核主元回归模型间歇过程加权迭代学习的控制

间歇过程在生产中起到重要作用。针对间歇过程的控制提出了很多方法,迭代学习控制是其中一种。迭代学习控制需要合理的模型,目前数据驱动的建模方法受到重视。由于间歇过程通常为复杂的非线性过程,过程数据具有非线性相关性的特点。为了消除数据的非线性相关性,本文采用核主元回归方法对间歇过程进行建模,即在间歇过程的控制变量和终点质量之间建立间歇过程的模型。在此模型上,通过围绕标称轨迹线性化核主元回归模型,并最小化与终点质量相关的二次型目标函数,导出迭代学习控制算法从而计算控制策略。为了克服过程变化和扰动的不利影响,本文提出在批次间将最早的数据从训练数据集移除并加入最新的数据对核主元回归模型进行更新。由于迭代学习律中的增益矩阵反映的是过程的梯度信息,易使迭代学习控制过早收敛或偏离实际工况,为了获得更好的收敛效果,可对学习增益矩阵进行加权。通过对一个间歇聚合反应仿真过程的应用,加权迭代学习控制有良好的控制性能并显示出对过程变化和扰动的适应能力。该方法比基于主元回归模型的迭代学习控制方法具有更好的性能,因此基于核主元回归模型的加权迭代学习控制是一种有效的间歇过程控制方法。