| 【论文摘要】 |
间歇生产过程是以顺序的操作步骤进行批量产品生产的过程,广泛应用于精细化工、药品生产、生物制品、现代农业等领域,并随着工业生产柔性化的趋势和市场对产品多样化的要求,受到越来越多的重视。传统的间歇生产过程中人工操作占很大的比重,自动化水平普遍较低,因此,迫切需要运用先进的控制策略和优化方法来提高生产效率、节约生产成本。
由于许多间歇过程单元存在非线性、大滞后、时变和数学模型不确定等特征,采取传统的PID控制,难以达到理想的控制效果;同时,又由于间歇过程的运行一般是在没有稳态工作点的过渡状态下进行,其控制和优化问题十分复杂,采用简单的智能控制策略效果欠佳。因此非常有必要研究新的智能控制策略。考虑到间歇过程具有一个鲜明的特点,即过程运行是分批重复进行的,且每次的运行时间有限,这恰好与迭代学习控制(ILC)的适用特征相吻合。但是,传统的ILC是针对单输入单输出系统设计的,而且对过程控制中经常遇到的约束、耦合等问题的求解并不太适合。而模糊模型、预测控制在这些问题上具有各自的优势。因此,本课题在对上述三种方法进行综合应用并加以改进的基础上,给出了一种预测迭代学习新算法;研究了一种在无模型和无先验知识的情况... |
