基于T-S模糊模型的间歇过程的迭代学习容错控制
本文选题：间歇过程 切入点：D 出处：《化工学报》2017年03期 论文类型：期刊论文
【摘要】：间歇过程不仅具有强非线性,同时还会受到诸如执行器等故障影响,研究非线性间歇过程在具有故障的情况下依然稳定运行至关重要。针对执行器增益故障及系统所具有的强非线性,提出一种新的基于间歇过程的T-S模糊模型的复合迭代学习容错控制方法。首先根据间歇过程的非线性模型,利用扇区非线性方法建立其T-S模糊故障模型,再利用间歇过程的二维特性与重复特性,在2D系统理论框架内,设计2D复合ILC容错控制器,进而构建此T-S模糊模型的等价二维Rosser模型,接着利用Lyapunov方法给出系统稳定充分条件并求解控制器增益。针对强非线性的连续搅拌釜进行仿真,结果表明所提出方法具有可行性与有效性。
[Abstract]:Batch processes are not only strongly nonlinear, but also subject to failures such as actuators. It is very important to study the stable operation of nonlinear intermittent processes under the condition of failure. In view of the actuator gain fault and the strong nonlinearity of the system, A new compound iterative learning fault-tolerant control method for T-S fuzzy model based on batch process is proposed. Firstly, according to the nonlinear model of batch process, the T-S fuzzy fault model is established by using sector nonlinear method. Based on the two-dimensional and repetitive characteristics of batch processes, a 2D composite ILC fault-tolerant controller is designed within the framework of 2D system theory, and the equivalent two-dimensional Rosser model of the T-S fuzzy model is constructed. Then the Lyapunov method is used to give a sufficient condition for the stability of the system and the controller gain is solved. The simulation results for a strongly nonlinear continuous stirred tank show that the proposed method is feasible and effective.
【作者单位】： 辽宁石油化工大学理学院;香港科技大学化学与生物分子工程系;
【基金】：国家自然科学基金项目(61433005) 辽宁省高等学校优秀人才支持计划项目(LJQ2014039) 广东省创新团队项目(2013G076)~~
【分类号】：TB114.2
【相似文献】
相关期刊论文 前10条
1 刘兴红;邹志云;刘景全;郭宇晴;于鲁平;;自回归求和滑动平均方法用于间歇过程变量在线预测[J];石油化工自动化;2012年02期
2 郭明,谢磊,王树青;基于模型的多尺度间歇过程性能监控[J];系统工程理论与实践;2004年01期
3 王姝;常玉清;杨洁;王福利;冯淑敏;;时段划分的多向主元分析间歇过程监测及故障变量追溯[J];控制理论与应用;2011年02期
4 刘斐;间歇过程的最优调度策略及应用[J];洛阳工学院学报;1998年02期
5 王建平;胡益;侍洪波;;基于高阶偏最小二乘的间歇过程建模[J];化工学报;2014年09期
6 李华文;间歇过程中稳定控制器的设计[J];河北轻化工学院学报;1997年01期
7 贾立;施继平;程大帅;邱铭森;;间歇生产过程的R调节学习控制[J];控制理论与应用;2011年09期
8 张玉良;张贝克;马昕;曹柳林;;一种新的基于图模型的间歇过程故障监测方法[J];中国安全生产科学技术;2014年06期
9 王晶,孙淑艺;基于支持向量机对间歇过程的建模及控制[J];化工管理;2005年06期
10 戴华平,孙优贤;间歇过程基于Dioid代数模型的分析与协调控制研究[J];控制理论与应用;2001年01期
相关会议论文 前7条
1 赵春晖;王福利;贾明兴;;一种改进的聚类算法在间歇过程中的应用[A];2006中国控制与决策学术年会论文集[C];2006年
2 刘兴红;邹志云;刘建友;刘景全;王志甄;;间歇过程的多变量统计性能监控技术综述[A];2009中国过程系统工程年会暨中国mes年会论文集[C];2009年
3 胡益;马贺贺;侍洪波;;基于局部模型的KPLS方法及其在间歇过程故障检测中的应用[A];第25届中国控制与决策会议论文集[C];2013年
4 郭小萍;王福利;贾明兴;;基于sub-MPLS的多阶段间歇过程质量预测与控制[A];第十七届全国过路控制会议论文集[C];2006年
5 郭小萍;赵文丹;李元;;基于子时段LS-SVM的间歇过程质量预测[A];2009中国控制与决策会议论文集（3）[C];2009年
6 王妍;李宏光;;青霉素发酵间歇过程的特征状态监督[A];2011年中国智能自动化学术会议论文集（第一分册）[C];2011年
7 郭小萍;王福利;贾明兴;;基于滑动窗PCA的诺西肽发酵过程子时段划分和在线监测[A];第二十四届中国控制会议论文集（下册）[C];2005年
相关博士学位论文 前7条
1 谢磊;间歇过程统计性能监控研究[D];浙江大学;2005年
2 杜红彬;间歇过程时频域建模及其模型预测控制研究[D];大连理工大学;2002年
3 赵春晖;多时段间歇过程统计建模、在线监测及质量预报[D];东北大学;2009年
4 刘毅;间歇过程的核学习自适应建模与控制研究及工业应用[D];浙江大学;2009年
5 王姝;基于数据的间歇过程故障诊断及预测方法研究[D];东北大学;2010年
6 胡益;基于KPLS的工业过程监测方法研究[D];华东理工大学;2014年
7 李赣平;基于智能计算的过程控制与优化若干研究[D];上海交通大学;2007年
相关硕士学位论文 前10条
1 项亚南;基于MPCA的工业间歇过程故障检测方法改进研究[D];江南大学;2015年
2 陈川;基于近邻规则的间歇过程故障检测算法研究[D];电子科技大学;2015年
3 陈子锋;面向具有不确定因素的间歇过程迭代学习控制[D];北京化工大学;2015年
4 刘莉;基于核Fisher包络分析的间歇过程故障诊断[D];北京化工大学;2015年
5 李和平;基于核函数的间歇过程软分段建模方法研究[D];北京化工大学;2015年
6 崔宁;基于多阶段MICA的间歇过程故障监测[D];北京工业大学;2015年
7 张亚潮;基于多尺度MICA的间歇过程故障监测与诊断[D];北京工业大学;2015年
8 武建;带修正项的间歇过程迭代优化控制方法及改进研究[D];东北大学;2014年
9 王海燕;基于单批次时段划分的间歇过程故障监测方法研究[D];东北大学;2014年
10 张冰冰;基于数据的间歇过程指标控制方法研究[D];东北大学;2014年
，本文编号：1652835
本文链接：https://www.wllwen.com/kejilunwen/yysx/1652835.html
