāo)函數(shù)J，形式如下：
Q - Qf - diag {qjyl，qjy2，…，qjyn，qjul，…，q』·-" qjeJ 其中，Q>0, R>0, Qf>0分別過程狀態(tài)的加權(quán)矩陣、輸入加權(quán)矩陣和終端加權(quán)矩陣，[U kf] 為優(yōu)化時(shí)域；q"，q#…為過程狀態(tài)的權(quán)重系數(shù)，為輸出跟蹤誤差的權(quán)重系數(shù)并且取 Qje = 1 ; b. 對a步驟中Q矩陣的每個(gè)元素進(jìn)行二進(jìn)制編碼，每一個(gè)qjyl, qjy2，…，qjyn, qjul，…，qjn 被重新定義，定義方法如下： qji = max(qJi)*b/210(i = yl, 2, ···, um-1) 其中，max(qy表示取q#中的最大值，b表示當(dāng)前％的值；對Q中的元素編碼完成后， 將所有變量的二進(jìn)制編碼整合成一個(gè)二進(jìn)制字符串，并將每一個(gè)二進(jìn)制字符串看作一個(gè)個(gè) 體； c. 選取遺傳算法的適應(yīng)度函數(shù)，并計(jì)算每個(gè)個(gè)體的適應(yīng)度值，適應(yīng)度函數(shù)形式如下： f = 1/ [c+ 〇 (t) +tr (t)] 其中，〇(t)表示第t代的超調(diào)量，tr(t)表示第t代的上升時(shí)間，c是一個(gè)常數(shù)；當(dāng)適 應(yīng)度函數(shù)值大于fz時(shí)，遺傳算法被終止； d. 選擇過程是根據(jù)自然界的優(yōu)勝劣汰來進(jìn)行的，采用輪轉(zhuǎn)法來計(jì)算個(gè)體(^被選擇的 概率：
其中，f (Cl)是個(gè)體Cl的適應(yīng)度值，N是樣本總數(shù)； e. 對當(dāng)前的所有個(gè)體進(jìn)行交叉操作，產(chǎn)生下一代個(gè)體； f. 按照c步驟中的方法計(jì)算每一個(gè)下一代個(gè)體的適應(yīng)度值，并判斷是否滿足c步驟中 的終止條件，如果滿足，該個(gè)體就是要找的Q的最優(yōu)解，進(jìn)行下一步；如果不滿足，則執(zhí)行c 到f步驟，直到找到滿足終止條件的個(gè)體； g. 將滿足終止條件的個(gè)體按照b步驟中的方法進(jìn)行解碼，解碼后得到的矩陣即為最優(yōu) 的Q矩陣； 步驟（3).設(shè)計(jì)被控對象的遺傳算法優(yōu)化的批次過程的線性二次容錯(cuò)控制器，具體方 法是： a. 選取批次過程的目標(biāo)函數(shù)，形式如下：

其中，Q為遺傳算法優(yōu)化得到的加權(quán)矩陣； b. 利用龐特里亞金最小值原理將a步驟的目標(biāo)函數(shù)寫成如下形式：
其中，Pk+1為拉格朗日乘子； c. 求
，并令其等于零，可得
聯(lián)合
，進(jìn)一步可以得到

其中，ΙΓ1表示輸入加權(quán)矩陣的逆矩陣，I為適當(dāng)維數(shù)的單位矩陣； d. 將c步驟中得到的控制量u(k)作用于被控對象； e. 在下一時(shí)刻，依照步驟（2) a到步驟（3) d的步驟繼續(xù)求解新的控制量u(k+l)，并依 次循環(huán)。
【文檔編號】G06N3/12GK104156767SQ201410281432
【公開日】2014年11月19日 申請日期:2014年6月20日 優(yōu)先權(quán)日:2014年6月20日
【發(fā)明者】張樂, 李海生, 張日東, 鄒洪波, 吳鋒 申請人:杭州電子科技大學(xué)