间接型点对点迭代学习控制 方法的研究及其应用开题报告

《间接型点对点迭代学习控制 方法的研究及其应用开题报告》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、间接型点对点迭代学习控制方法的研究及其应用指导教师：李宛洲副教授——邱伟伟目录一、课题研究背景二、迭代学习控制及国内外研究现状三、课题的研究内容和基本思路四、进度安排一、课题研究背景1.间歇生产过程的特点：①不连续性②重复性③非稳态性④模型不确定性2.间歇过程的控制：(本质上是轨迹跟踪控制问题)目前间歇生产过程的控制方法的研究方向包括：①模型预测控制②自适应控制③模糊控制④专家系统控制⑤神经网络控制⑥迭代学习控制一、课题研究背景3.课题研究的问题：青霉素发酵过程的补料控制青霉素的生产发酵过程是一个典型的批次生产过程，具有非线性、强耦合性、时变性、滞后性、不确定性等特点。目前，青霉素的生产方

2、式以补料分批发酵为主。在发酵过程中，营养物质的补料速率直接决定了青霉素发酵的质量和产量。因此，如何合理地加入营养物质以便有效的控制整个生产发酵过程对青霉素生产发酵过程具有重要意义。一、课题研究背景本课题根据发酵过程的特点，尝试通过用设定一系列关键点的方法来控制整个发酵过程的输出，以放松输出端轨迹约束的方法获得额外的自由度来设计控制算法进而得到更好地鲁棒性和更快的收敛速度。一、课题研究背景综上所述，青霉素发酵过程的补料控制的主要特点包括以下几部分内容：①青霉素发酵过程具有重复性特点，以前批次的过程信息可以加以利用；（ILC）②可以通过对一系列关键点的跟踪实现对整个发酵过程的控制，从而获得更好

3、的鲁棒性和更快的收敛速度；（P2P）③青霉素发酵过程的补料控制必须能适应模型不确定性和复杂的外部干扰。（MPC）二、迭代学习控制1.迭代学习控制概述(1)ILC基本思想：对于在有限时间区间上重复运行相同控制任务的系统，可以通过学习以前的“经验”来设计当前的控制输入以提高控制性能。(2)ILC特点：1)可以对以往批次中的有用的过程信息加以利用；2)降低了对系统模型精确度的要求；3)对被控系统的先验知识要求也较少；4)在批次方向上跟踪期望的系统输出。二、迭代学习控制(3)迭代学习控制算法的一般结构二、迭代学习控制2.国内外研究现状最初迭代学习控制的研究都是基于线性定常系统的，随着研究的不断深入

4、，迭代学习控制的研究对象扩展到线性时变系统、非线性系统、非最小相位系统以及分布参数系统和空间互联系统等。迭代学习控制学习律的设计方法最初主要是PID控制算法。在研究过程中，人们为了进一步改进迭代学习控制的控制性能，将迭代学习控制与自适应控制、鲁棒控制、神经网络控制、预测控制、模糊控制等先进控制方法相结合，取得了丰硕的研究成果。二、迭代学习控制迭代学习控制的其他研究热点主要包括:(1)算法的收敛性和收敛速度(2)初值不一致问题(3)鲁棒性(4)系统时滞问题(5)MIMO系统耦合问题范数理论，算子理论，Lyapunov稳定性理论，压缩映射法，频域分析法，最优化分析法等初始值修正方法、基于过去信

5、息的方法、基于预测模型的方法、基于鲁棒控制和自适应控制的方法等二、迭代学习控制3.直接型迭代学习控制与间接型迭代学习控制(1)直接型迭代学习控制(2)间接型迭代学习控制二、迭代学习控制相对直接型迭代学习控制器，间接型迭代学习控制器可以通过与其他先进控制算法相结合进而改进系统的控制效果。设计间接型迭代学习控制器主要涉及两个基本问题：一是用什么算法设计局部控制器，二是用迭代学习优化方法更新局部控制器的哪些参数。现在有很多方法可以用来设计局部控制器，包括PID控制、自适应控制、神经网络控制等。原则上，任何实时反馈控制器都可以用来作为局部控制器。可以用迭代学习方法优化的局部控制器的相关变量包括：设

6、定值、神经网络的权重系数、反馈控制器的增益值等。二、迭代学习控制TaoLiu等基于迭代学习控制的二维系统理论和间接型迭代学习控制的思想，针对具有时变不确定性系统设计了一个基于鲁棒PID的间接型迭代学习控制方法。局部控制器的设计采用PID控制和前馈控制，迭代学习控制器在外环调整局部控制器的set-point。二、迭代学习控制虽然在已发表的有关迭代学习控制的文章中，只有不到10%的研究是间接型的，但是从间接型迭代学习控制的结构上来看，这种控制策略还是有很大发展前景的，因为其不需改变现有控制器的结构，可以很方便地应用在现有的控制系统中，以此来优化控制量，提高控制系统的性能。二、迭代学习控制4.点

7、对点迭代学习控制在许多实际应用中，被控系统的期望输出轨迹并不是一条完整的轨迹而是一部分关键点，即控制的目标是在这部分关键点上进行点对点的准确跟踪。例如，在复杂工艺流程系统的控制中，由于设备的封闭性导致无法检测等原因，系统的实际控制只要求在某些特定点上进行跟踪。二、迭代学习控制点对点的迭代学习控制的数学描述如下：参考输出轨迹（关键点）：其中，为M个输出关键点的采样时刻。控制目标为：二、迭代学习控制利用迭代学习控制算法处理点