一類連續(xù)化工生產過程的模型辨識及非線性預測控制研究.pdf

1、化工過程的建模和控制是過程控制領域的研究熱點和難點，由于化工過程通常存在很強的時變性和非線性，很難建立準確的機理模型，而對過程的溫度、濃度、平均分子量等指標的精確控制影響著產品的產量和質量，具有很強的理論及實際研究價值。預測控制作為一種在實際生產中發(fā)展起來的控制方法，已得到了廣泛的應用。但傳統(tǒng)的預測控制方法都是基于線性模型實現(xiàn)的，而對于具有強非線性的化工過程，線性模型預測控制難以取得滿意的控制效果，因此需要進一步研究基于非線性模型的預測

2、控制方法。
　　本文以典型的連續(xù)化工生產過程如一階連續(xù)攪拌反應釜、pH中和過程、MMA聚合反應、生物反應器等為對象，依據過程的輸入輸出數據建立辨識模型來描述系統(tǒng)的動態(tài)特性，并基于所得模型設計非線性預測控制器。同時，結合智能優(yōu)化算法研究有約束非線性預測控制的控制律求解問題。論文的研究內容主要包括以下幾個方面：
　　1.以一階連續(xù)攪拌反應釜為研究對象，分析其模型的階躍響應特性和穩(wěn)定性。將 CSTR的機理模型辨識成為 LSSVM-

3、ARX結構的Hammerstein模型，并與采用多項式函數結構的Hammerstein模型比較辨識效果。基于辨識所得模型，提出相應的非線性預測控制算法，給出了預測控制律的求解及非線性環(huán)節(jié)逆模型的構造方法。將該方法用于CSTR的反應物濃度控制中，并與基于多項式函數的Hammerstein模型預測控制以及 PI控制器仿真比較其效果。
　　2.提出了一種辨識Wiener模型的新方法，采用Laguerre正交函數描述模型的線性環(huán)節(jié)，采用最

4、小二乘支持向量機描述其非線性環(huán)節(jié)。給出了模型的結構和辨識的具體步驟，并將該方法推廣到多輸入多輸出Wiener模型的辨識中。將所提方法分別針對SISO和MIMO情況進行仿真驗證，并與基于多項式函數的Laguerre-Wiener模型比較辨識效果。
　　3.將線性環(huán)節(jié)為Laguerre函數的Wiener模型用于pH中和過程的辨識及預測控制。將過程的機理模型分別辨識為Laguerre-LSSVM結構的Wiener模型、Laguerre-

5、SVR結構的Wiener模型、Laguerre-多項式結構的Wiener模型和線性Laguerre模型，比較各模型的辨識效果，分別基于得到的四種模型對pH中和過程實施有約束預測控制，利用SQP算法求解控制律。
　　4.以 MMA聚合反應為對象，研究基于高斯過程的模型辨識及非線性預測控制。分別針對不同的模型延遲分析高斯過程的動態(tài)建模效果，比較其計算時間和預測性能，選擇最為合適的延遲建立最終的高斯模型，輸出其模型預測結果。將辨識得到的

6、高斯過程模型作為預測模型，構建非線性預測控制算法，并用于MMA聚合過程數均分子量的跟蹤控制。
　　5.針對基本粒子群算法容易出現(xiàn)“早熟”收斂的缺點，提出一種改進的混合遺傳粒子群算法，在基本算法的迭代中引入淘汰機制，將滿足淘汰條件的粒子與適應度最優(yōu)的粒子進行多后代擇優(yōu)交叉和一定概率的變異，以期得到適應度更優(yōu)的新粒子代替被淘汰粒子，從而提高算法的全局尋優(yōu)能力。將混合遺傳粒子群算法用于有約束線性廣義預測控制的控制律求解中，仿真驗證其有效