一种数据驱动的时滞系统改进自适应广义预测控制方法

技术领域

本发明涉及自适应控制技术领域，具体为一种数据驱动的时滞系统改进自适应广义预测控制方法。

背景技术

在客观世界和实际过程中，时滞是一种广泛存在的现象，在大型系统尤其是在工业过程控制中，绝大多数的被控对象都具有强时滞特性，例如火箭发送机燃烧室的燃烧过程、炼钢厂的融铁水过程以及精馏塔提馏级温度控制过程等等，这些都是实际控制中非常典型且具有时滞特性的系统。

在实际的控制过程中，大多数系统具有或多或少的非线性以及不确定性，使得系统受客观因素的影响呈现出不同程度的时滞，而时滞的存在会使得被控系统的控制品质下降，因此实际应用过程中常常希望减少甚至消除时滞对系统带来的影响，而且目前很多研究表明现在已有的无时滞控制方法很难推广应用到时滞系统上，因此需要研究新的控制方法克服甚至抵消时滞对控制效果带来的负面影响。

当被控系统中出现时滞时，加入系统的扰动不能够被控制器及时接收并作出相应的调节，往往需要滞后一定的时间，这样一来，无疑也会使得系统的调节时间加大、超调量增大，调节不够及时的话系统的稳定性就会下降，导致控制效果失效甚至引发安全问题。

在实际系统控制过程中，开关控制和PID控制是目前应用最多的控制方法，也有自适应控制、模糊控制、神经网络控制等方法。前者控制方式简单易于使用，但控制精度不高、波动大、能耗高；模糊控制则需要掌握大量的现场控制经验知识且缺乏自学习能力。而且这些控制方法都没有把系统的模型整合到控制器的设计当中，不能很准确地反映过程的实际特性。传统预测控算法将系统模型应用到控制器的设计中，并取得较好的控制结果，但是当面对较大干扰情况时，就不能很好的保持控制效果的稳定，因此为了改善传统预测控制算法的效果，针对实际过程中的很多系统中具有非线性、大时变、大滞后、干扰严重等特征，设计一种可以跟随控制环境变化而做出相应改变的自适应广义预测控制方法是十分有必要的。

基于此，本发明设计了一种数据驱动的时滞系统改进自适应广义预测控制方法，以解决上述提到的问题。

发明内容

本发明的目的在于提供一种数据驱动的时滞系统改进自适应广义预测控制方法，以解决上述提到的问题。

为实现上述目的，本发明提供如下技术方案：一种数据驱动的时滞系统改进自适应广义预测控制方法，包括：根据时滞系统历史数据库，采用数据驱动方法，利用改进的自适应广义预测控制器，建立基于广义预测控制算法的模型，实现过程控制参量的实时在线估计，具体包括以下几个步骤：

步骤1：确定时滞系统被控变量和控制变量，采集时滞系统输入输出历史数据，建立历史数据库，对数据进行预处理、初始化；

步骤2：进行预测模型建模，设置初值待估向量初值

步骤3：通过时滞系统输入输出历史数据，采用时变遗忘因子递推最小二乘法，得到时滞系统带控制量的自回归积分滑动平均模型，通过所述自回归积分滑动平均模型预测控制算法求解控制变量；

步骤4：对预测模型进行滚动优化控制，设置控制参数最小输出长度N

步骤5：得到控制量后，作用于时滞系统，把当前时刻的控制量作为新的输入输出数据，同时作为历史值储存，采集新的输入输出数据，并返回步骤1，更新时滞系统的历史数据库。

优选的，所述输入输出数据由生产过程中被控变量和控制变量的历史数据分析获取。

优选的，所述建立历史数据库，对数据进行预处理、初始化，具体如下：

构建历史数据库Ψ＝{(X

优选的，所述采用时变遗忘因子递推最小二乘法，具体如下：

σ(k)＝mσ

式中，

优选的，通过辨识得到自回归积分滑动平均模型，具体如下：

A(z

式中，y(k)，u(k),ξ(k)分别为系统输出、输入、白噪声，z-1表示后移算子，Δ＝1-z

式中，(a

将被控制对象(k+j)时刻的输出预测误差记为：

y

式中y

则使得方差

式中，(j＝0,1,2,...,p)，p为最大预测步长，T

C(z

H

式中，F

优选的，所述求解Diophantine方程采用递推算法在线求解多步Diophantine方程。

优选的，所述设计GPC控制律，计算并实施控制量包括通过将计算出来的控制量采用根据预测输出值与期望值误差计算贝叶斯概率，然后计算每个控制增量的权值，最终通过加权得到实际控制量，具体如下：

性能指标函数为：

J＝E{[Y

式中，Y

优化形式如下：

通过数学分析，可得控制增量向量为：

其中，H

则当前时刻的控制量为：

u(k)＝u(k-1)+Φ(k)ΔU(k)，

其中，u(k)、u(k-1)为k时刻和k-1时刻的控制量，Φ(k)为每个预测控制量的权值向量，p

与现有技术相比，本发明的有益效果是：本发明提供了一种基于数据驱动的时滞系统改进自适应广义预测控制方法，能够使得系统的时滞问题能够得到有效解决，提高离线和在线输入输出测量数据的利用率，有效抑制输入输出干扰及异常数据对控制的影响，保证系统具有稳定性和很好的鲁棒性。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明数据驱动的时滞系统改进自适应广义预测控制方法的流程图；

图2为本发明总体控制结构图；

图3为中央空调系统结构图，本发明实施例为中央空调系统其中的冷冻水循环系统；

图4为本发明具体实施方式中不同时刻更改不同设定期望值时被控量的控制效果图；

图5为本PID控制具体实施方式中不同时刻更改不同设定期望值时被控量的控制效果图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

实施例：本发明基于数据对中央空调冷冻水循环系统进行自适应广义预测控制。

图5的a图为无时滞的冷冻水循环系统PID控制效果图，b图为有时滞的冷冻水循环系统PID控制效果图；

冷水机组是中央空调核心设备之一，其工作原理分为四步:(1)制冷剂与冷冻水的能量交换，蒸发器中蒸汽压力提高，冷冻水降为低温水，制冷剂成为高温低压气体；(2)制冷剂在压缩机驱动下从高温低压变为高温高压气体，进入冷却测；(3)冷却水与制冷剂进行热交换，冷却水温度增高，制冷剂由于换热，通过冷凝器变成低温高压的液体；(4)当制冷剂进入膨胀阀，低温高压气体又成了低温低压液体，重新运送到冷冻侧，从而完成了一个循环。中央空调就是在制冷剂不断的热传递过程中将冷却测的冷量源源不断传送给冷冻测，来供应冷量。

本发明实施例主要为：冷冻水循环系统，主要原理为冷冻水系统的主要工作原理是冷冻水与制冷剂进行热交换后，冷冻水从高温水变成低温水，传输到空调末端风机盘管，在空调末端与回风进行能量交换，冷冻水变成高温水，而回风通过与冷冻水热交换，变为温度较低的空气传送到空调房间，使室内温度降低，而冷冻高温水通过冷水泵又传送到蒸发器，与制冷剂进行能量交换，从而完成了一个循环。

具体地，基于机理建立冷冻水循环系统数学模型，然后通过MatlabSimulink仿真，实现对冷冻水循环系统数据驱动的改进自适应广义预测控制。

本实例优化的是冷冻水系统，其主要受供冷房间和风机盘管影响，所以在建立的低阶数学模型时，可以近似地等效于供冷房间和风机盘管的传递函数之积，得出其数学模型表达式为：

式中，K

本实例的额定设定冷冻水供回水温度温差为5℃(其中回水温度设定值为12℃，供水温度设定值为7℃)，结合工程实际情况，选取办公楼一典型供冷房间的参数作为数学模型参数，取K

参阅图1-3所示，初始化冷冻水循环系统历史数据库，采用数据驱动方法，利用改进的自适应广义预测控制器，建立基于广义预测控制算法的模型，实现过程控制参量的实时在线估计，具体包括以下几个步骤：

步骤1：确定时滞系统被控变量和控制变量，采集时滞系统输入输出历史数据，建立历史数据库，对数据进行预处理、初始化；

步骤2：进行预测模型建模，设置初值待估向量初值

步骤3：通过时滞系统输入输出历史数据，采用时变遗忘因子递推最小二乘法，得到时滞系统带控制量的自回归积分滑动平均模型，通过所述自回归积分滑动平均模型预测控制算法求解控制变量；

步骤4：对预测模型进行滚动优化控制，设置控制参数最小输出长度N

步骤5：得到控制量后，作用于时滞系统，把当前时刻的控制量作为新的输入输出数据，同时作为历史值储存，采集新的输入输出数据，并返回步骤1，更新时滞系统的历史数据库。

具体如下：确定冷冻水循环系统被控变量和控制变量，采集系统输入输出历史数据，对数据进行预处理，建立历史数据库，具体如下：

确定冷冻水循环系统被控变量和控制变量，采集输入输出历史数据，构建历史数据库Ψ＝{(X

冷冻水循环输入输出数据由生产过程中被控变量和操作变量的历史数据分析获取。采用时变遗忘因子递推最小二乘法，具体如下：

σ(k)＝mσ

式中，

通过辨识得到自回归积分滑动平均模型，具体如下：

A(z

式中，y(k)，u(k),ξ(k)分别为系统输出、输入、白噪声，z-1表示后移算子，Δ＝1-z

式中，(a

将被控制对象(k+j)时刻的输出预测误差记为：

y

式中y

则使得方差

式中，(j＝0,1,2,...,p)，p为最大预测步长，T

C(z

H

式中，F

采用递推算法在线求解多步Diophantine方程。

设计GPC控制律，为了有效降低时滞对冷冻水循环系统控制效果的影响，通过将计算出来的控制量采用根据预测输出值与期望值误差计算贝叶斯概率，然后计算每个控制增量的权值，最终通过加权得到实际控制量，具体如下：

性能指标函数为：

J＝E{[Y

式中，Y

优化形式如下：

通过数学分析，可得控制增量向量为：

其中，H

则当前时刻的控制量为：

u(k)＝u(k-1)+Φ(k)ΔU(k)，

Φ(k)＝[β

其中，u(k)、u(k-1)为k时刻和k-1时刻的控制量，Φ(k)为每个预测控制量的权值向量，p

如图4、图5所示，传统PID针对无时滞冷冻水系统能够有效实现稳定控制，但是当冷冻水系统存在时滞特性时候，控制效果变差甚至发散，这将会严重影响实际系统工作甚至引发安全问题，本发明中的控制方法能够有效的实现冷冻水系统快速响应、稳定控制，并且能够有效消除时滞对系统带来的影响，而且能够避免传感器误差和噪声对控制性能带来的干扰，因此具有重大的实际应用意义。

在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。