PLS隐变量空间模型预测控制算法研究

发布时间：2020-11-19 03:50

　　 随着信息产业和计算机技术的快速发展,数据流在工业产业中的地位越来越重要,基于数据驱动的建模和控制方法受到了学术界和工业界的广泛关注。大量数据带来的一个很自然的问题是,很多不相关数据也会包含在采集的数据中,因此数据压缩或者说数据降维技术是很有必要的。偏最小二乘(PLS)就是这样一种重要的多元统计分析方法,它已经在故障诊断和过程监控领域有了非常多的研究,但是在过程控制中的应用还处于起步阶段。本文结合PLS方法的自动解耦,变量配对,降维等特点,研究了PLS隐空间的模型辨识方法和隐空间模型预测控制(MPC)技术。主要研究内容涉及了隐空间模型预测控制相关辨识(MRI)方法,隐空间广义预测控制(GPC)算法,两种用于处理高频噪声的隐空间GPC改进方法,基于过程输出信号的Hotelling T2统计量的多模型切换MPC算法,基于TS模型的隐空间模糊GPC算法,隐空间降维技术讨论。具体的研究工作包括：(1)针对变量中可能存在的共线性问题,引入了PLS建模方法。基于动态PLS框架,第二章提出了一种隐空间GPC控制策略。建模阶段,为了提高模型的多步向前预测能力,进而提高GPC的控制性能,提出了隐空间MRI方法,并对该方法进行了频域分析。隐空间中多个SISO并行运行的特性,使得GPC控制律的求解时间比传统方法少得多,这对GPC的在线应用是很有意义的。(2)第三章对基本的隐空间GPC方法进行了一些闭环理论分析,包括回路灵敏度分析、鲁棒性和稳定性分析,然后从抑制高频扰动和噪声,提高系统鲁棒性的角度出发,提出了两种改进算法。一种是在隐空间GPC中引入C滤波器,这种方法能在不改变系统标称性能的情况下,提高系统的鲁棒性,但是C滤波器参数的选择缺乏系统的理论指导方法。因此,借鉴内模控制思想,我们又提出了一种基于模型输出的改进算法,它是将GPC预测模型中的实际过程输出信号替换为模型预测输出信号,并引入误差校正,从而减弱了噪声和扰动对闭环回路的影响。理论上,这种方法也能在不改变系统标称性能的情况下,提高系统的鲁棒性。(3)对于动态非线性过程,传统的基于单个线性模型的MPC只能在较小的运行区域内得到满意的控制效果。针对这一问题,第四章提出了一种PLS隐空间多模型切换MPC方法。在每一个工作点,先分别辨识一个PLS动态模型,并设计相应的预测控制器。然后,我们提出了一种基于过程输出信号的Hotelling T2统计量的切换指标,它可以根据当前系统运行的区域自动选择最匹配的模型／控制器,从而保证了模型的正确性,使得系统能获得满意的控制品质。更重要的是,该算法延续了基本的MPC算法,仍然是用二次规划求解,适于工程实际应用。(4)对于动态非线性过程,第五章提出了直接采用基于非线性模型的控制方法。主要是在PLS内模型中,采用TS模糊模型来刻画隐变量得分t和u之间的动态非线性关系,建立了一种TS-PLS模型。基于建立的模型,我们利用即时线性化的思想,提出了隐空间模糊GPC控制方法。在过程非线性特别强的时候,这种方法比隐空间切换MPC方法,会有一定的优势。(5)第六章分析了隐空间MPC方法作为降维控制技术时,可能出现的两个问题。首先,对于强行降维问题,我们从空间投影映射的角度分析了强行降维时出现稳态偏差的原因。然后,对于降维控制中设定值的选择问题,我们指出并不是所有的设定值都是可达的,设定值的选取必须符合建模数据集中存在的线性相关关系,并说明在存在非线性依赖关系时,设定值的选取必须和过程特性相容。
【学位单位】：浙江大学
【学位级别】：博士
【学位年份】：2015
【中图分类】：TP13
【文章目录】：
致谢
摘要
Abstract
1 绪论
    1.1 研究背景及现状
        1.1.1 偏最小二乘及研究现状
        1.1.2 基于PLS的控制方法及研究现状
    1.2 模型预测控制及其研究现状
    1.3 模型误差分析
    1.4 模型预测控制相关辨识及研究现状
    1.5 本文主要研究内容
2 基于PLS隐空间MRI模型的广义预测控制器设计
    2.1 引言
    2.2 PLS和PLS控制框架
        2.2.1 偏最小二乘方法
        2.2.2 动态偏最小二乘
        2.2.3 动态PLS控制框架
    2.3 隐空间模型预测控制相关辨识
        2.3.1 模型预测控制相关辨识
        2.3.2 PLS框架下的MRI
        2.3.3 隐空间MRI的频域分析
    2.4 基于动态PLS框架的GPC
    2.5 隐空间GPC和原始空间GPC的比较
    2.6 仿真实例
        2.6.1 Jerome-Ray模型
        2.6.2 聚乙烯反应过程
    2.7 本章小结
3 隐空间GPC算法的理论分析及鲁棒化改进
    3.1 引言
    3.2 基本算法理论分析
        3.2.1 闭环回路分析
        3.2.2 稳定性分析
    3.3 C-滤波器方法
    3.4 一种基于模型输出的改进方法
    3.5 仿真实例
    3.6 本章小结
4 隐空间多模型预测控制
    4.1 引言
    4.2 隐空间约束MPC
    4.3 多模型预测控制
        4.3.1 切换指标
        4.3.2 稳定性讨论
    4.4 非线性两相反应器过程仿真
        4.4.1 过程描述
        4.4.2 模型辨识和验证
        4.4.3 控制结果
    4.5 本章小结
5 基于TS-PLS模型的隐空间模糊GPC方法
    5.1 引言
    5.2 TS-PLS模型
    5.3 隐空间模糊GPC方法
    5.4 仿真实例
        5.4.1 pH中和滴定过程
        5.4.2 TS-PLS模型建立
        5.4.3 隐空间模糊GPC控制结果
    5.5 本章小结
6 关于隐空间MPC降维问题的分析与讨论
    6.1 引言
    6.2 降维控制中的两个问题
        6.2.1 强行降维问题
        6.2.2 设定值相容性问题
    6.3 本章小结
7 总结与展望
    7.1 研究工作总结
    7.2 研究工作展望
参考文献
附录
作者简历
在学期间所取得的科研成果

【相似文献】

相关期刊论文 前10条

1 王秀美;高新波;张乾坤;宋国乡;;一种基于局部保持的隐变量模型[J];模式识别与人工智能;2010年03期

2 姚宏亮;王秀芳;王浩;;一种基于结构分解和因子分析的贝叶斯网络隐变量发现算法[J];计算机科学;2012年02期

3 姚宏亮;吴立辉;王浩;李俊照;;局部因果关系分析的隐变量发现算法[J];计算机科学与探索;2014年04期

4 熊丽;梁军;钱积新;;基于偏最小二乘隐变量空间的控制器设计方法[J];化工学报;2007年02期

5 仝明磊;边后琴;;共享隐变量模型的解析算法及应用[J];上海电力学院学报;2010年05期

6 王磊;邹北骥;彭小宁;;针对表情动作单元跟踪的隧道隐变量法[J];自动化学报;2009年02期

7 肖应旺;;动态隐变量法及其在动态过程监控中的应用[J];仪器仪表学报;2012年01期

8 李建明;曲成毅;;隐变量交互作用分析建模方法——两阶段最小二乘法(2SLS)及其在SAS软件上的实现[J];数理医药学杂志;2011年06期

9 仝明磊;韩红;朱武;;利用共享动态隐变量模型估计三维人体运动[J];中国科学:信息科学;2012年01期

10 杨智勇;刘金兰;;基于隐变量分析的IT投资回报模型研究[J];统计与决策;2007年18期

相关博士学位论文 前3条

1 王秀美;隐变量模型的建模与优化[D];西安电子科技大学;2010年

2 薛晓川;含隐变量的生物系统动力学：从单分子到细胞[D];清华大学;2009年

3 池清华;PLS隐变量空间模型预测控制算法研究[D];浙江大学;2015年

相关硕士学位论文 前2条

1 王秀芳;具有隐变量的贝叶斯网络结构学习研究[D];合肥工业大学;2012年

2 和超;基于结构EM的隐变量模型学习方法[D];云南大学;2015年

本文编号：2889653